基于贝叶斯网络的空中目标威胁估计算法

联合作战条件下,指挥决策人员在海量描述战场态势的数据和信息面前往往会束手无策,无法快速作出正确的决策。贝叶斯网络模型是一种基于概率推理的网络化数学模型,能够通过一些变量的信息来获取其他的概率信息,从而解决不定性和不完整性问题。提出了一种基于贝叶斯网络的空中目标威胁估计算法,用空中威胁网络模型找到空中威胁目标各属性之间的潜在关系,并建立空中目标威胁估计算法,最后以一个实例来验证该空中目标威胁估计的计算过程和有效性。     

VNS和SA相结合的指挥控制资源部署

针对指挥控制资源部署问题,引入任务复杂度来定义决策实体的工作负载,并建立以最小化决策实体工作负载的均方根为目标的优化模型。针对传统的层次聚类法容易陷入局部最优,提出了一种变邻域搜索(Variable Neighborhood Search,VNS)和模拟退火(Simulated Annealing,SA)相结合的具有全局性的求解方法,使用VNS进行全局寻优,使用SA对VNS中的邻域进行局部寻优。最后通过一个联合作战案例的平台调度方案,验证了所提方法的优越性。     

基于改进匈牙利算法的多技能人员调度方法

人员的优化配置对于提高装备制造效率具有重要意义。针对经典匈牙利算法不能解决具有并联环节的人员指派问题的不足,提出利用虚拟工作代替并联环节,将问题转化为典型的指派问题;通过判断虚拟工作的可实现性,迭代搜索得到最优解。以某多技能人员任务指派系统为例,详细介绍了该优化方法的步骤。优化结果很好地验证了改进算法的有效性。     

增量式神经网络聚类算法

神经网络模型具有强大的问题建模能力,但是传统的反向传播算法只能进行批量监督学习,并且训练开销很大。针对传统算法的不足,提出全新的增量式神经网络模型及其聚类算法。该模型基于生物神经学实验证据,引入新的神经元激励函数和突触调节函数,赋予模型以坚实的统计理论基础。在此基础上,提出一种自适应的增量式神经网络聚类算法。算法中引入"胜者得全"式竞争等学习机制,在增量聚类过程中成功避免了"遗忘灾难"问题。在经典数据集上的实验结果表明:该聚类算法与K-means等传统聚类算法效果相当,特别是在增量学习任务的时空开销方面具有较大优势。     

针对多振源密频及波动线谱主动控制的改进算法及试验

为了让船舶机械主动隔振装置在线谱频率波动和多振源密频耦合等实船复杂工况下,仍能取得良好的振动线谱主动控制效果,研究了以多通道窄带Fx-Newton算法为基础的改进算法,提出了窄带滤波相位失真的自适应补偿器,使控制算法对线谱频率波动具有高鲁棒性;研究了多参考信号Fx-Newton算法,从多振源分离提取互不相关的多参考信号...     

潜艇概念设计阶段的多目标优化研究

研究了潜艇在概念设计阶段的多目标优化问题。基于多目标遗传算法(MOGA),把潜艇航速和排水量这两个概念设计阶段的重要属性作为目标函数,考虑了浮力平衡和水下稳性等约束条件,研究了潜艇主尺度确定的问题。计算了一个潜艇概念的数值算例,给出了多目标优化问题的Pareto前沿。文中给出的方法能够快速求解多目标优化解,为实际的潜艇设计提供参考。     

一种改进的板块元目标回声计算方法

板块元法是一种水下目标回声特性的近似计算方法,提高其积分计算的稳定性和快速性是应用中常遇到的问题。将Gordon积分算法引入到板块元方法中,并结合面元声散射特点,对其加以简化。仿真结果表明,所提方法在计算目标回声中不仅有效克服了常规算法中的不稳定问题,也使计算速度得以提高。     

基于直线特征及模板倾斜修正的图像匹配定位

针对火炮发射图像序列中运动目标后座的旋转问题,提出了基于直线特征及模板倾斜修正的匹配定位方法。该方法首先利用Hough变换提取出具有反应倾斜角特征的直线,与基准直线比较,算出直线旋转角度α,再把包含模板的基准图部分区域旋转α后截取新模板,使问题回到只有平移的情况并进行去均值归一化相关法（NNPROD）匹配。实验与分析表明,该方法可以有效地解决存在旋转、灰度对比度变化大、噪声干扰强、强光饱和等情况下的匹配定位问题,匹配精度较高。     

遗传算法在非线性回归模型辨识中的应用

对遗传算法在非线性回归模型辨识中的应用进行了探讨,切削温度回归模型辨识的实例表明,该方法是有效的.     

二次型极小化问题的迭代算法

在新的控制条件下,证明了二次型极小化问题的迭代算法的有效性,所得结果改进了徐洪坤关于二次型优化的最新结果。