基于领域知识的模型检验方法

提出了一种基于领域知识的模型检验方法.该方法主要是采用本体论方法,将业务领域内的潜规则表示成领域知识,构成领域规则库,对领域规则采用图形化表示与使用SWRL描述相结合的方式,形成了对规则知识的内、外部表示,为领域知识的直观显示和有效推理提供基础.领域规则形成的规则库为模型检验提供了依据和复用基础,确保用户构建的应用模型满足业务领域需求.     

基于领域知识复用的需求建模

为了准确地获取和复用军事电子信息系统需求,提出了基于领域知识复用的需求建模方法.介绍了利用领域知识进行需求建模的过程,利用目标模型表达用户需求,并通过复用领域知识建立目标模型;通过目标查询匹配和复用获取目标相关需求,建立应用本体;利用顶层本体概念与MEISRDL业务框架的映射关系,根据应用本体生成需求模型.实例表明,通过复用领域知识,不仅保证了需求模型的质量,而且提高了需求建模的效率.     

基于目标的C4ISR系统需求行为建模

获取C4ISR系统需求非常困难,为了准确获取系统需求,尤其是动态行为需求,需要对系统行为进行建模。为此借鉴面向目标的需求分析方法,在C4ISR系统需求描述语言MEISRDL的基础上,提出了基于目标的行为建模方法。首先分析作战任务以识别作战目标,通过精化目标构造目标模型,然后将目标作为职责分配于作战实体,最后重点分析作战实体要实现作战目标应具备的内部和外部行为。状态模型、交互模型和行为关系模型提供了多种行为描述和分析方法。通过一个实例介绍了建模的过程,验证了该方法的可行性。     

基于遗传算法的配送优化算法设计与实现

为了在有限的资源下，以最小成本完成物资的配送，需要对配送路由进行优化。提出了一种配送优化算法，它在遗传算法基础上根据物资配送的特点选取种点和需求点，并利用配送点需求量进行区位分配结果的优化。仿真结果表明，算法能有效地解决种点的选取问题。极大地减少了运算时间，能在较短的时间内获得较优的解决方案。     

基于蚁群算法的参数相关网格任务调度算法研究

任务调度是网格计算环境中影响系统性能的重要问题,目前大多数调度算法在调度时均把任务假定为元任务,而忽略任务间的约束关系。利用图论的思想将任务间依赖关系描述为满足一定条件的有向无环图（DAG）,通过DAG图可以精确描述任务的优先级,此外蚁群算法在元任务调度中能有效实现任务调度和负载均衡,因此在蚁群算法进行元任务调度结果的基础上,根据任务优先级对分配给资源的任务进行排序即得出了参数相关任务调度的结果。仿真结果显示,此方法在各种网格环境下均能解决相关任务的调度问题,而且保证系统的负载均衡。