基于任务合成机制的多星调度问题

传统模式下,卫星采取单任务观测方式,该种方式下任务的成像精度高但任务成像数量少且资源使用率极低。因此,在单任务观测方式的基础上设计了一种多任务合成机制(multi-task merging mechanism, MTMM),在保证用户最低成像要求的情况下对任务合成。首先,基于合成任务集,建立多星调度模型。然后，针对模型提出了基于任务合成的改进蚁群优化(improved ant colony optimization based on task merging, IACO-TM)算法,在算法中设计了自适应蚁窗策略、强制扰动机制以及算法参数动态调节策略,对蚂蚁搜索空间进行有效裁剪,避免算法陷入局部最优的同时提高算法的收敛速度。最后,通过大量仿真实验与不考虑任务合成的改进蚁群优化(improved ant colony optimization, IACO)算法和基于任务合成的传统蚁群优化(traditional ant colony optimization based on task merging, TACO-TM)算法对比,验证了所提MTMM和IACO-TM的有效性。     

强冲击作用下金属界面物质喷射与混合问题数值模拟和理论研究

当强冲击波从金属自由面反射时通常会发生微喷射现象,气体环境下,喷射颗粒将与气体相互作用而形成物质混合.微喷射与混合是战略武器研究中的关键和难点问题,亦是冲击压缩科学与工程领域研究的前沿和热点问题之一.作者与合作者长期从事金属微喷射与混合问题理论和数值模拟研究,取得了一系列研究进展.本篇评述简要介绍我们围绕微喷射物理机制与影响因素、理论建模以及气粒混合问题开展的数值模拟和理论研究工作,以及取得的研究成果.主要包括以下几个方面:(1)微射流喷射数值模拟与理论建模;(2)微层裂破碎数值模拟与机理分析;(3)微喷混合数值模拟与动力学规律.     

基于循环神经网络的船舶航迹预测

在海事搜救、海关缉私等应用中,对目标船舶进行航迹预测是一个关键问题。为提高预测的精度和效率,提出了一种基于循环神经网络的船舶航迹预测方法,该方法包含数据预处理和神经网络预测两个部分。在数据预处理中,设计了一种基于对称分段路径距离的数据预处理方法,消除了大量冗余数据及噪声的影响;在神经网络预测中,构建了基于门控循环单元的循环神经网络模型,实现船舶位置信息精准且高效的预测。通过大量船舶自动识别系统数据进行了对比实验,实验结果证明了方法的实用性和有效性。