小样本下基于卷积神经网络的费用估算研究

在当前的费用估算模型较依赖数学模型、无法根据样本大幅度调整模型参数的现状下,针对导弹特征属性和研制费用公开样本稀少以及不同型号的导弹样本对待预测样本的参考意义不同的问题,提出了小样本下基于卷积神经网络的导弹研制费用估算模型.为解决小样本和样本贡献值问题,结合双三次插值算法和反距离加权插值算法对导弹原始样本集进行插值.采用导弹研制费用卷积神经网络估算模型对插值样本进行学习,得到导弹研制费用估算结果.通过与线性回归、神经网络、支持向量机、WPCA&WSVR几种模型的对比实验,验证该模型在整体估算效果上优于其他模型.     

复杂仿真系统重用模型可信度评估方法

在资源高度共享的今天,模型重用可增强仿真应用的灵活性和可扩展性,是复杂仿真系统构建的必然选择。然而,评估多模型组合仿真下的可信性是模型能否实现有效重用的基本问题。针对面向实物和面向数值解算两个不同应用环境的仿真模型重用,提出基于偏差传播的仿真重用模型可信度评估方法,详细介绍了各自建模方式及评估方法。以无人机复杂仿真系统为例,通过与经典可信度评估方法对比,说明了该方法可降低在重用模型可信度方面的评估难度,验证了方法的可行性。     

基于Web服务的分布式仿真系统的双重访问控制

随着分布式仿真系统与Web服务技术的结合日益紧密,以及功能与资源分离的愈加明显,导致大量仿真资源暴露于网络中,传统、单一的访问控制模型已无法应对。为此提出了一种基于属性的针对功能和资源的双重访问控制模型,采用证书代理机制实现功能端单点登录,采用XACML实现资源端多属性的访问控制。详细描述了该模型的访问控制流程,目前已应用到虚拟采办系统中。通过对性能的分析和测试,证明了该双重访问控制模型的可用性和有效性。     

复杂系统虚拟样机信息管理中的项目管理研究

虚拟样机的研究已成为多年的研究热点，其相关基础技术发展也很快，在国外也有了成功的应用案例，然而复杂系统协同虚拟样机技术的研究尚不成熟，在研究中还存在一些技术障碍，其中缺乏全生命周期、全方位和全系统的信息管理就是障碍之一。在给出了复杂系统及其虚拟样机定义的基础上，分析了复杂系统虚拟样机中信息管理的需求，然后论述了项目管理在复杂系统虚拟样机信息管理中的特点和需要攻克的几个关键技术，接着对项目管理与工作流的集成作了探讨。在此基础上，本文给出了相应的系统说明和应用验证说明。     

基于Metropolis准则的多步Q学习算法与性能仿真

强化学习是目前智能体和机器学习研究的热点。针对强化学习中标准Q学习算法更新速度慢的缺点,通过引入多步信息更新策略和模拟退火中的Metropolis准则,提出了一种新颖的多步Q学习算法,称为SAMQ算法。仿真实验表明,与现有的算法相比,该算法能够有效提高收敛速度,较好地解决智能体选择动作时面临的新知识探索还是当前策略遵循的关键问题。     

云计算平台API兼容问题分析和解决方案

对云计算应用中常用的No SQL数据库和云文件系统API兼容问题进行了分析,设计了JPA技术框架和云文件系统统一访问框架来解决云计算平台API兼容问题。以HBase+HDFS私有云计算平台、Simple DB+Amazon S3公共云计算平台为例,实现了医疗领域云计算系统应用,并在不同云平台之间实现了系统迁移。研究结果表明,该技术方案较好地解决了云计算平台API的兼容问题,提高了云计算应用系统开发效率和运行效率。     

基于云模型与证据理论的共识分析方法

针对综合集成研讨厅中发散型研讨具有连续性、模糊性、复杂性等特点, 提出了一种基于云模型与证据理论的共识分析方法. 该方法利用云模型根据研讨信息间语义关系求取每条发言表达的意见; 并利用证据理论根据某专家所有时刻发言表达的意见推理该专家意见; 最后根据求得的各专家意见形成定性的专家意见分布图和定量的共识水平、关注水平. 实例表明该方法是有效的, 它能使研讨专家实时了解当前共识状态, 提高群体研讨效率.     

基于综合集成研讨厅的武器装备系统综合

针对方案论证中系统综合存在的问题,提出了基于综合集成研讨厅的系统综合方法.该方法将专家体系、机器体系、知识体系相融合,各取所长.首先基于AHP法由定性到定量的构建系统评价指标体系,然后基于交互式遗传算法,将定性与定量相结合的综合评价作为适应度进行各项遗传操作,在多次迭代中进行方案筛选.实例表明该方法是有效的,它能大幅提高系统综合效率.     

综合集成研讨厅问题求解过程中的问题分解研究

在综合集成研讨厅中进行复杂决策问题的求解时,需要将复杂问题进行分解.这方面,国内外问题分解方法的研究主要集中在工作流意义下的任务分解.在分析综合集成研讨厅问题分解的特殊性基础上,提出了综合集成研讨厅中复杂决策问题求解的问题分解自适应模型和算法,探讨了在专家小组内进行问题分解的数学模型.实践表明,该分解方法可避免大规模的修改,加速整个复杂决策问题的结构化进程.     

向虚拟样机并行设计的任务调度方法

针对复杂产品虚拟样机并行设计中任务调度存在的开发时间凭经验主观假定、求解策略不易获得最优解等问题,建立了任务调度模型,提出了基于案例推理的任务开发时间估算策略,设计了基于遗传算法的模型求解策略。时间估算策略以设计单元以往完成任务的信息为依据,提高了时间估算的合理性;模型求解策略能够保证搜索空间的完全性,在满足任务间约束的前提下,快速求得最优调度,提高了求解策略的效率。最后用实例验证了方法的有效性,它能大幅缩短虚拟样机并行设计时间。