小型洲际导弹增大重量可能推迟部署两年

美国国防科学管理局已建议将小型洲际弹道导弹(SICBM)的重量从原来的30,000磅增加到37,000磅,以使导弹能够携带突防装置,或打到苏联境内几乎所有的军事目标。 负责研究和工程的国防部副部长D.A.Hicks要求空军考虑能否把导弹的重量增加一倍,即60,000磅。他说,这样的设计可能     

美国为什么选择小型洲际导弹

自从这届总统上台以来,几乎很少关心选择一些能够提高洲际导弹(ICBM)生存能力的系统。MX导弹的多保护结构(MPS)部署方式是唯一的选取方案,对其已进行了     

美国在改善洲际导弹的生存能力

美国战略空军司令部总司令戴维斯说,美国洲际导弹在核攻击下的生存能力比早先预计的要好,而且还可以进一步加强。他在给参院军备委员会战略和核力量分会的证词中说,自1976年以来,关于部署新型MX洲际导弹的许多辩论都是集中在有生存能力的基地部署问题上。然而,自那以后,情况已经发生了变化。戴维斯列举了引起重新预计美国洲际导弹生存能力的一些因素。这些因素是:     

提高洲际导弹生存能力的新方案

为了使民兵洲际导弹部队在八十年代面对苏联核武器的进攻得以生存,目前,美国正在研究两种技术方案来提高导弹的生存能力。第一种方案是巡航式弹道导弹。第二种是轨道式弹道导弹。 巡航式方案是针对携带多弹头的民兵3导弹提出来的。它的设想是在现有的地下井中存放带有封装外壳的民兵3导弹,导弹在     

面向预防性维修的两种失效竞争下多状态系统可靠性模型

针对装备系统在使用过程中存在退化失效与突发失效竞争的情况,以单个系统为研究对象,考虑单一维修台,采用随机检测策略,根据系统内部性能水平与外部冲击损伤等级分别采用三种不同类型的预防性维修,系统完全故障时进行换件维修,利用Phase-type (PH)分布代替指数分布等典型分布,统一描述模型中各类时间变量分布,建立了通用性更好的系统可靠性模型,获得了系统的主要可靠性参数.最后通过算例验证了模型的适用性,并讨论了不同类型的预防性维修速率以及预防性维修阈值对系统可靠性参数的影响.     

两阶段在线租赁的竞争策略

将连续使用设备的单阶段在线租赁推广到间隔使用设备的两阶段在线租赁,给出两阶段在线租赁的竞争策略及其竞争比上界。进一步解决可折旧设备两阶段的在线租赁问题,使得问题更加贴近实际租赁问题,从而为大型设备投资者提供更好的决策依据。通过数值实例说明两阶段租赁竞争比小于剔除间隔后的单阶段租赁竞争比,进而验证结果的有效性和可行性。     

用于超高频射频识别的小型宽带高定向天线

基于Moxon天线具有高前后比和小型化的优点,并结合蝶形偶极子天线宽带的工作特性,设计了一款用于超高频(ultra-high frequency, UHF)射频识别(radio frequency identification, RFID)手持读写器的小型宽带高定向平面印刷天线。该天线采用Moxon和蝶形偶极子复合结构,利用平行双线馈电,引入微带渐变巴伦实现馈电平衡。最终天线尺寸为0.34λ₀×0.22λ₀(λ₀为中心频率工作波长),相比微带准八木天线实现了小型化。实测结果表明:在865~1 054 MHz频率范围内,天线的|S₁₁|＜-10 dB,增益均在3.5 dB以上,相对工作带宽达到20%;并且在UHF开放频段902~928 MHz频率范围内,天线的驻波比(voltage standing wave ratio, VSWR)小于1.4,前后比大于15 dB,增益高于5 dB。     

基于顾客忠诚的两期定价竞争模型

考虑存在部分忠诚顾客的情形,构建两期动态定价竞争模型,分析顾客忠诚对竞争企业定价决策的影响.其中,顾客忠诚通过历史交易形成.一个企业的忠诚顾客转向另一个企业时,会产生一定的转移成本.研究发现:当顾客忠诚度在一定范围变化时,每个企业第二期的均衡定价均高于第一期.第一期,两个企业的价格差随着顾客忠诚度的升高而降低,而第二期的情况却相反.高服务质量的企业在两期中总占有定价和市场优势,且顾客对质量敏感度越高,这种竞争优势越明显.     

两个双目标竞争选址问题模型

研究了多目标竞争选址问题,建立了市场份额最大、费用最小和利润最大、利润率也最大的两类双目标竞争选址模型.探讨了模型的性质与相互关系,并利用多目标优化技术将这两类双目标模型转化为同一类型的单目标参数整数规划问题求解,给出有效解集的精确求解方法和近似求解方法,并通过数值例子说明求解方法.     

基于质保期限和批发价的两制造商竞争问题

2个相互竞争的制造商通过同一家零售商销售各自的产品,从两种情形分析两制造商的竞争问题。第1种情形,2个制造商只通过制定产品的批发价格来竞争,通过模型计算可以得出两种产品的最优批发价格和最优零售价格,它们都随着顾客对质保期限敏感程度的增强而上升,随着质保期限的延长而上升;并且政府对产品质保期限的规定可能会淘汰劣等产品。第2种情形,2个制造商不仅通过制定产品批发价格而且通过制定产品质保期限来竞争,通过模型计算可以得出两种产品的最优质保期限、最优批发价格和最优零售价格,并且它们都随着顾客对质保期限敏感程度的增强而上升,随着产品自身维修费用的增大而下降。最后,数值试验验证了本文的结论,并研究了质保期限及顾客对质保期限敏感程度对企业利润的影响。     

一种新的结构自适应竞争神经网络

针对一般竞争神经网络进行聚类分析时需要事先指定聚类数目 ,并且聚类结果依赖于神经网络初始权值的缺点 ,提出了一种结构自适应的竞争神经网络 ,根据聚类结果的MH(modificationHuber)标记值 ,自适应地调整神经网络输出神经元数目以得到最优的聚类数目。仿真结果表明 ,该网络具有良好的动态聚类效果。     

两种白化滤波器

本文证明了两种白化滤波器的原理是基于线性代数中矩阵的Cholesky分解和谱分解,并导出了两种白化滤波器之间的内在关系。     

基于竞争策略的链式智能体遗传算法用于特征选择的研究

针对特征选择问题,提出了基于竞争策略的链式智能体遗传算法(LAGA).该LAGA算法包含链式智能体网络结构,邻域竞争,自适应交叉,自适应变异,优良个体替换策略,自适应结束等部分,该算法能较好的保持智能体的多样性,在进化中既较佳的继承了优良个体的基因,又有效地搜索了新的空间.多组实验结果表明,通过该算法选择得到的最优特征子集具有较好的稳定性,较高的识别准确率和较低的网络分类器维数复杂度.     

一种排异竞争的粒子群优化算法

提出一种基于排异竞争机制的粒子群优化算法。算法取消传统PSO算法中的全局最优值＂gbest＂,通过设定竞争区域,使得当前种群中所有粒子和上一代种群中的精英粒子,一同参与竞争。并采取适应值竞争策略、适应度选择策略和粒子间的排异策略,来保证种群的多样性,避免了算法初期陷入局部极值的可能;并通过对排异策略的动态调整,提高了算法后期的收敛速度和精度。通过对几类典型函数的仿真测试表明,算法具有较好的全局搜索能力和收敛速度。     

基于两阶段博弈的企业竞争行为选择及仿真

竞争行为选择是企业短期管理中的重要内容之一,目前国内对此问题的研究基本处于定性阶段,尝试采用博弈论对该问题进行定量研究:在引入两阶段博弈形式化企业竞争战略选择过程基础上,用二层规划刻画该博弈过程,通过求解该规划获得两期博弈均衡解;最后,通过对处于产量竞争市场中的两个企业竞争行为选择过程进行仿真、分析,其结果不仅验证企业竞争行为分类的正确性,并得到对企业决策具有指导意义的结论。     

一种用于故障诊断的演化小波神经网络

针对小波神经网络实现故障模式识别时存在的“维数灾”问题 ,提出了利用遗传算法在小波网络的学习过程中优化网络结构的方法 ,可有效减少小波基元 ,加速收敛。同时为提高遗传优化的收敛速度和精度 ,避免“早熟”现象 ,采用基于实数编码的遗传算法。给出了各个控制算子的自适应调整策略 ,并设计了增加和删除操作对遗传算法进行改进。仿真结果证明了该算法的有效性。     

ARCS和Falconer——北约用于防空武器的两种新型雷达/C~3系统

几家公司正在研制将监视雷达与分散庞杂的指挥、控制和通讯(C~3)设备结合起来的系统,用以形成中程地空导弹或近程防空网络的中枢。两项最新的研制成果是休斯公司和康斯堡军工厂联合研制的截获雷达/控制系统 ARCS和荷兰讯号设备公司研制的 Falconer/Vangurd系统。     

一种用于可靠性分析的功能模型

针对传统的可靠性分析模型知识描述能力差和分析结果指导意义较弱的问题,设计一种功能模型用于可靠性分析.这种模型能够描述系统功能知识和性能知识,并且能够建立系统性能对功能的影响关系.此模型的建模过程较为简捷,模型结构适合于可靠性推理.由于模型描述了系统本身的领域知识,基于该模型得到的可靠性分析结果较传统的可靠性分析结果更具指导意义.最后,基于这种建模策略建立了某型家用门铃系统的功能模型,并分析了其可靠性,验证了该模型及其算法的有效性.     

一种用于模式识别的多色Voronoi图

提出了一种新的Voronoi图———多色Voronoi图 ,并证明了它的一些重要性质。多色Voronoi图是在Voronoi图的构造过程中 ,根据数据集的特性给Voronoi图染色的结果。用多色Voronoi图概念设计的模式分类器(MCVC)是一种非线性多类别最优分类器 ,可以解决线性可分和线性不可分问题 ,同时MCVC对新增加的训练样本具有快速局部学习能力 ,这种局部学习能力克服了神经网络方法常出现的过学习问题 ,很类似于人对概念的学习。将多色Voronoi图概念用于支撑矢量机的构造中 ,进行支撑矢量的预选取 ,可以提高支撑矢量机的学习速度