基于蒙特卡洛树搜索方法的空战机动决策

针对空战中双方的机动决策问题,考虑角度、距离、速度变化以及高度优势函数,以赢取最大空战优势期望为目标,建立了空战双方机动决策模型,并引入蒙特卡洛树搜索方法进行求解,搜索策略采取极大极小搜索算法。针对双机对抗,通过仿真给出空战态势及空战优势变化曲线,结果表明:我机在整个空战过程中绝大部分是处于优势地位的,验证了使用蒙特卡洛树搜索方法进行空战机动决策的可行性,同时对算法的实时性进行了仿真,计算机动动作所用时间众数位于50~100ms区间内,达到了实时性要求。     

基于知识影响图的多Agent集成诊断与决策

建造一种包括应用Agent和系统Agent的2层多Agent诊断系统结构，提出应用Agent诊断与决策及系统Agent全局决策的集成方案；设计基于知识的诊断与决策影响图及推理方法，分别用于应用Agent内部的诊断与操作决策、局部的运行决策、以及系统Agent的全局运行决策；实例证明了方法的可行性。     

基于近似随机优势度的随机多属性决策方法

针对属性值为随机变量形式的决策问题,提出了一种随机多属性决策分析方法.首先给出了近似随机优势准则的描述及相关分析,并提出了近似随机优势度的定义和计算公式;然后,依据近似随机优势准则判断并确定两两方案之间比较所具有的优势关系,进而计算得到方案之间的近似随机优势度,并构建相应的近似随机优势度矩阵.进一步地,通过计算可以得到每个方案的总体相对近似随机优势程度,从而得到所有方案的排序结果.最后,通过一个算例说明了所给出方法的可行性和有效性.     

网络拓扑图多级分割塌缩阶段算法改进

针对网络拓扑图上的宏观异常预警可视化显示需要,分析了当前图的多级划分算法.算法分为图塌缩、初始划分和多级优化三个阶段.在多级分割算法的图塌缩阶段,提出改进算法———KV算法和VC算法.实验验证改进后算法在运行时间、恢复时间和分割边数上均优于传统算法.改进塌缩KV算法在分割边数上平均提高了4.6%,在运行时间上提高了12%,而VC算法降低了KV算法的时间复杂度.     

航空器智能引导机动决策奖励重塑方法

针对使用深度强化学习进行航空器智能引导研究中存在的飞行轨迹质量差、训练效率低等问题,对应用于机动决策生成的奖励重塑方法进行了研究。首先,构建了航空器引导机动决策生成的深度强化学习模型;其次,从指令连续性和相对姿态两个角度设计了奖励重塑函数,并证明了使用重塑函数前后的策略一致性;最后,在不同类型目的地场景中进行了仿真实验。仿真结果表明,奖励重塑方法对航空器飞行轨迹质量和智能体训练效率有明显的提升。使用本方法快速训练的智能体,可以准确、高效地生成机动决策,引导航空器完成任务。     

基于Q-network强化学习的超视距空战机动决策

考虑到空空导弹对空战胜负的重要影响,针对空战态势状态特征连续、多维的情况以及传统方法缺乏对空战对抗中敌方策略的考虑,将强化学习应用到1vs1超视距空战机动决策。首先,建立了同时为对抗双方进行机动决策的强化学习框架,提出ε-纳什均衡策略来选取机动动作,并通过导弹攻击区优势函数来修正奖赏函数;其次,基于记忆库和目标网络训练Q-network,形成超视距空战机动决策的"价值网络";最后,设计了Q-network强化学习决策模型,并将机动决策过程分为了学习阶段与实战阶段。仿真结果表明:智能体可以感知空战的态势并作出合理的超视距空战机动决策。     

多目标随机决策的交互式参考目标满足度方法

该文设计了一种多目标随机决策方法——交互式参考目标满足度方法(IRGSD)。     

基于多级深度特征与随机游走的显著性检测

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题,提出了一种基于多级深度特征和随机游走的显著性检测算法。首先,利用全卷积神经网络,结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取;然后,对图像进行超像素分割,将提取的深度卷积特征分配给相应的超像素,构建特征矩阵;最后,通过正则化随机游走排序模型生成最终的显著图。在ECSSD和DUT-OMRON数据库上的实验结果表明,与6种具有代表性的显著性检测算法相比,文中算法的准确性和F值具有一定的优势。     

随机型库存决策的一种改进方法

对传统库存管理中的随机决策模型进行了改进，建立了缺货损失是非线性的期望准则模型，进而得到了不依赖于方差且能反映库存风险的单一目标的库存决策模型。该模型反映了缺货损失与作货损失的不对称特征，它与传统模型相比，省略了方差的计算，避开了传统模型中双目标综合上的困难。利用该模型解释了我国现有企业库存量偏大的现实问题，指出模型在供应链管理中的重要意义。     

基于单片机的多级菜单实现方法改进

介绍了一种在C语言环境下，基于单片机的多级菜单实现方法，该方法从菜单的功能结构出发，在程序设计中做了几点改进，首先对菜单数据项和功能函数各自进行独立设计，通过在数据结构中增加按键有效标志、字符串指针、存储器地址以及与复用相关的元素，实现了两者源代码空间的有效分离，从而大大提高了程序的可维护性；其次引入菜单项复用的思想，简化了程序结构，该设计的多级菜单在自动售货机的服务模式的实际应用表明，此改进方法使菜单设计变得更为简单方便，软件通用性更高，维护更容易。     

基于模糊影响图方法的商业银行信用风险评估

综合应用模糊集与影响图理论建立了模糊影响图方法,将其模型引入商业银行信用风险评估,在确立了商业银行信用风险评价指标体系的基础上,建立了基于模糊影响图的商业银行信用风险评估模型,说明了该模型的有效性.     

字典序多目标多阶段决策的动态规划解法

本文提出了字典序多目标多阶段决策问题模型,并给出了其动态规划解法和数值例子。     

一种基于占优度的随机多属性决策方法

针对具有随机变量的随机多属性决策(SMADM)问题,提出了一种基于占优度的随机多属性决策方法.首先,给出了两个方案之间比较的占优度定义;然后通过计算针对每个属性的两两方案比较的占优度,构建占优度矩阵,并在此基础上,运用PROMETHEE Ⅱ方法得到方案的排序结果.结果表明,该方法具有概念清晰、计算过程简单等特点,较好地解决了运用基于随机占优准则的方法可能产生的信息损失问题.并通过一个算例说明了所提出方法的可行性和有效性.     

基于随机决策的公交车辆滞站策略

公交车辆在线路运行中受到多种随机因素的影响,如道路交通状况、站点乘客上下车等,导致同一线路公交车辆的车头时距产生较大波动,降低公交车辆的运载效率及服务质量。滞站策略能够有效保持公交车辆车头时距的稳定性。鉴于随机因素对公交线路的影响,将公交滞站问题看成多阶段随机决策过程,利用随机决策理论和动态规划的最优化原理,确定出每辆车到达控制点时的最佳滞留时间,使整个线路车头时距波动方差的期望值最小化,进而得到最佳公交车辆滞站决策方案。通过实例分析,随机决策滞站策略,能够显著降低乘客的平均等待时间,提高公交服务质量,且在稳定性及抗干扰性具有明显优势。     

影响图的数据结构研究

影响图(InfluenceDiagram -ID)是复杂的不确定性决策问题的一种新颖有效的图形表征语言 ,数学概念完整 ,关于概率估计、备选方案、决策者偏好和信息状态说明完备 ,具有决策树不可比拟的优点。作为不确定性问题的辅助构模手段、表征和推理的工具以及概率计算的有效数据结构 ,广泛适用于许多领域的决策分析和不确定性推理问题。     

一种基于MDA的UML顺序图到状态图的转换方法

MDA(model driven architecture)是解决基于不同中间件系统的集成问题．它将不同的系统都结构化成PIM(platform independent model)和PSM(platform specific model)，并针对不同的实现技术平台制定多个映射规则，然后通过这些映射规则及辅助工具将PIM转换成PSM，再将PSM不断求精直至形成最后的代码．MDA中的模型转换有4种：PIM到PIM，PIM到PSM，PSM到PSM以及PSM到PIM．其中PIM到PIM转换最显而易见的是分析模型到设计模型的转换．UML是MDA的模型描述语言，因此UML顺序图到状态图的模型转换必将为MDA中的PIM到PIM转换提供有力的支持．介绍了从一个顺序图转换成多个状态图的算法，并进一步讨论了从多个顺序图转换到状态图以及简化状态图的方法．处于一个系统中的多个状态图不是孤立的，他们各自的状态转换是相互约束的，最后给出了组合多个状态图的方法，以及如何生成在同步约束下多个状态图的转换关系，并最终得到系统的状态图．     

随机返混对颗粒反应的影响

针对多级返混流系统,比较了Markov过程模型与Monte Carlo方法的区别。采用Monte Carlo方法模拟了返混的波动对反应率的影响,给出了几种常见反应过程中返混对颗粒反应率影响的模拟结果。