作战任务和资源间的匹配模型及求解算法研究

针对作战任务和作战资源的匹配问题,提出了一种匹配模型及其求解算法.首先分析了作战任务和资源的属性,建立了匹配问题的约束满足模型.基于改进的多优先级动态列表规划算法提出了一种匹配模型的求解算法,并结合实例进行了分析验证.结果表明,算法中引入任务与资源选择优先权参数,可以有效消解优先权冲突,增加匹配的灵活性.     

完成时间限制下的任务-平台关系设计模型及算法

针对指挥控制组织结构设计中任务-平台关系的设计问题,提出了一种使命完成时间限制条件下的问题的设计模型及其求解算法。分析了使命完成时间限制条件下任务-平台关系设计(task platform relation design under mission completion time constraint, TPRDTC)问题的约束条件,建立了以使命执行质量的值最大为目标的问题数学模型。设计了用于求解该模型的循环多动态列表规划(multi-dimensional dynamic list scheduling, MDLS)算法,给出了该算法的详细步骤和流程。最后通过一个联合作战的战役案例,分析并验证了循环MDLS算法对求解TPRDTC问题的有效性和适用性。     

装备体系需求开发研究：能力-任务匹配方法

针对装备体系需求开发的重点,即作战领域到技术领域的指标映射,提出了能力-任务匹配方法。通过分析装备体系需求指标的结构,建立了依靠功能活动来联系的基于任务要求、能力要求和能力缝隙的装备体系需求数学模型。在此基础上提出通过作战任务分析、功能活动分析、作战能力分析和能力缝隙分析四个阶段实现能力 任务匹配,给出了具体步骤和相应的模型。以“空中封锁”示例说明了方法的可行性。     

基于网上创新人才信息的任务-人才辅助匹配

由于网上创新服务存在双方缺乏互信、人才过度竞争的问题,迫切需要建立网上创新任务与人才的匹配机制来增强发包方的积极性,减少接包方的无效劳动,从而保障双方的权益,提高市场效率。借助Spencer的人才胜任力模型,结合网上创新服务环境特点,构建并得到包含3个维度10个指标的网上创新人才胜任力模型。为了提高匹配过程的客观性和准确性,以创新人才的实际任务经历记录作为匹配指标水平的数据来源,努力挖掘客观信息的价值,并定量和定性信息进行综合,实现了平台客观数据与人才指标的相互对应,通过项目能力记录来体现人才指标。分别针对程序开发类任务和设计类任务,提出了基于网上创新人才信息的任务-人才的辅助匹配方法。最后,通过案例应用分析体现该方法的科学合理性和实用性。     

战役任务计划的数学描述与求解算法研究

以多兵种联合作战战役计划为例,在定义任务和作战平台模型的基础上,对战役计划问题进行了数学描述.在定义平台能力矢量与任务需求矢量距离的基础上,基于新的搜索策略提出了多优先级列表动态规划算法(MPLDS),并针对战役案例分析比较了MPLDS与MDSL算法的求解结果与计算性能.     

基于任务合成的对地观测卫星应急调度方法

针对应急条件下对地观测任务时敏度高、动态性强的特点,提出了基于任务动态合成的多星应急调度方法。首先,建立了多星动态应急调度数学规划模型。然后,提出了任务动态合成(dynamic merging,DM)策略,并设计了候选合成任务集合构建(candidate merging task set establishment, CMTSE)算法。最后,提出了基于任务动态合成的多星动态应急调度(dynamic merging based dynamic emergency scheduling, DM DES)算法。为验证DM DES算法的有效性,通过大量仿真实验将DM DES与基于迭代修复的启发式算法(repair based heuristic algorithm, RBHA)和不考虑任务合成的动态应急调度(dynamic emergency scheduling, DES)算法进行比较。实验结果表明,DM DES算法能有效提高调度质量,适用于多星动态应急调度。     

基于语义匹配的作战体系仿真想定生成方法

针对传统的想定建模方法耗时长、成本高的问题,为了实现作战体系概念模型数据到仿真想定的数据映射重用,提出一种基于语义匹配的作战体系仿真想定生成方法.首先,基于网络爬虫技术获取武器装备的参数信息,构建了作战领域知识库.在此基础上,提出了新型的混合式语义匹配方法以提供仿真想定的数据来源,根据自然语言数据库WordNet开展调...     

基于信息反馈的任务动态管理方法研究

在分析火控系统任务管理动态特性的基础上,提出了一种基于信息反馈的任务管理方法.该方法通过采用闭环结构动态调整任务管理方案,首先设置了模糊变量和隶属度函数,然后借助模糊系统的推理规则确定局部任务管理对象,并将传感器状态的变化引入到任务管理过程中.仿真结果表明,这种方法不仅能够符合任务管理动态性的要求,而且可以有效地减少任务管理数量,提高管理的效率.     

基于动态任务合成的多星观测调度方法

合成观测可以提高卫星的观测效率,研究了遥感卫星的动态合成观测调度问题.分析了卫星对多个任务合成观测的条件,在此基础上,建立了任务需求度、资源竞争度以及任务合成中的最小侧摆、最小数据冗余启发式,提出了基于动态任务合成的多星观测调度启发式算法.仿真实例表明,此方法可以有效提高卫星的观测效率.     

基于改进遗传算法的正交匹配追踪信号重建方法

针对压缩传感现有重建算法的缺陷:重建速度慢,在给定迭代次数的条件下进行重建,缺乏自适应性等,提出了一种改进的遗传算法与正交匹配追踪算法相结合的方法来构造重建矩阵。首先采用改进的遗传算法从测量矩阵的列中以最优染色体的形式选出与当前冗余向量最大程度相关的列,然后从测量矩阵中减去最优染色体部分并反复迭代,直到满足重建精度。实验结果表明,与现有的重建算法相比,在满足相同的重建精度条件下,该方法所需要的重建时间减少了5 s左右,所需要的测量矩阵规模减小了约10%,而且能在待重建信号稀疏度未知时自适应地控制迭代停止时间。     

基于快速模拟退火的遥感数据处理调度方法

为了对多源遥感数据的处理任务进行有效的调度和管理,提高处理资源的利用率,根据遥感数据处理任务调度问题的特点,建立了遥感数据处理任务调度的数学模型。设计了两大类邻域结构：整体变换（包括整体再分配和整体交换）和局部变换（包括局部再分配和局部交换）,并采用快速模拟退火算法对模型进行求解。最后给出实例与启发式算法的结果对比,验证了算法的有效性。     

Method for electromagnetic detection satellites scheduling based on genetic algorithm with alterable penalty coefficient

The electromagnetic detection satellite （EDS） is a type of earth observation satellites （EOSs）. The Information collected by EDSs plays an important role in some fields, such as industry, science and military. The scheduling of EDSs is a complex combinatorial optimization problem. Current research mainly focuses on the scheduling of imaging satellites and SAR satellites, but little work has been done on the scheduling of EDSs for its specific characteristics. A multi-satellite scheduling model is established, in which the specific constrains of EDSs are considered, then a scheduling algorithm based on the genetic algorithm （GA） is proposed. To deal with the specific constrains of EDSs, a penalty function method is introduced. However, it is hard to determine the appropriate penalty coefficient in the penalty function. Therefore, an adaptive adjustment mechanism of the penalty coefficient is designed to solve the problem, as well as improve the scheduling results. Experimental results are used to demonstrate the correctness and practicability of the proposed scheduling algorithm.     

求解JLSP问题的遗传禁忌混合优化算法

针对批量与排序的集成问题设计一种遗传算法和禁忌搜索相结合的混合算法,用遗传算法作为主框架优化批量,排序部分由禁忌搜索单独优化,并将排序最优解反馈到遗传算法的主框架中生成集成计划继续寻优。遗传算法的选择算子和变异算子分别采用不同的自适应机制,以提高算法的搜索能力和收敛速度。对3种不同规模算例进行测试,其结果与其他算法比较,验证了所提算法的有效性。     

基于GA优化小波LS-SVR的惯性器件故障预报

为了提高最小二乘支持向量回归机的性能,将Morlet小波核函数引入其中,形成了最小二乘小波支持向量回归机模型。利用待优化的参数重构模型的目标函数和约束条件,并在此基础上通过遗传算法进行参数选择,从而提高了该模型的泛化能力。将最小二乘小波支持向量回归机应用于导弹陀螺仪的漂移趋势预测,仿真实验结果表明了该方法的有效性和可行性,因此可以为陀螺仪的故障预报、可靠性辅助决策提供依据。     

基于Java的分布式测控系统任务调度研究

针对分布式测控系统动态任务调度算法,提出了一种任务迁移的方法。该方法基于Java的对象序列化机制、多线程机制、远程方法调用(remotemethodinvocation,RMI)技术,实现了将重载机上的任务迁移至轻载机上执行。任务迁移的成功使分布式测控系统动态任务调度算法顺利实现,从而有效地提高了系统效率,达到了负载均衡的目标。详细介绍了任务迁移的实现。     

航空弹药挂载方案优化模型及其遗传算法求解

结合机载导弹阵地战场抢修决策平台项目开发,应用基于相关因素的决策优化模型建模方法分析和建立了航空弹药挂载方案优化模型.该模型属于非线性约束的非线性二元规划模型.文末给出了该模型在某次作战任务中的应用实例,并采用遗传算法进行模型求解,分析了模型求解结果.     

基于IP-ACO算法的航天器测控资源调度技术

采用多目标蚁群优化算法对航天器测控资源调度问题进行研究。在分析中低轨道航天器测控特点的基础上,综合考虑包括测控时间窗口约束和设备切换时间约束在内的多类复杂约束条件,建立多目标航天器测控资源调度模型。在Pareto蚁群优化算法的基础上,引入蚁群社会中的分工协作思想并构建测控任务时间约束有向图,设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,从而提高算法求解性能。仿真实验结果表明该方法能有效解决多目标航天器测控资源调度问题。     

基于无人机实时数据多波次任务规划模型分析

针对导弹部队多波次作战任务规划问题,依据无人机的实时数据,构建了基于路径的多层规划模型,并设计了模型的算法求解流程.使用遗传算法与禁忌搜索混合算法,得出了任务规划中的最优路径规划,并在此基础上进行了冲突的消除.通过仿真案例表明,用无人机协同配合导弹部队作战,实时传输作战数据,能够解决战场信息模糊不确定的问题;使用多层规...