复杂虚拟试验实体聚簇分配策略适应性研究

复杂虚拟试验系统往往需要基于异构网络环境互连的方法搭建,以满足不同试验实体间通信的实时性要求.在不同网络环境中使用相同的聚簇策略很难满足虚拟试验系统的要求.在网络仿真实时性理论和实体交互图基础上,针对复杂虚拟试验的松耦合网络环境定义了系统的细粒度,针对紧耦合网络环境定义了系统的粗粒度.提出了复杂虚拟试验中基于聚簇的实体划分策略,并证明了细粒度下非线性聚簇要优于线性聚簇而粗粒度下线性聚簇要优于非线性聚簇.应用结果表明,该实体分配适应性理论对实体聚合算法的选取和分配方案的评价都具有指导意义.     

大规模虚拟试验网间信息传输评价模型研究

大规模虚拟试验系统往往需要基于异构网络环境互连的方法搭建,以满足不同试验实体间通信的实时性要求.针对不同互连方法多为经验总结、缺乏理论分析的现状,在已有的同构网络虚拟试验信息传输延迟理论基础上,建立了大规模虚拟试验系统网间实体信息传输延迟模型,定义了以实时感知度和高频感知度为尺度的大规模虚拟试验网间通信评价指标.对典型的四种实时网络与RTI跨协议互连方案分别进行分析,为具体的试验系统搭建提供依据.应用结果表明,该方法对大规模虚拟试验系统的跨协议互连方案的分析与选取具有指导意义.     

一种求解单一簇的模糊双聚类算法

双聚类算法是一类新型数据挖掘聚类算法,通常以均方残差为评价指标.基于均方残差的双聚类算法,大多采用贪婪策略求解,通常不能得到大小适中且结果准确的簇.而在联合聚类中,模糊理论能改善这种基于均方残差的算法,得到大小适中且结果准确的簇.为了提高基于均方残差双聚类算法的性能,本文结合模糊理论提出一种求解单一簇的模糊双聚类算法....     

一种基于网格密度与空间划分树的聚类算法

基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.文章提出了一种新的基于网格密度和空间划分树的CGDSFF(Clustering based on Grid - Density andSpatial Partition Tree)聚类算法.其创新点在于,将数据空间划分成多个体积相等的单元格,然后基于单元格定义了密度、簇等概念,对单元格建立了一种基于空间划分的空间索引结构(空间划分树)来对数据进行聚类.CGDSPT算法保持了基于密度的聚类算法的上述优点,而且CGDSFF算法具有线性的时间复杂性,因此CGDSPT算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CGDSPT算法的优点.     

具有不同到达时间的差异工件批调度问题的蚁群聚类算法

研究具有不同到达时间的差异工件在单机环境下的批调度问题.通过引入工件单元的概念并对分批约束进行松弛,提出了该问题的一个新的下界,证明了该下界的有效性.将蚁群算法和聚类算法相结合,提出了一种基于多阶段聚类的蚁群聚类算法ACC(Ant colony clustering).算法首先利用K-均值聚类将工件分簇,在簇内部通过蚁群算法搜索分批,最后提出一个全局优化算法对局部分批结果进行合成和优化.克服了蚁群算法随着工件规模增大求解时间过长的问题,适合于求解大规模算例.实验结果表明:与现有的启发式规则LPTBFF(Longest processing time batchfirst fit)和HGA(Hybrid Genetic algorithm)算法相比,该算法求解效果更好.     

垂直发射转弯复合控制分配策略研究

研究战术导弹垂直发射快速转弯复合控制分配策略.针对气动力与推力矢量复合控制技术,提出了战术导弹垂直发射程序转弯方案;建立了导弹复合控制数学模型,设计了复合控制回路;提出了三种复合控制分配策略:常比例系数线性分配策略、角误差的非线性函数分配策略和最小控制能量分配策略.纵向回路频域特性分析表明,系统具有良好的鲁棒性;通过弹道的六自由度仿真,验证了复合控制策略的可行性,给出了三种复合控制分配策略的特性比较分析结果.     

多操纵面交叉耦合的SQP控制分配策略

针对多操纵面飞机交叉耦合效应下易产生虚拟控制误差和舵效中和等问题,提出了一种基于改进序列二次规划的控制分配策略。以操纵面偏量为参数构建优化目标,基于舵效线性假设分别研究了基于线性规划和二次规划的多操纵面线性控制分配方法。进一步考虑非线性交叉耦合效应,分别建立了序列线性和序列二次规划的交叉耦合控制分配模型,并设计了改进的Hessian矩阵,以实现序列二次规划的优化求解。仿真表明,基于改进序列二次规划的控制分配策略能够合理地利用所有交叉耦合操纵面实现非线性分配,优于线性规划、二次规划和序列线性规划控制分配方法。     

基于线性时态逻辑的动作行为表示方法

计算机生成兵力(CGF)系统在虚拟战场环境中提供一组能自治地控制自身行为的智能化虚拟实体,并要求这些实体与虚拟环境中人控制的其它虚拟实体在行为上不能区分。因此,如何实现这些计算机生成的智能实体的行为并提高其智能水平,成为CGF系统开发的难点和瓶颈。行为表示是行为实现的基础,对CGF实体行为的生成及其效率与真实性都有直接影响。本文借鉴情景演算中的动作理论,研究CGF实体的行为表示,借助线性时态逻辑表示CGF实体的行为及其之间的关系,提出了基于线性时态逻辑的动作行为表示方法,为建立CGF实体的行为描述语言提供了理论基础。     

基于稀疏指数排序的高维数据并行聚类算法

高维数据聚类是数据挖掘领域的重要研究课题,大规模高维数据聚类研究非常具有挑战性.针对高效的CABOSFV高维数据聚类算法,采用并行计算模式提高其大规模数据的处理能力,提出基于稀疏指数排序的高维数据并行聚类算法P-CABOSFV.该算法根据高维数据稀疏指数排序进行分割点选择实现数据划分,将数据分配到多个计算节点同时处理聚类任务,再基于集合稀疏特征差异度聚类结果合并策略将各计算节点的聚类结果合并得到最终聚类结果.UCI数据集和计算机合成数据集实验表明:高维数据并行聚类算法P-CABOSFV聚类质量良好,具有很强的数据规模和数据维度可扩展性,是有效可行的.     

异构网络中基于兴趣感知的聚类缓存策略

为应对移动流量的爆炸式增长,在异构网络中引入缓存成为目前的热点研究方向之一。目前缓存部署策略存在缓存命中率不高、缓存数据冗余度较高等问题,没有充分利用存储资源,直接影响网络的性能。针对以上问题,提出一种基于用户兴趣感知的虚拟聚类协作缓存部署策略来提高缓存系统性能。根据用户距离构造虚拟聚类,依据内容请求因子确定系统缓存内容,采用基站协作缓存以及用户间虚拟聚类方式共享缓存内容,以缓存命中率最大化为目标建立优化模型并通过贪婪算法求解。理论分析及仿真结果表明,在异构网络场景下,跟现有方法相比,所提方法在缓存命中率、系统平均传输时延等性能上均有明显提升。     

聚类子阵划分及子阵级单脉冲测角性能分析

在大型阵列天线的设计中,考虑到系统成本及复杂性,通常会采用子阵技术。然而,由于理论分析不足,工程中普遍接受的是较为简单的子阵划分,这种设计的缺陷制约雷达的整体性能。针对阵列雷达单脉冲技术,揭示了最优子阵划分与聚类问题的等价关系,建立了聚类算法求解最优子阵划分的理论基础,并推导了任意子阵划分下的单脉冲技术及其性能指标。聚类方法能够有效地获得最优的划分方案。通过数值实验,对所提方法以及经典的子阵列划分方法进行了仿真对比,验证了聚类子阵划分方法的有效性。     

非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法 (multi-granularity self learning clustering algorithm, MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。     

分布式战役仿真系统的数据交互管理策略

目前大规模分布式战役仿真系统的数据交互一般采用基于HLA思想的数据发布/订购机制,存在静态资源绑定和通信带宽要求高等问题。提出将仿真实体的输出数据分类汇总形成"态势层",每个"态势层"构成一个全局共享的分布式虚拟环境,实体与虚拟环境进行数据交互。该方法与传统的以实体为中心的数据交互思想相比,实现了实体间数据交互的松耦合,降低了数据交互定义的逻辑复杂度,有效减小了网络交互数据量。     

基于障碍物约束的遗传-中心点聚类算法研究

面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约束的遗传-中心点聚类算法。最后,通过实例进行了算法测试,并与k-中心点算法进行比较。算法测试结果表明:基于障碍物约束的遗传-中心点聚类算法是完全可行和有效的,所提算法使得聚类结果符合地理空间实际情况,解决了聚类结果对初始化敏感的问题。     

分布式虚拟环境下的环境管理器及环境描述语言

介绍了面向动态实体的虚拟现实系统的开发过程，给出了一个虚拟环境描述语言ＶＥＤＬ及其主要部分的形式化描述。ＶＥＤＬ可以描述分布式虚拟环境下统一的时间推演、空间位置及环境中的各种实体信息。基于ＶＥＤＬ可效系统需求转化为环境脚本。根据用ＶＥＤＬ书写的这一环境脚本，环境管理器可以动态生成整个系统的各种配置并对动态实体在虚拟环境中的行为进行预规划，随后分发到各个仿真节点从而生成一个虚拟现实系统。     

基于改进层次聚类法的指挥控制资源部署

以网络化作战战场资源部署为研究背景,对战术指挥控制资源部署问题进行了描述。以决策实体工作负载的均方根最小为目标函数,建立了指挥控制资源部署问题的数学模型,提出了基于改进层次聚类法的指挥控制资源部署算法。该算法以作战任务-平台资源的分配结果为输入信息,对可部署决策实体数目范围设定、决策实体合并项选择和决策实体能力约束判定进行了改进,着重分析了每一层聚类的N-best备选策略和决策实体合并项选择方法。通过一个作战想定,分别从目标函数值、搜索空间大小两个方面对本算法和其他算法进行了比较。     

虚拟实体组织行为建模方法研究

虚拟实体组织行为建模主要研究虚拟世界中有组织的实体群的组织关系及其活动规律。提出了一种新的基于描述任务逻辑的虚拟实体组织行为建模方法,建立了一个将虚拟实体群的组织结构关系、协同行为功能规划和组织规范三个维有机结合的组织行为模型,结构简单,能满足像战场实体群等面向任务的有组织的虚拟实体群的行为建模的需要。设计并实现了一种符合XML标准的虚拟战场兵力实体组织行为建模语言CBML,能实现对虚拟实体组织行为模型的描述,并提供较强的推理功能,经用户初步使用表明,具有简洁、易用、高效的特点。     

电力系统暂态稳定仿真并行算法的研究进展

随着高性价比的可扩展集群并行系统的逐步成熟和应用，大规模电力系统暂态稳定并行计算和分布式实时仿真成为可能，本文首先介绍了电力系统暂态稳定的计算模型及基本算法，分析了算法中存在的困难。然后从算法的基本原理和实用效果入手，综述了空间并行，波形松弛和时空并行电力系统暂态稳定算法的研究进展，。比较了各种并行算法的优点和局限性，并指出基于集群系统的粗粒度区域分解暂态稳定并行算法最具发展潜力。     

联机核模糊C均值聚类方法

基于核模糊C均值(kernel fuzzy C-means, KFCM)提出了一种针对较大规模数据的联机核模糊C均值 (online kernel fuzzy C-means, OKFCM) 算法,同时考虑到核参数的选择困境,借鉴多核学习思想,进一步衍生出了联机多核模糊C均值 (online multiple kernel fuzzy C-means, OMKFCM) 算法。由此,在有效缓和核参数选择难题的同时,新算法不仅继承了KFCM优越的聚类特性且适合聚类数据流。最后,在人工和真实数据集上验证了新提出的核联机算法比现有基于划分的大规模数据处理算法具有更好的性能。