反向累加生成与灰色GOM(1,1)模型的优化

相对传统累加生成, 分析了反向累加生成, 并结合反向累加生成的特点,改进了传统GOM(1,1)模型背景值的计算方法,给出了灰色GOM(1,1)模型参数求解的优化方法. 具体算例的计算表明,这种方法能够提高GOM(1,1)模型的预测精度,验证了该方法的有效性与实用性.     

基于OBDD的通信网链路重要性评估

通信网的链路重要性评估是网络设计和维护的重要依据。在链路重要性评估方法上提出了一种基于有序二叉决策图(ordered binary decision diagram, OBDD)的新方法--BO(Birnbaum OBDD, BO)方法。该方法引入了Birnbaum测度来量化链路重要性,并采用边扩张图(edge expansion diagram,EED)来创建网络的OBDD结构,在可靠度计算基础之上,通过分析链路故障时网络可靠度得到Birnbaum测度值。BO方法将高效的OBDD结构与hash表结合起来,并通过识别计算中出现的同构子网,减少冗余状态与重复计算来提高整体计算效率。引入并对比经典可靠性文献中一些规模较大网络,通过实验验证了BO方法不仅能正确地评估网络链路重要性,而且在计算效率方面优于因子分解方法。     

基于DSPN的多阶段任务系统测试性需求建模与分析

针对多阶段任务系统(PMS)的测试性需求分析问题,提出了一种基于确定与随机Petri网(DSPN)的系统级测试性需求模型(PMS-DSPN)和指标确定方法.PMS-DSPN模型包括系统网(SN)和阶段网(PhN)两部分,每个SN对应于各个子阶段任务的GSPN测试性需求模型;PhN对应于各个阶段任务间的转换过程,并通过关联矩阵进行描述.基于该模型得到PMS任务成功率计算方法,并结合PMS维修代价、测试性设计代价计算方法,构造了系统级测试性指标优化分析模型,进而确定PMS系统级测试性指标.最后通过实例验证该方法的有效性.     

一种计算电大尺寸复杂导体目标电磁散射的MoM-SBR/PO混合法

作为传统MoM和PO混合法(MoM-PO)的拓展,提出了一种组合MoM、SBR和PO的混合方法(MoM-SBR/PO)用于计算电大尺寸复杂导体目标的电磁散射。利用基于射线密度归一化(RDN)概念的SBR方法有效地考虑了PO区域之间的多次反射影响,简化了PO区域内的耦合计算,避免了耗时的迭代求解过程和格林函数的选择等难点,提高了计算效率。数值结果验证了该方法的有效性和正确性。     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。     

组网雷达探测能力的并行计算与可视化方法研究

深入研究了并行计算与并行绘制相结合的并行框架构建问题。针对组网雷达探测能力的计算与可视化特点,在(PC)集群的基础上,构建了一个并行计算与可视化运行框架。该框架在并行计算中,采用八叉树分割的方法对组网雷达计算区域进行任务分配；在并行绘制中,采用sort-last的并行绘制机制。仿真试验结果表明,该运行框架能够有效地满足大规模组网雷达探测能力计算与可视化的应用需要。     

空间目标动态电磁测量数据仿真方法研究

空间目标由于高速运动和微运动在电磁波上的调制效应,其动态实测的雷达散射截面(radar cross section,RCS)和高分辨一维距离像(high resolution range profile,HRRP)与暗室测量或电磁计算数据存在较大的差异。针对空间目标外场动态测量数据难以获取的难题,提出了用目标静态数据生成动态RCS和一维距离像数据的方法。该方法首先确定目标的轨道和雷达的布站坐标及工作模式,而后计算目标在雷达观测视线(line of sight,LOS)方向上的姿态和运动参数,最后根据空间目标高速运动、自旋、进动等在电磁波上调制的数学模型生成动态测量数据。给出了该方法的具体步骤,仿真实验证明了方法的有效性。     

基于MH抽样的Bayesian方位估计快速算法

针对Bayesian方位估计计算量大的问题,将马尔可夫蒙特卡罗方法与Bayesian方位估计相结合,提出一种基于MH(Metropolis-Hastings)抽样的Bayesian方位估计新方法(简称MHB).该方法将Bayesian算法的空间谱函数作为信号的概率分布函数,并利用MH抽样方法从该概率分布函数中抽样.研究结果表明,MHB方法不但保持了Bayesian方位估计方法的优良性能,而且大大减小了计算量.     

基于多通道SAR系统的ATI-RPCA地面动目标指示方法

针对强杂波背景下的多通道合成孔径雷达(multi-channel synthetic aperture radar, MC-SAR)系统,结合沿航迹干涉(along-track interferometry, ATI)方法和稳健的主成分分析(robust principal component analysis, RPCA)方法,提出一种ATI-RPCA的地面动目标指示方法。与传统的ATI方法相比,该方法可以提供更稳健的性能,但增加了一定的计算复杂度;与经典的RPCA算法相比,该方法可以降低虚警概率(probability of false alarm, PFA)并降低运算复杂度。总体而言,所提方法提供了较为稳健快速的目标检测性能,最后通过将所提方法应用到实测三通道SAR数据中,得到的结果与本文的理论分析一致。     

基于PoF模型的电子产品可靠性参数计算方法

现有的基于失效物理(physics of failure, PoF)模型的可靠性预计只能计算电子产品在寿命周期内经历单一典型任务剖面的失效时间。本文提出了一种基于失效物理模型,并利用蒙特卡罗仿真定量分析电子产品在寿命周期内实际经历多任务剖面的可靠性水平的新方法。将该方法应用于某机载电子设备的平均失效前时间(mean time to failure, MTTF)的计算,建立失效率和可靠度的时间函数,与目前国内工程实践中常用的失效率经验模型法以及设备可靠性强化试验的结果进行了对比分析。结果表明,该方法不仅可以计算可靠性参数,而且通过分析与计算过程可发现设计薄弱环节与可靠性参数的定量关系,有效指导设计改进。     

一类多层线性规划模型的性质

对一类多层线性规划模型 ,提出了可行解的定义 ,并给出了其可行集的基本性质和数值计算结果 .     

Truck and Trailer Routing Problem Solving by a Backtracking Search Algorithm

Truck and trailer routing problem(TTRP) is one of the most frequently encountered problem in city distribution, particularly in populated and intensive downtown. This paper addresses this problem and designs a novel backtracking search algorithm(BSA) based meta-heuristics to solve it.The initial population is created by T-sweep heuristic and then based on the framework of backtracking search algorithm, four types of route improvement strategies are used as building blocks to improve the solutions of BSA in the process of mutation and crossover. The computational experiments and results indicate that the proposed BSA algorithm can provide an effective approach to generate high-quality solutions within the satisfactory computational time.     

一类非线性互补问题的宽邻域预估校正算法

针对一类P-函数非线性互补问题,提出了一种新的内点算法——宽邻域预估校正算法。该算法基于精典预估校正思想,把窄邻域拓展到一个宽邻域里使得算法更快的迭代,给出了应用该算法的具体步骤,讨论了其算法的计算复杂性,分析结果表明,所给方法是一多项式时间算法。通过数值实验验证该算法的有效性。     

跟踪弹道目标的几种次最优滤波器

研究了通过雷达观测跟踪重返大气层阶段的弹道目标问题。考虑了一种状态方程和量测方程都具有高度非线性的数学模型并推导出估计误差的理论Cramer-Rao低界。我们设计了三种次最优滤波器并将其滤波性能和Cramer-Rao低界进行了比较。除了在非线性滤波中经常采用的EKF和UKF之外，提出了一种结合传统卡尔曼滤波和简化点Unscented变换的滤波器，仿真结果表明，新滤波器在精度和计算复杂性上均有良好表现。     

战斗部虚拟试验贝叶斯假设-检验验证方法

虚拟试验利用大型数值模型研究难以进行试验的物理过程,其结果用以指导各项决策,因此必须对虚拟试验进行验证.分析试验过程中存在的各种不确定性,比较数值模型预测值与模型确认试验测量值,度量数值模型描述与预测物理系统的能力.采用贝叶斯因子结合模型数据与试验数据,衡量数值模型误差是否显著,检验数值模型是否有效.应用战斗部虚拟试验验证实例演示本文的方法.     

Study on the Hungarian algorithm for the maximum likelihood data association problem

A specialized Hungarian algorithm was developed here for the maximum likelihood data association problem with two implementation versions due to presence of false alarms and missed detections. The maximum likelihood data association problem is formulated as a bipartite weighted matching problem. Its duality and the optimality conditions are given. The Hungarian algorithm with its computational steps, data structure and computational complexity is presented. The two implementation versions, Hungarian forest （HF） algorithm and Hungarian tree （HT） algorithm, and their combination with the naYve auction initialization are discussed. The computational results show that HT algorithm is slightly faster than HF algorithm and they are both superior to the classic Munkres algorithm.     

基于离散时间贝叶斯网络的动态故障树分析的改良方法

传统基于离散时间贝叶斯网络的动态故障树分析方法的计算时间和计算精度受时间分段影响极大。基于复合梯形积分方法分析传统方法的计算误差,提出改良的动态门转化方法,补偿其计算误差。以某测量系统为例,建立动态故障树和贝叶斯网络,验证改良方法的可行性和高效性。结果表明:改良方法在时间分段较小时,能得到精确的系统失效概率。改良方法补偿了传统方法的计算误差,提高了结果的计算精度和计算效率,适用于服从各种常见分布的复杂系统。     

装备体系多阶段任务可靠性高效解析算法

体系作战任务可靠性的实时评估是未来作战的必然要求。为了实时计算装备体系多阶段任务可靠性,基于k/n(G)表决模型,设计了一种考虑冗余的可靠度高效解析算法。在体系结构分析及任务概述基础上,建立了冗余故障树以及由冗余故障树转化的二元决策图(binary decision diagram,BDD)模型。针对传统可靠性解析计算算法复杂度高的问题,本文利用递归算法改进了k/n(G)表决模型的计算过程,提高了计算效率。以航空装备体系远程目标打击任务为例,数值计算表明,本文的改进解析算法有效得出了体系多阶段任务可靠度计算结果,且相比传统算法运算效率得到显著提高,有利于应用到体系作战任务可靠度实时计算评估,指导任务统筹和规划。     

免疫进化模型及其在优化计算中的应用

在深入研究免疫系统的智能进化机制和两种典型免疫计算模型的基础上，基于进化计算模型和免疫调节理论，结合免疫记忆机制提出了一种通用免疫进化算法(GIEA)的—般框架，论述了其运算机理，分析了其收敛性和收敛速度。针对多模态优化问题，按照该框架设计了一个具体的多模态免疫优化算法(MIOA)，并进行了仿真研究和计算复杂性分析。分析与仿真结果表明，该算法不仅比同类算法计算量小、具有更好的搜索性能，而且无须任何先验知识，实现了真正的自适应搜索。     

Modified bottleneck-based heuristic for large-scale job-shop scheduling problems with a single bottleneck

A modified bottleneck-based (MB) heuristic for large-scale job-shop scheduling problems with a welldefined bottleneck is suggested,which is simpler but more tailored than the shifting bottleneck (SB) procedure.In this algorithm,the bottleneck is first scheduled optimally while the non-bottleneck machines are subordinated around the solutions of the bottleneck schedule by some effective dispatching rules.Computational results indicate that the MB heuristic can achieve a better tradeoff between solution quality and computational time compared to SB procedure for medium-size problems.Furthermore,it can obtain a good solution in a short time for large-scale job-shop scheduling problems.