按照装备编组平车装载问题的混合型遗传算法

按照装备编组进行平车装载是兵力机动铁路输送时经常采用的一种方式。分析了按照装备编组进行平车装载问题的模型，在Next Fit算法和基本遗传算法的基础上，提出了求并按照装备编组进行平车装载问题的混合型遗传算法，给出了这种混合型遗传算法编码方法、遗传算子的设计和适应度函数的定义，并用实例验证了所给算法的有效性。     

实时仿真系统可信性验证

实时仿真系统可信性验证是实时仿真理论研究及工程应用的重要内容。主要研究了实时仿真系统可信性验证，给出了验证的基本步骤，提出了从实时性、逻辑计算正确性及稳定性三个方面验证实时仿真系统可信性的观点；然后提出了三个指标来验证实时性，给出了各指标的定量计算模型；并研究了实时仿真系统逻辑计算正确性的相关问题，给出了逻辑计算正确性验证的基本步骤；最后分析了实时仿真系统稳定性验证。     

分布式实时仿真系统的实时性验证

实时仿真系统满足实时性要求是仿真结果可信的前提条件，要验证实时仿真系统的可信性首先要分析、验证实时仿真系统的实时性。由于分布式实时仿真系统组成复杂、类型多样，并且位置分散，其实时性分析更加复杂。重点分析了影响分布式实时仿真系统实时性的主要因素，提出了六个指标来分析其实时性，同时给出了各指标的定量计算模型，所提出的指标结合综合评估模型，可以判断具体系统是否满足实时性要求及满足实时性要求的程度。     

决策粗糙集模型研究综述

主要对决策粗糙集（decision-theoretic rough sets,DTRS）理论的内容与发展概况作综述性回顾。介绍了决策粗糙集的基本理论,包括决策粗糙集产生的背景、决策粗糙集的Bayes决策理论基础、概率粗糙集模型、决策粗糙集模型与经典Pawlak代数粗糙集模型以及一般概率粗糙集模型之间的关系等;讨论了决策粗糙集意义下的三值决策语义以及约简定义,并回顾了决策粗糙集在实际问题中的应用。     

软件失信的根源因素:失信因子

如何保证软件可信性是目前软件工程研究领域的热点话题之一. 从逆向思维的角度围绕软件失信展开三方面的研究.基于软件可信性的概念,分析软件失信及失效、故障、缺陷、错误之间的关系, 进而提出“失信因子"这一新的概念;通过分析失信因子与软件风险因素内涵的差异,指出了失信因子概念提出的基础性和重要性, 并给出软件失信链,延伸了传统的失效链;通过构建一种基于WBS-RBS的识别框架探讨了对失信因子收集、识别和分类的方法.结合示例,验证了所提概念的合理性.特别强调,在软件开发过程中,软件可信性的保障应着眼于控制、 改善失信因子这一根源性的因素,而非缺陷和故障等表征现象.     

基于粗糙集和RBF神经网络的风电场短期风速预测模型

结合粗糙集提出了一种RBF神经网络短期风速预测模型。采用粗糙集对预测模型的输入特征空间进行约简,找出对未来预测的风速具有主要影响的因素,以此作为RBF神经网络预测模型的输入变量;在RBF神经网络训练的过程中,采用在线滚动优化策略,将最新的样本加入训练集,从而使预测模型能够跟踪风速的最新变化。将提出的方法用于某风电场的1 h短期风速预测,仿真实验结果表明该方法具有结构简单、预测精度高的优点。     

不完备信息系统中基于联系度的粗集模型拓展

在分析几种已有的针对不完备信息系统的粗集拓展模型基础上,提出了一种基于联系度的粗集拓展模型.该模型的方法是:通过引入阈值将原不完备信息系统进行划分,再利用基于联系度的容差关系确定类,利用产生的这些类得到上下近似.通过例说明该模型是符合客观实际的,更重要的是在容差类的划分中通过引入阈值考虑了根据人的主观要求,这与人机结合以人为主的系统方法论是一致的.     

非线性算子方程解的存在唯一性

该文运用常微分初值问题（IVP）方法讨论了非线性算子方程F（x）=0解的结构.首先给出了IVP方法的一个改进结果,进而基于同伦变换思想得出了非线性算子方程解的存在唯一的条件.     

基于NLP的军用文书自动生成系统建模

军用文书自动生成是C4ISR系统中的关键技术之一 ,是提高指挥效能必不可少的重要环节。通过系统分析 ,文中阐明了C4ISR系统中军用文书生成系统的一个重要发展方向是基于自然语言处理的文书自动生成。根据军用文书生成过程中的信息流向 ,提出了该系统 3个模块的结构模型 :信息理解模块、文书信息库模块、文书生成模块 ,描述了这 3个模块的整体运作流程。该模型对其它领域中基于自然语言理解的文本生成系统具有参考价值     

复杂网络形态研究及其应用

综述了复杂网络形态的研究进展.介绍了复杂网络的扩张、腐蚀、开启和闭合这4种基本形态运算及其性质,给出了复杂网络形态的扩张序列、腐蚀序列、扩张环及腐蚀环等概念,以及两个子图的形态运算.应用复杂网络形态概念定义了形态意义下的复杂网络度量参数及其计算方法.应用复杂网络形态可分析不同尺度下的系统拓扑结构,便于人们从微观到宏观全角度来研究复杂网络.