基于蚂蚁寻径原理的最优路径选择算法

蚂蚁算法在动态路径寻优方面具有特有的优势。文章首先阐述了蚂蚁寻径原理,在长春市驾驶员调查问卷的基础上,对驾驶员的偏好性进行了分析。在蚂蚁寻径原理的基础上,结合驾驶员的偏好性,提出了一种能够综合反映驾驶员偏好的最优路径选择算法。算法以调查问卷得出的驾驶员最为关心的三类因素——行程时间、行驶距离和道路等级为考虑因素,以驾驶员对路径的硬性要求为约束条件,通过对偏好性参数的标定,体现驾驶员在路径选择上的不同偏好。最后以算例进行验证,表明算法具有很好的可行性和适用性。     

目标定位的分布式MIMO雷达资源分配算法

为了提高分布式多输入多输出(multiple input multiple output,MIMO)雷达的目标定位精度,分析了阵元、发射功率和信号带宽对定位精度的影响,进而提出一种将三者联合优化的资源分配算法。首先,以最小化目标的平方位置误差下限(squared position error bound,SPEB)为目标函数,建立了包含阵元、功率和带宽3个变量的优化模型;然后,通过推导最优功率分配矢量和带宽分配矢量的关系简化模型;最后利用凸松弛和循环最小化算法将优化问题转化成二阶锥形式,求解得到最优的资源分配策略。仿真结果表明,利用所提出的算法进行资源分配能明显提高目标的定位精度;信号有效带宽对目标定位精度的影响大于发射功率。     

基于加速度盲估计的隐身目标检测算法

隐身目标的出现严重压缩了防空导弹雷达导引头的探测威力,末制导过程不充分导致制导精度受到很大影响。通过增加相参积累时间提高灵敏度是提高导引头作用距离的有效方法。研究了一种基于加速度盲估计的脉冲多普勒雷达主动导引头长时间积累算法,用于导引头对隐身目标的检测。此方法在不需要依赖外界支援信息的条件下,通过增加相参积累的时间,提高了导引头的截获灵敏度。通过仿真计算,当截获概率不小于99%时,可以将导引头灵敏度提高3.22 dB。     

资源均衡问题的峰值最小化模型

将资源峰值作为资源均衡程度的一种度量,以资源峰值最小化为优化目标,分别建立了工序不可分拆、可分拆和有条件分拆的资源均衡问题的整数线性规划模型,通过算例和工程案例验证了模型的有效性,并给出了多种资源情形下资源均衡问题的序贯解法.所建模型不涉及关键路线的确定和非关键工序浮时的计算,且各种资源峰值表述相互独立,因而对部分资源用量受限和对工序开(完)工时间有特殊要求的广义资源均衡问题也有较好的适应性.     

从众心理引起博弈策略的同步振荡

在著名的博弈模型"石头-布-剪刀"模型中加入从众心理的影响,考察从众心理对系统动力学的影响. 其中对利益的渴求和从众心理两个机制相互竞争.从复杂系统科学的角度来看,从众心理在网络中的个体之间起到了很好的耦合作用.当从众心理占据上风时,这种耦合作用可以引起个体之间博弈策略的同步振荡,进而形成宏观的振荡现象.在社会学的某些领域中,这种宏观振荡往往造成不良的后果.所以,如果期望一个稳定的多样策略共存的状态,就要尽力降低从众心理对策略选择的影响.     

客户需求驱动的多层物流网络选址规划模型与算法

构建了一个包括生产商、物流中心、中转点及零售商等4类节点的多层物流网络,并以零售商需求驱动,根据自下而上的规划逻辑,建立了该网络选址规划数学模型及其遗传算法.最后,用一个仿真算例对模型及其算法进行了验证.     

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展,雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源,因此基于几何绕射理论（geometric theory of diffraction,GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然,准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification,MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题,提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭,构建新的总协方差矩阵,有效利用了目标原始回波数据的共轭信息。仿真结果表明,与经典MUSIC算法相比,改进的MUSIC算法参数估计精度更高,雷达散射截面重构拟合程度更好,且运算量增加不大,可有效提取出隐身目标的散射中心。     

基于元学习技术的分布式采掘关联规则研究

关联规则是数据采掘中的重要研究内容。本文利用元学习技术提出了在分布式交易数据库环境下,分布式采掘关联规则的一种方法和相应算法DMAR。该算法具有较高的采掘效率和较低的数据通信量。定义了衡量采掘算法效率的分布式因子g,并指出算法的采掘效率和数据通信量与g值的大小有关。最后通过实验验证了该算法的正确性和有效性。     

基于分级变换的自适应立体对应算法

通过分级变换将图像从灰度空间转换到新的等级空间,然后构造相应的匹配代价函数计算两个图像点之间的最大相似度,从而找出对应点和偏移值。分级变换可以有效的解决在立体对应中经常遇到的图像噪声、失真及左右图像的亮度差异等问题。大多数的自适应立体对应算法是以偏移量和灰度值两个自变量来构造代价函数,而构造合适的代价函数是一个困难的问题。本文中提出自适应窗选择算法只与灰度值有关。首先通过边缘检测提取出灰度边缘信息。本算法仅根据灰度边缘信息就可以进行自适应窗的选择。自适应选择图像窗的过程与偏移值无关,从而降低了构造代价函数的难度。实验结果说明本算法能够生成准确度较高的深度图,是一种较好的局部立体对应算法。     

基于失效数据和统计推断优先的任务可靠性评估方法

论述了复杂武器系统任务可靠性计算的一般要求和计算任务可靠度及MTBCF的基本计算方法。通过具体示例,说明了复杂系统的寿命分布是指数型的说法并不总是正确的,应通过数据检验来确定其分布,否则,计算结果有很大误差。