城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

单快拍相干信号自适应波束形成方法

针对低快拍条件下相干信号波束形成问题,提出一种单快拍相干自适应波束形成方法。首先,构造Duvall特征消除器滤除阵列接收信号中的期望信号,再利用空间平滑方法解相关。然后,依据Hung Tuner算法对平滑后的协方差矩阵进行Gram Schmidt正交化,快速重构干扰信号子空间。最后,将静态权矢量在干扰子空间内的正交投影作为波束形成最优权矢量。该算法可有效避免协方差矩阵求逆和特征分解造成的复杂计算,且能降低由于期望信号泄露造成的子空间估计误差,在单快拍条件下性能良好。仿真分析验证了算法的优越性和理论分析的有效性。     

城市物流中多目标配送模型

提出了VRP问题的多目标数学模型，基于此数学模型，概括了一种新的遗传算法来解决带有时间窗的车辆优化配送问题提出的部分自适应遗传算法采用PFIH来产生初始解，克服了遗传算法参数设置主观的弊病，运用了自我进化的思想来改进遗传算法中涉及的参数设定最终，通过试验得出了比较满意的结果，证明了该算法的可用性。     

多档次概率罐子模型估计的渐近性质

对多个处理且试验结果为多档次的临床试验,构建了其概率罐子模型。研究了模型中每个处理试验结果发生的概率。利用极大似然估计方法得到其估计量,并获得此估计量具有渐近正态性。     

自治主体建模在海军战术仿真中的应用

多主体系统是分布人工智能和分布计算的交叉研究领域,也是普遍公认的研究和解决复杂自适应系统问题的一种有效途径,而武器装备体系对抗就是一类典型的复杂自适应系统问题.从分析实体模型层次和类型入手,利用作战主体刻画具有复杂作战行为的实体,提出一个作战主体模型框架,阐述作战单元、作战平台和装备的(装配或指挥控制)关联关系.     

闫桂荣教授主持的国家自然科学基金联合基金项目被评为特优

我校航天航空学院闫桂荣教授主持的国家自然科学基金委一中国工程物理研究院联合基金资助项目“振动一离心复合环境中自适应逆控制方法研究”，经国家自然科学基金委员会与中国工程物理研究院专家的评审，同意结题，评审等级为：特优．为此，国家自然科学基金委给予该课题组10万元项目经费的奖励，并颁发了荣誉证书．[第一段]     

神经网络自适应滤波器在故障诊断中的应用

分析了用自适应滤波器进行故障诊断的方法．针对该方法在计算上要花费大量时间、难于完成实时诊断任务的缺点，提出了用神经网络自适应滤波器来完成故障诊断的方法．神经网络有极快的运行速度，能很好地完成实时诊断任务．