基于元胞自动机的合作进化分析

为研究影响群体博弈的关键因素与理性行为作用，在M．Doebeli等工作基础上，设计元胞自动机仿真实验。实验结果显示：（1）在一定空间邻域关系下，博弈局中人数量是影响博弈结果均衡的关键因素；（2）合作行为从局部通过空间集聚向全局扩散。得到的主要结论：（1）理性选择使零和博弈转换为非零和博弈；使局中人的理性行为从自利转换为有限利他。（2）个体间合作是一种自然的稳定进化过程。所得结论揭示了在一定空间条件下，个体博弈均衡点随个体数量增加发生转移，使个体间合作状态从非合作向合作进化；得到了解释复杂博弈行为的新结论。     

区间数模糊投资组合模型

利用模糊约束将Markowitz投资组合模型转化为模糊线性规划模型，用区间数来描述证券的期望收益率和风险损失率，建立区间数模糊证券投资组合模型，利用区间数知识把区间规划问题转化为参数线性规划问题对该模型进行求解，通过算例阐述方法的有效性。     

基于遗传算法和模糊决策的大规模联盟伙伴选择方法研究

为解决大规模的网络制造联盟合作伙伴选择问题,在建立该问题数学模型的基础上通过分析引入遗传算法和模糊决策理论,提出一种分阶段的伙伴选择算法:通过遗传算法求解模型缩小选择的范围,利用遗传算法的解通过模糊决策考虑多个影响因素进行最后决策.对于该方法给出了具体的求解步骤,并用算例说明这种方法的可行性.这种分阶段的伙伴选择算法充分利用了数学的工具和决策者的经验,提高了决策的科学性和合理性.     

基于顾客选择模型易逝性产品收益管理订购和定价策略

以获得最大期望利润为目标,讨论了随机需求环境下基于多项logit顾客选择模型和服务水平的两产品易逝性产品收益管理订购和定价策略,对建立的模型应用威布尔主观价值需求函数对行了模拟分析和讨论,得出了最优策略和一系列比较有意义的性质和管理原则.     

武器装备体系结构演化仿真研究

受经费和生产能力的限制,武器装备建设过程呈现渐进发展的特点。科学的建设计划方案成为实现武器装备体系结构优化的重要条件。从武器装备的体系层次出发,提出了武器装备体系结构演化仿真的概念,明确了体系结构演化仿真的使命任务及总体思路。在分析了武器装备体系演化过程的主要影响因素、确定了基本优化思路的基础上,提出了体系结构演化仿真的优化指标。最后,从顶层设计的角度提出了软件系统的功能模型。     

基于免疫克隆选择算法的多用户检测技术研究

为了解决最佳检测器计算复杂度较高的难题，提出一种精简有效的克隆选择算法。把人工免疫系统和神经网络系统的信息处理机制引入到CSA提出了免疫克隆选择算法。所提ICSA通过使用随机Hopfield神经网络制备疫苗构成新的免疫算子，把新的免疫算子结合到克隆选择算法中，不仅加快了克隆选择算法的收敛速度，并提高了克隆选择算法的全局收敛能力。然后在CDMA系统利用此算法设计了新的多用户检测器。仿真结果证明了ICSA检测器能够快速收敛到全局最优解，并且无论抗多址干扰和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器。     

基于Agent仿真的ATIS条件下路径选择行为研究

在复杂适应系统理论指导下,采用基于Agent的建模理论,对ATIS条件下出行者的路径选择行为从宏观、微观两个层面分别进行建模。按照建模结果,利用Repast平台建立了计算机仿真系统。在该仿真系统中对具有两条平行路径的路网上进行了仿真实验,实验结果表明ATIS系统对于出行者的出行规划有一定影响,而且ATIS的收益随着交通流量的增加有一定提高。研究结论为ATIS的应用提供了有益的参考。     

MIMO系统的发射天线选择及自适应链路实现

针对多输入多输出(MIMO)系统信道低秩引起信道容量下降的问题,提出了一种依据信道状态信息进行发射天线选择的算法,并给出了以此算法为基础的VBLAST自适应链路的实现方法。发射天线的选择依据权系数的范数大小进行,该方法可以有效降低天线选择的运算量。仿真结果表明,该方法的选择效果逼近最大容量法的选择效果。自适应链路实现方法将发射天线数的确定和天线选择并行进行,保证了在所处通信环境下达到最大的空间复用系数。     

武器装备体系对抗的一种研究方法

武器装备对抗的体系化是信息化战场的显著特征,然而体系对抗过程的复杂性使得体系作战效能研究相对较为困难。基于系统工程思想提出了一种体系对抗的研究方法,方法将研究内容分为四个层次:对抗交互层、系统损伤层、功能层、效能层,首先给出了各层次的定义。然后对该研究方法的思想和步骤进行了详细的阐述,通过建立各层次描述指标,研究层次间相互关系,在此基础上从分析体系对抗的物理规律入手,采用定量与定性相结合,依次完成各层指标的推理和计算,得到对抗条件下武器装备体系的作战效能。最后以导弹防御体系与具有突防能力的某导弹武器系统的对抗为例,验证了方法的有效性。     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。