网络中心化作战体系信息域效能分析

为设计网络中心化作战体系和评估网络中心战对作战结果的影响 ,首先分析了网络中心化作战体系的信息域信息质量转换 ,提出了三个信息质量指示 :完备性、准确性和时效性指标 ,其次研究了信息域的传感器子域、融合子域和通信网络子域的完备性、准确性和时效性指标及其度量 ,最后给出网络中心化作战体系的信息域效能评估模型。     

基于进化ANFIS的制导炸弹智能控制系统研究

针对目前制导炸弹命中精度低的问题,首次提出一种基于进化自适应神经模糊推理系统(ANFIS)的制导炸弹智能控制系统。该系统不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验来获取控制信息。规则库是通过系统对训练数据进行自学习,并在自学习的过程中引入遗传算法进化调整系统结构和参数而建立的。通过计算机仿真,该智能控制系统具有精度高、泛化功能强且实现了调整智能化等优点。可以预见,这种智能控制系统在军事上有很好的应用前景。     

一种新的低轨通信星座路由技术研究与仿真

低轨星座卫星通信系统由于卫星间的相对运动使卫星的相互可见关系不断变化,这给星上交换的路由选择带来了挑战.研究具有同轨及异轨星间链路,并具有星上交换的24/3/1 walker星座网络,将星间链路状态与星座网络的拓扑快照相结合,提出了两种路由优化方案-业务加权的路由优化方案以及基于K短路径的路由优化方案,并进行了仿真研究,得出了有用的结果.     

确定系统级测试性参数的广义随机Petri网模型

测试性设计是近年来发展起来的一门新兴学科 ,对提高复杂系统的可靠性、可维修性和可用性具有重要的意义。在测试性设计的过程中 ,合理地选择和确定测试性参数是实现费效比最优设计的关键之一 ,但目前还没有有效的方法能合理地确定每个参数的门限值或目标值。基于广义随机Petri网的原理 ,将测试看作设备整个生命周期内可靠性、维修性活动的一个有机组成部分 ,建立了系统的测试性模型。采用数值分析的方法得出系统稳态可用度与系统测试性参数之间的关系曲线 ,作为确定测试性参数的依据 ;当系统需待定的参数比较多时 ,将模型转化为一个区间线性方程 ,有效地解决了计算量大的问题。这一方法对解决复杂系统的测试性设计问题具有一定的借鉴意义     

Web服务失效处理的反射中间件技术应用与实现

为提高服务有效性,在Web服务的客户方和服务器方配置反射层,捕捉到导致服务失效的各种状态和参数,有针对性地从服务内部动态调整服务运行状态和配置。依据服务失效类型,给出客户方和服务器方反射层的处理方法和工作过程,并借助于分层混合专家网络(HME)作为服务失效的检测方案,基于极大似然的HME学习策略可以对高维、非线性和强耦合的状态空间进行学习和辨识。通过实验和数据分析,表明了基于HME网络的反射中间件可以高效地对服务失效进行检测和处理。     

基于有效状态空间的多状态网络可靠性评估

鉴于应用d-最小割(路)集计算多状态网络可靠度精确值的算法中基于最小割(路)集求解d-最小割(路)集及容斥原理的复杂性,提出一种不需要d-最小割(路)集计算网络可靠度精确值的算法.该算法按一定规则分割状态空间,在此基础上生成有效状态空间,通过迭代计算直接获得可靠度精确值;同时通过删除边的无效状态、对最小割集进行分组,有效减小计算量;通过有序树执行该算法简单、易操作.实例表明算法的计算结果是正确的,且计算量较小,证明了其正确性和有效性,但同时也表明算法所需存储空间较大.     

水面舰艇编队反舰作战中作战网络结构的优化

合理的作战网络结构是将信息优势转化为决策优势并最终建立火力优势的基础, 对于促进\"战场透明\"的实现, 充分发挥信息\"兵力倍增器\"的作用至关重要. 首先采用复杂网络方法建立了水面舰艇编队反舰作战的网络模型; 从网络的边和节点两方面分析了网络结构对信息质量的影响, 并论述了信息质量对反舰作战过程及效果的影响; 在此基础上, 采用遗传算法对反舰作战网络结构进行了优化研究. 优化结果表明: 对于质量较高的信息, 需缩小其传递路径, 使其快速地到达武器节点, 建立火力优势; 而对于质量相对较低的信息, 则可以适当增加其传递途径, 腾出网络带宽以及指控节点以便高质量信息的快速传递、处理. 研究结果对于提高基于信息系统的水面舰艇编队体系作战能力具有一定的军事价值.     

电网检修排序问题

研究一个从实践中提出的电网检修排序（调度）问题,并证明了该问题的一般情形是ＮＰ－困难的,对其特殊情形给出了多项式时间的算法．     

城市快速轨道交通接运公交路线网规划

合理的接运公交线网规划是城市快速轨道交通系统充分发挥作用的保证,其关键环节是接运站点的选取和接运路线的优化。接运站点以它可能为轨道路线接运的最大客运周转量来选取;接运路线以接运效率最大为目标搜索优化     

一种新的基于Kohonen网络的图像矢量量化

矢量量化是一种重要的数据压缩方法.本文利用Kohonen自组织映射神经网络进行矢量量化,首次较为详细地讨论了具体实现的步骤与细节,并在此基础上为改善边缘质量,提出一种基于Laplas算子检测边缘弓引导神经网络训练的方法,并通过实验证明其效果是明显的.