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.     

系统辩证论新议

系统辩证论是在批判还原论和机械论中诞生和发展的，这方面，在认识上还表现出不彻底、不深入、不完善性：阐述了系统辩证认识的一些新看法，在彻底相对传统科学上，提出系统辩证律——相对传统学科中传统事物（组分事物）与系统特征事物（统性事物）的对立统一律；在深入矛盾网络分析中，提出系统矛盾网络多维辩证律——纵向一分为二、横向一分为多、立体切向结构功能耦合辩证法；在实际辩证法运用中，提出系统矛盾两部分析法；它们共同构成系统辩证论体系。     

ABR流量的模糊免疫PID控制

针对高速通信网络的拥塞问题,设计模糊免疫PID控制器,对网络中的ABR速率进行实时、在线调节。提出了确保最小信元速率的算法。所设计的控制算法不但克服了ABR带宽、用户数量及传播时延等不确定因素对网络性能造成的影响,而且保证了带宽的公平分配及链路的充分利用。仿真结果表明系统具有很好的快速性、鲁棒性及适应性,网络的服务质量得到了保证。     

基于Bayes方法的飞机压力加油系统优化设计

针对某型飞机地面压力加油系统存在的常用加油量加油时间过长的问题,提出了一种新的系统优化设计方案。基于该型飞机的常用加油方式为有余油的小加油量加油,并充分考虑到机翼油箱组和机身油箱组的不同特点,提出按机翼油箱组和机身油箱组分别单独进行加油系统优化设计。机翼油箱组按照各油箱同时满油的目标设计,机身油箱组采用Bayes优化方法对节流孔径进行优化设计。系统性能的计算结果验证了该方法的有效性。     

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ADAMS/ATV的履带装甲车辆托带轮分布方案优选

履带装甲车辆的履带与托带轮的垂向冲击是产生冲击噪音和导致履带疲劳与断裂的重要因素。基于ADAMS软件中的ATV模块对某型履带装甲车辆建立了动力学模型，针对各托带轮所受履带的垂向冲击力大小不均匀的问题，综合动力学仿真分析，优选托带轮的分布方式，改善其动力学性能。     

气固两相流风洞内颗粒运动特性研究

对气固两相流风洞试验段的两相三维流场进行了数值模拟。对于两相流采用欧拉双流体模型,计算时选取标准k-ε两方程模型。模拟结果表明：试件迎风面和背风面颗粒浓度较大,但背风面粒子分布梯度随流速变化更明显;背风面区域由于重力作用,粒径越大的颗粒沉积越显著;试件迎风面颗粒沉积总量受粒径和流速的影响较大,但背风面沉积量受到的影响不明显。研究结果有助于分析两相流风洞中的流动特征,并能根据颗粒分布情况合理采取回收措施,为进行砂尘环境试验提供参考。     

基于信息流的C2组织结构仿真评价研究

建立了C2(Command and Control)组织的信息流描述图模型与矩阵模型。从决策agent在知识、能力上的宽度与深度两个角度分析了决策agent之间进行信息交换、指挥控制命令传递的特点,在此基础上建立了C2组织中决策agent的功能模型,并定性地分析了多agent之间协同决策在决策质量、时间上的影响因素。最后针对一个简单的作战任务,从信息流的角度应用仿真方法对8种典型的C2组织结构进行了评价,仿真结果反映了C2组织结构的发展趋势。     

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。     

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。