非完美信息下京津冀区域物流设施选址研究

针对大规模物流设施选址问题,本文构建了非完美信息下设施可靠性选址的连续逼近模型.该模型不仅考虑了设施存在损坏的可能性,而且考虑了由于信息缺失顾客无法获得设施状态且存在返回出发地的行为.由于该模型的结果无法直接确定设施选址点,因此采用Disk算法对该模型的结果进行离散化,获得物流设施选址方案.以京津冀区域物流设施选址为例,验证了该模型有效性并对设施布局特性进行了分析.最后,通过灵敏度分析探讨了不同参数对京津冀区域物流设施选址的影响.     

最小偏差三维直线插补方法的研究

优化最小偏差三维直线插补算法,做出了插补流程图,并在最小偏差法二维直线插补精度不大于半个脉冲当量的基础上,采用解析法证明了最小偏差法三维直线插补精度.为三维直线插补算法的广泛应用提供了依据.     

基于流形理论的数据分类挖掘

数据挖掘技术应用于作战指挥挖掘系统,能为指挥员的决策分析提供智能化的、自动化的辅助手段。在分析数据挖掘问题中的分类算法的基础上,利用流形结构对分类算法进行了改进。从而避免全局线性对分类信息造成的丢失,保留完整的数据结构信息,在一般意义下完成针对数据集的各项任务。     

“龙格-库塔”算法在航天器实时落点计算中的应用

在介绍航天器实时落点估算的作用和实现原理的基础上,分析了采用“龙格库塔”算法进行航天器实时落点估算的优势,提出了四阶“龙格一库塔”法实时计算航天器落点模型。该方法在保证航天飞行试验强实时性的前提下有效提高了航天器实时落点估算的精度,对确保成功地实施航天器安全控制和回收提供了科学的依据。     

基于选择性合并频率分集的多载频盲均衡算法

水声信道的多径传播和衰落特性常在接收端引起码间干扰,严重影响了水声通信质量.为了减少码间干扰,提高通信质量,在分析频率分集技术和常数模盲均衡性能的基础上,提出了一种基于选择性合并频率分集的常数模盲均衡算法(SC-CMA).该算法利用了频率分集来减少衰落的影响,克服码间干扰,具有收敛速度快、均方误差小的特点.计算机仿真结果,验证了该算法的有效性.     

引入迭代阈值判决导引判决反馈盲均衡算法

基于判决圆的常数模算法(CMA)和判决导引算法(DD)相结合的判决反馈盲均衡算法(CMA+DD),在均衡的起始阶段,由于眼图未睁开,DD算法无法收敛,导致收敛速度慢.为了加快收敛速度,在迭代过程中引入迭代阈值limit,以修改CMA+DD算法的判决条件,从而得到改进的CMA+DD算法(MCMA+DD).该算法在均衡的起始阶段先采用CMA迭代limit次,然后再根据判决圆进行切换.水声信道仿真结果表明,MCMA+DD算法收敛速度快;迭代阈值不同,影响收敛速度;仍具有冷启动和重新启动能力.     

基于进化规划算法的舰船辐射噪声分类

神经网络分类器在舰船辐射噪声分类中得到了广泛的应用.针对神经网络分类器的设计困难,提出一种基于进化规划算法的设计方法.在该方法中,进化算法的适应度函数不是取为神经网络分类器对训练样本的识别率,而是对训练样本的可分性和聚合度同时考虑,这样能够在保证识别精度的前提下,使网络分类器具有良好的泛化能力,而且该方法不仅能够对待识别的样本进行离线学习,也能够在线学习.使用该分类器对舰船辐射噪声进行分类识别试验,结果表明该方法设计的分类器具有良好的性能.     

遗传算法在船舶电缆布局优化设计中的应用研究

船舶电缆布局优化是实现船舶布线自动化的一项技术难题,这一问题的解决可节省大量电缆布局设计的时间和费用。建立优化模型,并对传统遗传算法中初始种群的产生方法、选择算子及变异算子进行改进,增加检测操作,从而构造求解该模型的改进遗传算法。仿真结果表明,该算法是一种具有全局寻优能力的布局优化方法,具有高效性、实用性,并可扩展于解决船舶设计中的其它优化问题。     

基于遗传算法的企业间协同制造战略伙伴选择的方法

协同制造是一种能够实现快速响应市场的生产模式,该生产模式已经成为21世纪制造业发展的必然趋势．为了实现当前制造环境下制造资源共享与优化配置,描述了企业间协同制造的基本概念,提出了协同制造任务的分配和资源发现,分析了协同制造的策略与运行模式及战略伙伴的选择,比较了几种算法的优缺点,给出了应用实例,用遗传算法对事例进行了论证并对事例进行了优化,得出了可行性的结论．     

基于切片技术的点云数据预处理研究

针对扫描点云杂乱无序的特点,讨论了点云数据预处理的问题,提出了一种新的基于点云切片的数据预处理迭代算法．通过对点云最小包围盒进行均匀分割及分割后点云的密度分析,对密度过大的分割块进行迭代分割,建立了3个方向的点云切片和截面线．结果不仅大大减少了点云数据量,并且在点云密度过大的区域很好地保持了模型的原始特征,同时将原始的无序数据点集转化为具有层列结构的有序组织形式,确定了各点之间的相互关系,为后续曲线曲面拟合做了很好的准备．