基于DQN的反舰导弹火力分配方法研究

反舰导弹作为海上作战的主战武器，由于其精度高、射程远、威力大等特性长期以来一直被当作舰艇编队的主要防御对象。针对反舰导弹打击舰艇编队的火力分配问题，我们提出了一种基于深度Q值网络求解反舰导弹火力分配策略的算法。不同于现有的基于领域知识的方法，深度Q值网络无需依赖任何先验信息，就能够通过与模拟器的交互自动求解最佳的攻击策略。该算法使用深度神经网络拟合Q值函数，解决了传统强化学习中的状态空间过大无法遍历的问题。实验结果表明，在各种不同的舰队防御配置下，深度Q值网络求解得到的攻击策略均获得了最佳的毁伤效果。     

空间低温杜瓦瓶凯夫拉支撑结构多约束优化设计

采用新型凯夫拉纤维作为某空间用小型低温杜瓦瓶的支撑材料，在验证其力学性能的基础上，设计了杜瓦瓶的支撑结构，建立了一种新的热力学耦合优化模型，给出支撑结构固有频率、热应力及发射环境下的约束条件，通过一种“离散点加密”新约束优化法计算出了支撑结构满足约束条件范围内的要求的最优设计参数。     

ZL205A合金舱体低压工艺设计及数值仿真应用

针对某ZL205A合金舱体铸件壁薄难充型、壁厚差异大、易产生裂纹等特点,设计了低压底注式浇注工艺。采用立筒缝隙式浇注系统分配充型过程中合金的流量,局部厚大部位放置成形冷铁加快该部位的冷却速度,以控制铸造缺陷的产生。利用ProCast数值仿真软件对工艺进行仿真计算,成功预测了缺陷的产生位置,对工艺方案进行优化,包括倒角过渡、改变型砂使用等,并在优化方案的基础上浇注了舱体铸件,铸件质量良好,没有缩松、缩孔、裂纹等缺陷,符合相关技术要求。     

多变量全局寻优与智能优化在星座组网中的应用

顶层任务规划通常与星座组网紧密结合，小卫星分散灵活的特性尤其适用于星群规模化在轨运行。针对热点区域覆盖和全球覆盖的不同任务需求，提出了对构型多变量进行全局寻优和利用智能优化技术进行星座构型优化的方法，两种优化方法可分别获得小规模星群最优效能与超大型星群的较优效能。优化方法不受轨道类型和任务目标分布的约束，具有良好的鲁棒性。     

一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

面向狭小空间的起落架收放轨迹智能设计方法

扁平化气动外形是高超声速飞行器获得较高升阻比的优先布局，但该外形严重约束了起落架的收藏空间，常规机构很难满足要求，只能采用复杂机构的三维运动实现起落架的窄空间收放。然而，当前主流的计算机辅助设计迭代试凑法在解决空间机构设计问题方面非常依赖工程经验，耗时耗力且很难得到最优结果。为解决这一问题，创新性地提出基于智能优化算法的起落架复杂机构自主设计方法。首先，分析并建立起落架收放机构的运动学理论模型；然后，建立起落架结构间距离描述及碰撞检测模型，并运用深度神经网络自主设计起落架收放机构的最优运动轨迹；最后，以某狭窄舱段的起落架收放策略设计为例，应用该设计方法进行设计。结果表明:所提设计方法可以快速得到最优的起落架收放机构设计方案，可用于指导高超声速飞行器起落架收放机构的设计。      

固体火箭冲压发动机设计点性能优化分析

针对冲压动力飞行器射程优化总体需求，提出了基于飞行器-发动机性能因子的评估方法，建立了固体火箭冲压发动机性能模型及优化设计流程，为总体与动力一体化优化设计提供了支撑。根据典型含硼贫氧推进剂性能分析结果可知，相同马赫数及余气系数下，高度对比冲的影响不明显；相同马赫数下，比冲随余气系数的增加先增加后减小；相同余气系数下，比冲随马赫数的增加而降低；飞发性能因子随马赫数、余气系数的增加先增加后降低，在一定条件下达到最大值。      

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数