航站楼旅客行李提取转盘指派问题

旅客行李提取是影响机场航站楼有效运行的关键环节,对旅客满意度有着重要影响.研究了航站楼旅客行李提取转盘的指派问题,首先分析了行李转盘的指派方式,然后以均衡使用行李转盘为优化目标,建立了机场行李转盘优化指派模型,设计了求解该模型的蚁群算法,并用Matlab编程实现了该算法.最后通过实例分析验证了提出的模型和蚁群算法的正确性,其指派结果与先到先服务的指派结果相比,各行李转盘的使用率更加均衡,从而提高了服务质量和旅客满意度.     

实时连续多媒体任务模型及调度算法

传统周期任务模型过于简单,不能适应实时多媒体流任务的多种形式,以用户为中心的连续媒体的调度算法由于未能从全局上考虑任务的服务质量QoS(Quality of Service)需求,因而调度效率较低.提出一种改进的以多媒体对象为中心周期任务模型,该任务模型概括了目前多媒体任务的基本表现形式.基于该任务模型,提出了一种以连续多媒体流的整个质量表现过程为中心的任务表现路径模型TPP(Task Presentation Path).在全面考虑表现路径中媒体流对象的全局死线、局部死线和任务连续失效率的基础上,给出了连续多媒体流的比例资源分配调度算法PSTPP(Proportional Share based on Task Presentation Path).实验结果表明了所提出的周期任务模型的合理性,调度算法能提供比传统分时策略以及EDF算法更好的QoS保证.     

基于STT与模糊QFD的装备质量特性分解方法

装备综合质量特性参数是度量装备系统方案优劣的重要指标.在从战略到任务STT(Strategy to Task Technique)法、模糊质量功能展开QFD(Quality Function Deployment)法和武器效能评估ADC模型的基础上,提出一种装备综合质量特性参数分解方法.运用上述方法对装备进行结构和任务分解,把装备总体系统效能分解到相关任务及其功能系统的关键质量特性中,进一步建立考虑了任务和相关功能系统质量特性影响的系统效能模型.分解结果为装备不同系统方案的评价及确定影响装备系统效能的关键质量特性参数提供了依据.     

多无人机对地攻击任务分配算法

在不确定条件下的战场环境中,实时有效的动态任务分配是多无人机顺利完成对地攻击任务的关键.文章基于拍卖机制原理提出了多无人机的动态任务分配算法,给出了算法流程,构建了收益计算函数,并对算法效率进行了分析.仿真试验表明所提出的算法同传统方法相比,大大减少了通信计算量,具有更好的实时性     

高超声速飞行器的滑模观测器设计

对一个高超声速飞行器设计了滑动模态观测器来估计攻角和航迹倾角。通过实时的求解一个极点配置问题,使观测器的切换增益能够根据观测器状态的变化而改变,从而保证了观测误差的动态特性在整个飞行包线内的一致性,给出了单输出和多输出非线性系统的滑模观测器设计过程。设计和仿真算例验证了这种方法的有效性。     

约束输出反馈在控制律设计中的应用

本文在利用输出反馈特征结构配置设计控制律的基础上,引入约束输出反馈。在对系统动态品质影响不大的前提下,减少了控制元器件的个数,简化了控制系统的结构,增加其工作的可靠性.文中最后给出一直接升力控制律设计示例,说明了约束输出反馈的应用。     

GF(q)域上的低密度校验(LDPC)码的译码及其在深空通信中的应用

低密度校验码是一类能有效逼近香农限的好码,而高进制的LDPC码具有比二进制LDPC码更好的性能,但其译码复杂度太高不利于工程应用。本文提出了一种基于协同优化算法的低复杂度的高进制LDPC码的译码算法,并讨论了其在深空通信中的应用。     

基于Transformer层次预测的多星应急观测任务规划方法

应急观测任务规划是一个强时效性的复杂组合优化问题,必须在规定的时限内完成相应的计算。采用机器学习的方法对规划问题进行初始规划方案预测,可以有效地简化计算复杂度。为此,提出一种基于Transformer层次预测的多星应急观测任务规划方法,将多星任务规划的求解过程分解为3个步骤：首先,利用基于Transformer的任务可调度性预测模型预测待规划任务是否执行,得到预执行任务集合;然后,基于Transformer的任务分配模型对预执行任务集合分配卫星,得到初始规划方案;最后,利用基于随机爬山的约束修正算法对初始规划方案进行优化调整,得到可行规划方案。为验证所提方法的有效性,通过大量仿真实验与CPLEX优化器、标准遗传算法、长短期记忆网络等方法模型进行比较,实验结果表明所提方法计算耗时短,规划收益高,适用于多星观测任务快速规划。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点,随着无人机自主智能的不断提高,无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务,构建了典型的任务场景,基于深度确定性策略梯度网络（DDPG）算法,设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题,通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡,提高了算法的训练效率。仿真结果表明,训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务,任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值,人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.