引战配合中的目标散射特性的仿真研究

介绍了防空导弹引战配合中对飞机目标散射特性的仿真研究,讨论了雷达引信所遇到的目标散射特性,认为在研究近场散射特性时应将理论研究与计算机仿真相结合、加强缩比仿真试验.给出了一些缩比目标模型的仿真结果.     

美空军备战太空夺取空间优势初探

为了打太空战 ,美国空军研究工作的重点正转向航天领域。GPS是“太空战”的核心 ,研制新卫星 ,提升卫星性能 ,加强卫星联网和抗干扰技术的研究 ,是美国空军加快天军化进程的具体体现。值得注意的是美国空军“斯里弗 - 2 0 0 1”的太空战模拟演习以中国为假想敌。     

“武昌”艇队SX-404袖珍潜艇——台湾海军潜艇战队摇篮

台湾海军寻求潜艇的历史，最早可远溯至第二次世界大战之前，当时国民党政府就曾有建造潜艇的计划，曾与德国签订建造潜艇合约并付首期款，后因抗战爆发而终止。第二次世界大战后，国民党政府也曾派遣海军军官赴英国学习潜艇建造与使用，后因故中止。国民党政府逃台后，还曾于1955年时进行“自制大型潜艇”的研究案，不过受限于当时环境和技术仍无疾而终，但是台湾海军此后一直没有中断建立潜艇的企图。     

防空导弹引战配合设计变分问题的近似求解

以破片杀伤战斗部的破片动态相对飞散密度函数作为设计变元，得到单枚导弹战斗部对空中目标的杀伤概率泛函。于是，对防空导弹引战配合的设计就转化为求解相应的变分问题（VP）。通过里兹法对此进行了近似求解，求解结果与实际的引战配合情况完全符合。这说明防空导弹引战配合设计的变分法是可行的，从而为现代防空导弹引战配合在更广泛的类型中寻求最佳设计提供了有效的方法和手段。     

引战配合效率各阶段的描述方法研究

对防空导弹引战配合效率概念进行了分析，运用了两种描述防空导弹引战配合效率的方法一条件杀伤概率和概率比，并分别分析了这两种方法使用的不同阶段，条件杀伤概率主要用在导弹的初级设计阶段，概率比由于引入了制导误差加权的概念，用在导弹设计的后期，因此在导弹设计的不同阶段用不同的方法来描述描述引信与战斗部配合效率，将更能体现引战配合设计的合理性．     

单片微机在引信引战配合中的应用

引战配合是非触发引信最重要的战术技术指标.根据最佳爆炸点选择的准则,采用单片微机技术实现最佳引战配合所要求的自动延时调整.同时利用单片微机的硬件、软件功能实现对引信信号的实时处理.     

网络中心战与太空优势

介绍了网络中心战的基本概念，论述了网络中心战在未来高技术战争中的作用。从依靠太空优势及时获得可靠信息是实施网络中心战的前提、依靠太空优势提高信息传输的速度和质量是实施网络中心战的基础、依靠太空优势建设有效的数据链是实施网络中心战的关键和确保网络安全包括卫星网络安全是实施网络中心战的保障等四个方面，讨论了太空优势和网络中心战的关系。提出了对网络中心战的看法。     

基于SMABC算法的FPRM逻辑电路面积优化

固定极性Reed-Muller (FPRM)逻辑电路面积优化是当前集成电路设计领域的研究热点。但现有FPRM逻辑电路面积优化方法存在优化效率低和优化效果差等问题。FPRM逻辑电路面积优化属于组合优化问题，提出一种自适应混合人工蜂群(SMABC)算法。所提算法在引领蜂搜索阶段引入细菌觅食算法中的细菌趋化行为，使引领蜂向靠近优秀蜜源的方向搜索，提高了所提算法的收敛速度；对跟随蜂的选择概率进行改进使其依据种群的变化自适应改变，提高了所提算法的全局搜索能力；对侦查蜂的转换条件进行改进，增加了侦查蜂在进化过程中的扰动幅度；且在进化过程中引入精英保留策略以提高种群质量。此外，提出一种基于SMABC算法的FPRM逻辑电路面积优化方法，所提方法收敛速度最快且面积优化率最高为54.62%，平均面积优化率为15.33%。     

基于SP-ABC算法的数控铣削参数优化

针对铣削加工中成本最低的优化问题,采用一种改进的人工蜂群(SP-ABC)算法对铣削参数进行优化.在基本ABC算法的基础上,嵌入粒子群(PSO)算法,以提高算法的局部寻优能力.此外,不同于传统的单工序优化,建立的优化目标模型,在考虑实际生产过程中的各种约束条件下,可同时对粗、精两个阶段多道工序同步进行优化.计算机仿真结果表明,相较其他的基本算法,该算法能够找到更优的铣削参数组合,从而实现铣削加工过程的成本最低化.     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。