一种基于GA-CNN的网络化雷达节点遴选算法

网络化雷达具有广域分布的雷达节点,可以按需分任务调度雷达节点,是当前的研究热点。本文旨在研究不同波束指向下,通过神经网络预测一维阵列节点组合以降低该波束指向下的旁瓣。将遗传算法(genetic algorithm,GA)产生的数据集投喂给卷积神经网络(convolutional neural networks,CNN)进行训练,训练好的CNN可快速预测。本文提出用于降低阵列旁瓣的GA-CNN节点遴选算法,结合了GA处理组合爆炸问题的优势与深度学习良好的泛化能力和预测速度,且在全集中搜索和预测。从线阵的仿真结果可见,CNN已经学习到波束指向与节点选择的部分对应关系,运算速度大幅提升,使得雷达在高效应变环境方面具备进一步的研究价值。

中泰铁路通道物流枢纽遴选与布局研究

中泰铁路的修建将极大促进沿线成员国之间的贸易合作与交流,遴选与布局中泰铁路通道物流枢纽对物流的高效运输起着重要作用。阐述物流枢纽遴选与布局研究现状,提出构建中泰铁路通道物流枢纽遴选及布局模型,选取云南、泰国铁路沿线13个城市为研究对象,对中泰铁路通道物流枢纽的遴选和布局进行实证分析。研究结果表明:可以通过遴选模型确定中泰铁路经济带的物流枢纽节点,通过布局模型进一步确定中泰铁路国际物流通道的一级物流枢纽及二级物流枢纽,为中泰铁路通道物流枢纽规划布局提供研究依据。