基于Spark和PSO算法的军事物流配送路径优化问题研究

军事物流配送路径优化问题是研究如何在保证各个部队所需物资的前提下,各配送车辆总行驶路径最短的问题。利用粒子群优化(Particle Swarm Optimization,PSO)算法解决该类问题时,随着部队数量的增加,程序运行时间会显著增加。考虑到PSO算法迭代计算的特点,本文提出一种在Spark集群上并行运行PSO算法的解决方案。实验证明,利用Spark集群并行运行PSO算法能够大幅降低程序运行时间,提高解决军事物流配送路径优化问题的效率。

基于知识计算的精准服务研究

[目的/意义]开放科研环境下,为用户提供精准服务是信息服务的必然趋势。大数据时代下的计算思维的兴起为精准服务提供了数据储备和技术基础。[方法/过程]文章将知识计算相关技术和方法引入信息资源服务中,从知识库的视角,提出在对信息资源和用户需求进行知识语义表示的基础上,开展资源-需求之间的知识匹配与映射计算,实现计算思维指导下的大数据时代精准服务。[局限]引入知识计算的精准服务可以提高服务的客观性和定量性,但由于目前知识计算技术还不够成熟,该服务模式的准确性还需要改进。

战备物资预置储备模式研究

为解决战争初期物资快速保障问题,根据我国地域特点和军队战略调整要求,提出边境地区陆基预置储备、岛礁预置储备、海外基地预置储备和海上舰船预置储备等4种储备模式,分析这4种储备模式的内涵。针对军事形势和自然条件等因素进行储备需求分析,提出4种储备模式的具体储备方式,为战时主要方向作战物资预置提供重要解决方案。