融入偏好的武器装备体系多目标规划决策方法

武器装备体系规划是装备体系建设的重要环节,对装备论证工作具有重要指导意义。首先对武器装备体系规划问题进行了定性分析和公式化描述;然后提出基于超网络的体系建模方法,构建能力指标定量计算模型;接着采用NSGA-Ⅱ算法范式,分析了决策者偏好表示方法,将决策者偏好融入优化过程,将原优化问题转化为以超体积、未知度、决策者满意度为目标的3目标优化问题,融入延展性测度对占优和进化策略进行重新设计;最后引用一则空基作战体系规划示例,验证了该算法的高效性和合理性,可为武器装备发展和顶层规划提供决策方法支撑。

基于不对称依赖的相依网络级联故障分析

针对已有关于相依网络级联故障研究中未考虑有向依赖边的问题,展开了基于不对称依赖的相依网络级联故障分析,构建了基于负载容量的级联故障模型,提出基于连通分量的相依网络鲁棒性测度方法,开展了不同网络组合、耦合方式、容忍系数和移除比例在不同攻击模式下的网络鲁棒性研究。结果表明,随机攻击模式下不对称相依网络鲁棒性与以往研究结论类似,蓄意攻击模式下不对称相依网络鲁棒性则取决于攻击范围和容忍系数的大小。通过一则作战网络示例分析证明了所提方法的实际应用价值,对完善相依网络理论研究具有一定的参考意义。

基于阵列Taylor权的最优粒子初值估计法

优化阵列天线方向图时,最优粒子初值的有效估计能极大改善粒子群优化算法(PSO)的收敛性,得到更好的全局最优解。提出了基于Taylor权的最优粒子初值估计法,即利用阵列Taylor权作为最优粒子初值的有效估计量来改善PSO算法的收敛特性。仿真实验评估随机权、Taylor权和解析权3种最优粒子初值估计法对PSO算法收敛特性的影响,结果表明,相对于随机权,Taylor权和解析权都能够有效地改善PSO算法收敛特性,且两种方法的性能比较接近。由于解析权必须对大型矩阵求广义逆,这种运算不但非常消耗计算资源,且对超大型矩阵甚至无法实现,而Taylor权初值估计法相对简单高效,因而在阵列天线方向图非线性优化时,Taylor权最优粒子初值估计法具有更好的算法实用性。