【摘 要】
：
针对多机种大机群再次出动保障资源组合配置复杂问题,在考虑不同机型、不同保障期望值时间和不同主体资源类型新增复杂因素基础上,建立基于排队网络的多机种保障过程仿真模型,提出了实现保障资源配置优化的仿真算法,该算法以机群保障总时间、飞机平均保障时间、机群保障的平均强度、资源代价、保障忙闲均衡和资源供需均衡为优化目标,以服务节点的机群平均等待时间大小作为资源增减依据,对多机种大机群保障资源数量进行仿真测算
【机 构】
：
空军勤务学院作战保障实验与模拟训练中心,江苏徐州221000
论文部分内容阅读
针对多机种大机群再次出动保障资源组合配置复杂问题,在考虑不同机型、不同保障期望值时间和不同主体资源类型新增复杂因素基础上,建立基于排队网络的多机种保障过程仿真模型,提出了实现保障资源配置优化的仿真算法,该算法以机群保障总时间、飞机平均保障时间、机群保障的平均强度、资源代价、保障忙闲均衡和资源供需均衡为优化目标,以服务节点的机群平均等待时间大小作为资源增减依据,对多机种大机群保障资源数量进行仿真测算和组合优化。通过仿真分析,结果表明:资源通用性是影响多机种保障效率和保障资源优化配置结果的关键要素。
其他文献
为使仿真模型契合城市交通特点、兼具高精确度及高性能,建立了轻量化的中观交通仿真系统与标定流程:以速度—密度模型和点排队模型刻画车辆的运动过程;将点排队模型进行交叉口展宽设计改进,以提升仿真准确性和标定效率;以真实个体检测信息作为标定数据源。模型在宣城城区路网中应用,结果表明:相较于传统点排队模型,展宽设计下的模型能较好反映实际道路特性,通行次序准确率平均可提升139 veh/2 h,且还原了展宽段
传统的推荐系统常用显式反馈进行个性化推荐,但显式反馈数据不易获取,质量不好且易引起用户反感,使推荐结果不能满足用户需求。隐式反馈数据更容易获取,可更好地为用户提供其感兴趣的内容。提出一种基于隐式反馈数据的个性化游戏推荐方法。该方法基于游戏时长、游戏次数等隐式反馈数据,构建针对游戏用户数据的隐式反馈推荐模型,通过隐语义推荐算法实现了游戏的个性化推荐。通过大量真实数据集的对比实验,表明该方法的精确率和
针对工业过程微小故障以及工业过程数据普遍存在的非线性问题,提出基于近邻指标累积和(Cumulative Sum of Neighbor Statistic,CUSUM-NS)的故障检测方法。使用互信息主元分析(Mutual Information Principal Component Analysis,MIPCA)对训练数据降维,提取互信息主元构成新样本空间,对降维后的新样本空间计算k近邻(k-
在实际的柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)生产环境中,不仅存在工件的加工时间,而且还存在工件在机器之间的运输时间,因此考虑运输时间的柔性作业车间调度更具实际意义。提出混合离散粒子群算法求解考虑运输时间的柔性作业车间调度问题。针对粒子群算法的不稳定性和早熟问题,应用了邻域搜索算法提高其稳定性,引入竞争学习机制和随机重启算法避免算
针对组合式变速箱传动比分配难以得到最优方案的问题,提出基于混合粒子群算法的组合式多档位变速箱的传动比优化方法。基于多目标粒子群算法,引入具有自我更新机制的领导种群,构成混合粒子群算法。以各段单级变速的传动比为变量,结合传动链布局,以驱动功率损失率、比油耗损失率等为优化目标,以理论车速等为约束条件,建立多目标优化模型,并与非支配遗传算法-Ⅱ、多目标粒子群算法的优化结果进行了对比。结果表明:采用混合粒
围绕煤矿井下环境特点,提出一种基于动态指纹更新的指纹定位算法。该算法运用FCM(Fuzzy C-Means Clustering)按信号分布特征划分井下定位区域,在各个子区域建立训练学习模型。在FCM算法基础上提出一种基于移动用户位置的HMM(Hidden Markov Model)运动信息序列模型,通过用户无意识地参与RSSI(Received Signal Strength Indicatio