排序方式: 共有17条查询结果,搜索用时 0 毫秒
1.
本文针对复杂任务分析中的高度耦合任务不易分解且需重构排序的问题,提出了一种基于聚类分析与改进时间-耦合执行序列的自适应任务分解方法。在矩阵最值遴选模型和任务序列转移策略相结合的基础上,设计了基于中间任务序列的任务矩阵分割算法;并进一步采用粒度自主循环调整机制,最终实现了复杂任务的自适应解耦分析。仿真验证结果表明,该方法能够有效实现复杂任务的解耦及序列重构,在作战任务分析领域具有很好的推广应用前景。 相似文献
2.
研究舰炮作战效能优化建模问题,现代舰炮对岸支援作战任务强度高且时效性强,合理规划弹药携带量和适时确定打击目标需发射弹药数优化,影响实施任务完成的关键因素。针对传统的舰炮对岸作战规划和实施主要依据经验所固有的不确定性,为提高最佳匹配效能,减少盲目性,提出了一种统计方法的舰炮对岸作战效能评估仿真模型。模型根据舰炮对岸支援作战的形式和特点,在对真实的舰炮对岸作战过程进行必要和合理简化的基础上,考虑舰艇海上运动、环境和弹丸散布三个影响舰炮对岸射击误差的随机因素,用以确定上述优化关系,从而为制定高效的对岸火力支援作战方案提供参考,最大限度地发挥舰炮武器系统对岸作战效能。仿真证明了方法的有效性和实用性。 相似文献
3.
4.
5.
6.
针对船舶轨迹的历史轨迹相似性低、预测精度不高等问题,基于序列到序列(Seq2Seq)模型提出一种轨迹预测算法——vSeq2Seq。首先,用一阶差分法处理AIS数据,降低时间依赖性,减弱通信延迟产生的干扰,突出船只运动规律;然后,采用滑窗法处理数据,构建模型数据集,通过Seq2Seq模型进行可变步长的轨迹预测。实验结果证明,vSeq2Seq算法能够从船只轨迹中提取出轨迹变化特征,针对船只不同运动状态改变预测步长、灵活地进行预测,对比传统LSTM模型和GRU模型,预测精度有显著提升。 相似文献
7.
针对合作多智能体系统缺乏个体奖励信号的情况下,不同智能体贡献无法区分导致合作效率低下的问题,利用价值分解范式引入了信用分配可区分性评价指标,并提出一种基于梯度熵正则化的方法实现区分度较高的信用分配。在此基础上,结合多智能体深度强化学习算法,提出一种改进型QMIX网络。通过SMAC多智能体学习环境和Starcraft2自带的地图编辑器,建立相应仿真实验环境,结果表明新提出的改进型QMIX网络相较于QMIX网络,学习效率和整体性能均有所提升,更适用于部分可观测环境下的合作多智能体强化学习问题。 相似文献
8.
彭鹏菲 《计算机与数字工程》2005,33(5):105-107,122
对应于软件系统架构模式集群中MVC模式的设计思想,给出了在.NET框架中的Web实现方法。而后提出了复杂系统中MVC模式的一种优化策略,具体的Web实现表明该方法在软件设计与集成中具有广泛的适用性。 相似文献
9.
10.
针对General Fuzzy Min—Max(GFMM)神经网络不能自适应学习新类的缺陷,提出了一种基于该网络的无师训练改进算法。它一方面继承原GFMM网可以处理模糊输入量的优点.重构了网络中的模糊隶属度函数:另一方面结合ART2神经网络无师学习的特点.引入了网络警戒门限和运行状态切换控制。改进后的GFMM神经网络完全具备了自适应调整和无师学习的能力.并展现出了良好的并行处理性能。自动目标识别中的应用结果表明:该网络具有广泛的实用性 相似文献