海洋环境下武器装备作战效能自学习评估模型

针对海洋环境影响下武器装备作战效能的评估问题,提出了具有自学习能力的评估模型。将作战效能分级,基于神经网络建立海洋环境要素与作战效能级别之间的非线性映射,通过估计武器装备的作战效能级别获得其作战效能。为提高模型的评估可信度,评估模型增加了自学习能力,可对其本身进行自学习修正。随着样本增加,为提高评估结果的数值精度,对作战效能级别作进一步细分,使得模型中神经网络的结构得以改进。在此基础上,通过对模型的自学习训练即可实现模型的自学习修正。最后针对某作战平台作战效能的评估实例,实验结果表明模型自学习更新后其可信度得到提高,从而验证了所提出的评估模型的可行性。与传统方法相比该评估模型无需依赖专家经验,具有较高的客观性。     

基于遗传算法的某航空发动机装配车间优化调度

航空发动机装配车间装配生产线的调度问题,是一类比较典型的混合Flowshop问题,同时还带有工件可重人等特点,这就区别于一般的Flowshop和Jobshop调度问题,因此,将可重入混合车间调度问题划为第三类调度问题。关于重入式混合车间生产调度的优化问题通常来说都是属于NP难问题。文中通过某航空发动机装配车间生产线的研究,以最小化最大完工时间为目标函数,借助随机矩阵的编码方式和改进的交叉方法与变异方法,提出了基于遗传算法的调度优化方法。最后实验结果表明,文中提出的改进算法能够有效地实现装配车间调度的优化。