简介：

简介：摘要党史军史是人民军队90多年波澜壮阔的斗争实践，是历史精华的凝聚，是我军由小到大、由弱到强、由胜利走向胜利的精神支柱和力量源泉，是人民军队的建军之本、发展之本、胜利之本。从党史军史中汲取能量，是实现党在新形势下强军目标的重要途径。

简介：本文根据货运列车编组调度性质和特征,将博弈论思想应用于货运列车编组调度这一复杂工程领域。抽象描述了典型编组站的场区结构,根据编组站＂到、解、编、发＂四个基本作业过程,明确了货车编组调度的工作流程。按照模块化思想,分析、设计了货运列车进站、解编、发车博弈调度流程图。基于时间成本与技术成本考虑,合理设定了编组调度效率评价指标、优化目标及约束条件,建立了基于博弈理论的货运列车编组调度多目标优化模型。

简介：摘要科学技术的日新月异，国民经济的飞速发展，人们物质生活日渐提高，汽车逐渐成为最为常见代步工具。随着国内外汽车企业产量提升，中国的汽车市场已经出现饱和状态，汽车市场的发展日渐窄化，另一方面，国家出台了节能减排的政策限制大排量汽车的销售，也致使汽车行业的发展出现萎靡。近年来，国内外的汽车公司每年都会开发设计新的车型，来以刺激市场消费，但效果却着实一般。由此可知，汽车行业竞争激烈，如何能够保证汽车企业在日趋激烈的竞争下获得持续稳定的利润将直接影响到该企业日后的生死存亡和后续发展。汽车企业控制开发目标成本将能够在低价格战中取得优势，目标成本管理法的应用将会对企业健康可持续发展产生积极的效果。本文将通过探讨目标成本管理法在汽车企业新车型开发中的作用，用以对汽车企业的发展起指导意义。

简介：摘要：在目前更加复杂的战争环境下，无人机多以机群协同方式执行特殊任务。对此，本文通过构建无人机协同任务规划系统模型，分别就无人机协同任务规划控制体系、多目标任务分配架构、无人机目标融合架构、航迹规划模型进行了设计研究，同时也结合层次聚类算法和数值仿真实验验证了设计的可行性，旨在进一步提升无人机在复杂动态环境下的飞行适应能力，并为在最短时间内制定合理的无人机协同任务分配方案提供理论帮助。

简介：为提高粒子群算法的搜索效率,克服分解方法处理复杂多目标问题的不足,通过考虑父代解的选择和种群的更新对算法收敛性及解的分布均匀性的重要影响,提出了一种基于分解的改进自适应多目标粒子群优化算法。首先,为提高算法收敛速度,在分解方法确保进化种群多样性的前提下,设计了新的适应度评价方法以评价个体的优劣,并将在竞争中获胜的优质后代解添加到父代候选解中;其次,为避免算法陷入局部最优,在更新粒子时,从当前粒子的邻居或邻居外随机选择个体最优和全局最优位置;最后,引入外部文档,将其作为候选的输出种群,并采用拥挤距离维持多样性,增强了算法处理复杂问题的能力。用12个测试函数的数值实验,并与5种多目标优化算法的比较,表明了所提算法的优越性。

简介：

简介：我国经历了60年伟大的社会主义建设的发展实践,在60年的历程中,取得了丰富的成功经验和一系列的历史性教训。＂科学发展观,是立足社会主义初级阶段基本国情,总结我国发展实践,借鉴国外发展经验,适应新的发展要求提出来的。＂本文试图用学习系统哲学之体会,进一步理解与诠释科学发展观的科学内涵。文中根据系统哲学中的协同和谐原理、自组（织）涌现原理和整体优化原理来探讨科学发展观的含义,试图说明树立科学发展观就应学会用系统思维方法和系统哲学原理来思考问题和处理问题。文中还讨论了整体优化律发展了否定之否定律和人们的知识结构整体优化的有关问题。

简介：摘要：现如今 ，我国企业间的竞争日益激烈。在竞争中一些企业的发展急速突进，但同时也出现了部分困难和问题。众所周知，经济效益的最大化是企业经济管理的最终目标，而目标成本的计划和运营就是帮助企业获取利润的最大保障。本文首先阐述了目标成本管理的理论定义，着重分析在企业经济管理中目标成本担任的角色。

简介：摘 要：本文阐述了雷达跟踪系统中滤波器模型的建立方法，介绍了卡尔曼滤波器的工作原理，通过仿真方法，用卡尔曼滤波方法对单目标航迹进行预测，即搜索目标并记录目标的位置数据，对观测到的位置数据进行处理，自动生成航迹，并预测下一时刻目标的位置。基于此方法的仿真实验获得了较为满意的结果，可以应用于雷达目标跟踪定位。

简介：

简介：

简介：摘要直升机海面目标搜寻作业中，经常遇到海上雾霾天气的影响，导致搜寻范围受限，目标识别度低下。本文讨论将一种图像去雾技术应用到直升机海面目标搜寻中，以提高直升机基于机载摄像机的海面目标搜寻识别能力。

简介：摘要为满足经济与社会发展需要，智能电网建设在我国各地快速推进，智能电网条件下的多目标输电网规划问题也开始成为各界关注的焦点，基于此，本文简单介绍了余弦排序理论，并结合该理论就智能电网条件下的多目标输电网规划模型开展了详细论述，希望由此能够为我国智能电网的建设带来一定帮助。

简介：摘要：针对传统的图像匹配算法存在误匹配率高，特征提取信息也比较少的问题。本文基于 BOW+SVM框架组合设计并实现了物品识别算法。对目标物体利用无监督学习的方法构造目标物体的识别模型，再与环境图像进行识别模型的特征点匹配，最后确定并且框选出目标物品。使用 SURF算法将目标物品的特征点提取出来，再结合 FLANN算法、特征点二次筛选算法与 RANSAC算法对目标物体进行识别与框选。

简介：