针对云计算基础设施即服务(IaaS)中的虚拟机部署问题,提出一种基于粒子群优化(PSO)算法的部署策略。由于PSO算法在处理虚拟机部署这类大规模复杂问题时,具有收敛速度慢且容易陷入局部最优的缺点,首先,引入多种群进化模式提高算法收敛速度,并在此基础上加入高斯学习策略避免局部最优,提出了一种多种群高斯学习粒子群优化(MGL-PSO)算法;然后,根据部署模型,使用轮询(RR)算法对MGL-PSO进行初始化,进而提出了一种以负载均衡为目标的虚拟机部署策略。通过在CloudSim中进行仿真实验,验证了在解决虚拟机部署问题时,MGL-PSO相比PSO算法,具有更快的收敛速度,并且负载不均衡度降低了13.1%。在两种实验场景下,所提算法相比随机负载均衡(OLB)算法,其负载不均衡度分别平均降低了25%和15%;相比贪婪算法(GA),使负载不均衡度分别平均降低了19%和7%。

针对传统数据包络分析(DEA)公共权重生成方法不同时具备线性、规模无关优点的问题,根据军事训练绩效评估需求,提出了一种新的DEA公共权重生成方法。该方法以DEA有效单位为计算基础,首先对训练数据进行归一化,然后运用多目标规划模型求解,绩效排序结果更加公平合理,并且同时具有线性、规模无关的优点。最后,通过一个军事应用,证明了该方法科学、有效。

为解决聚类中心选择困难和数据点密度计算泛化能力弱的问题,提出一种基于遗传算法与密度及距离计算的聚类方法.该算法通过指数方法计算数据点密度,降低参数对算法性能的影响;用遗传算法搜索最优密度和距离阈值,同时引入惩罚因子,克服算法搜索域偏移从而提高收敛速度,寻找最优聚类中心,并用归属方法完成聚类.通过4组人工数据集和4组UCI数据集实验证明,该方法在RI指数、聚类精度、聚类纯度、召回率等4个聚类评价指标上都达到与 K-means算法、快速搜索聚类算法和Max_Min_SD算法相当或更好的效果,算法是有效的.

针对常见模型表示方法缺少对多阶段建模过程支持,造成不同建模阶段模型难以统一管理、共享和重用的问题,提出基于泛关系模型表示的层次化模型管理框架。分析现有模型表示方法特点和多阶段建模过程中模型表示及管理需求,采用泛关系模型表示建立概念模型和数学模型表示方法之间映射关系,建立一体化模型表示方法和层次化模型管理框架; 研究层次化模型管理框架中概念层模型和泛关系层模型的模型库设计逻辑,并基于泛关系理论,研究了物理层模型的动态生成方法,实现了不同建模阶段模型的一体化表示和统一管理。

为实现装备维修保障人员调度数量的准确简单预测，提出一种通用的支持向量机(SVM)输入变量特征的确定方法——主导因子法。该算法在定义了“主导因子”、“驱动因子”、“主动性行为”和“行为载体”等相关术语的基础上，通过“极大关联性”准则和“行为目的”法设置主动性行为预测变量的主导因子，然后根据该主导因子和“驱动因子设置法则”提炼出各驱动因子作为SVM输入变量的特征。实际应用及与其他方法比较后表明：将主导因子法确定的各装备维修保障人员调度值驱动因子作为SVM输入变量特征对相关值进行预测的平均相对误差低至0.0109，相对于其他特征确定方法具有更高的预测准确率。

由于作战过程中不确定因素多，作战行动效果数据表现出显著的随机性。为了探索效果数据背后隐藏的作战规律，基于统计分析的方法研究作战行动效能的评估问题。分析了作战行动及其效能的基本概念，针对增强最简半自治适应性作战神经网络工具箱(EINSTein)产生的仿真数据采用单次、单组以及多组实验分析的手段，研究进攻行动效果数据的统计特征，发现对于具有作战优势的一方，相比通过增加作战人数而言，提高火力半径能够取得更好的作战效果。在此基础上，提出一种作战行动效能的评估方法，并结合仿真数据进行了验证，从而为基于实际训练效果数据的效能评估提供可行的解决方案。

为满足军事工程毁伤分析、防护评估、防护训练等需要，提出一种基于高层体系结构/运行支撑架构 (HLA/RTI)的军事工程毁伤与防护仿真体系结构。在阐述仿真系统概念设计的基础上，确立了军事工程毁伤与防护仿真HLA总体架构，提出了系统功能逻辑结构；模型是HLA联邦开发的核心问题，确立了军事工程毁伤与防护仿真模型体系，遵从军事训练信息系统模型框架，设计了军事工程毁伤与防护模型；最后，给出了系统联邦工作流程，遵循联邦时间策略，以UML时序模型说明联邦成员行为设计。