战场目标打击顺序的多属性决策方法

提出了一种战场目标打击顺序的多属性决策方法,该方法把主观和客观信息集成起来,通过一个数学规划模型把获得的战场目标客观信息与决策者给出的主观权重偏好信息有机地集成,使属性的权重可在决策者主观基础上根据战场态势动态调整,利用TOPSIS方法排定目标的打击顺序,为战场目标的打击顺序问题提出了一种新的解决方法.     

基于遗传算法的动态联盟性能标准优化方法

面向动态联盟的伙伴选择群体决策代表了一类最复杂组合问题的决策，该问题的决策效果直接关系到动态联盟建立的效率和参与企业操作的复杂度，是动态联盟建立过程的关键，本文提出了应用遗传算法优化这一群体决策过程的方法，并根据问题的特点设计了相应的编码方式，选择过程和遗传算子，最后给出了应用该算法处理群体决策问题的一个实例，以证明该片江的可行性与有效性。     

虚拟企业经营过程仿真的联邦建模框架

为使虚拟企业的经营过程仿真建模能快速地响应虚拟企业的变化，提出了一个支持虚拟企业经营过程仿真模型重用、重构和规模扩展的联邦建模框架。该框架分为两个阶段，在成员企业经营过程仿真建模阶段，为了重用成员企业的经营过程仿真模型，成员企业的经营过程被分为外部触发过程、内部触发过程和混合触发过程，将每个外部触发过程仿真模型和混合触发过程仿真模型作为一个原子经营过程仿真模型来建立。在虚拟企业经营过程仿真建模阶段，通过组合成员企业的原子经营过程仿真模型，以经营过程仿真联邦的方式，建立虚拟企业经营过程的仿真模型。讨论了基于高层体系结构实现虚拟企业经营过程仿真联邦建模的关键技术。最后，结合某型号直升机旋翼虚拟设计过程，给出了建立虚拟企业经营过程仿真模型的实例。     

面向敏捷虚拟企业组织建立的仿真与优化

讨论将计算机仿真优化技术应用于敏捷虚拟企业组织建立的有关问题。介绍敏捷虚拟企业组织建立过程,提出支持敏捷虚拟企业组织建立的计算机仿真优化问题及其关键技术。结合支持敏捷虚拟企业组织建立的集成支撑环境,说明了仿真优化技术在其中的地位以及与其它分析工具的关系。     

业务过程仿真联邦的设计与实现

为了解决跨企业业务过程的仿真问题,将高层体系结构应用于业务过程仿真领域.给出了业务过程仿真联邦的体系结构,将业务过程仿真联邦分为业务过程仿真联邦对象模型、管理联邦成员、业务过程仿真联邦成员和仿真运行监视联邦成员4个组成部分;提出了业务过程的仿真联邦对象模型;讨论了业务过程仿真联邦生命周期的管理方法、各个联邦成员的职责和时间管理方法以及联邦成员订阅和发布的对象属性和交互,给出了链式、嵌套式和并行同步3种互操作模式下,业务过程仿真联邦成员订阅和发布对象属性和交互的原则.最后,结合某型号直升机旋翼虚拟设计过程,给出了建立业务过程仿真联邦的实例.     

敏捷虚拟企业伙伴选择的多维决策模型

描述了在敏捷虚拟企业伙伴选择群体决策问题中项目之间的联系因素，及其在决策过程中的处理方法，并提出相应的多维决策模型。基于该模型的群体决策过程支持对伙伴选择方案的整体规划，有利于进一步优化任务完成的性能；能在决策过程中从全局上指导参与企业的决策方向，减少冗余环节，提高群体决策的效率。     

基于熵矩阵的多目标非线性0-1规划近似算法

为了简化多目标二元匹配问题的求解,将该问题建模为多目标非线性0-1规划模型,该模型将变量约束转移到目标函数中,从而降低了问题求解难度.针对该模型,设计了基于熵矩阵计算的贪心近似算法,该算法通过熵矩阵的熵值计算确定多目标二元匹配度,并根据熵值的大小预先优化匹配顺序,从而使近似解更快速地接近最优解.仿真实验结果证明,对于单目标非线性0-1规划问题,本算法优于已有的近似算法,对于多目标非线性0-1规划问题,本算法在计算时间以问题规模的指数级减少的情况下,近似解能够很好地逼近最优解.因此,本算法与其它近似算法相比,在不增加时间复杂度的前提下,结果更优,近似度更高.     

动态联盟过程模型

动态联盟的过程模型化是动态联盟模型化的关键内容之一。在分析了动态联盟过程的组成及特点的基础上详细论述了动态联盟模型—ＶＥＭ的工作流视图的结构与组成,提出了一套符合动态联盟特点的过程描述方法,并详细介绍了该方法的结构、组成及描述形式等内容。将为动态联盟过程的进一步研究（仿真、优化和重组等）以及动态联盟的建立奠定基础。     

多视图集成化的动态联盟建模方法

结合目前提出的典型CIMS企业模型,针对动态联盟的特点,提出一种由工作流视图/组织视图/信息视图/物理视图组成的动态联盟的多视图面向对象的企业模型(VEMVirtualEnterpriseModel),并进一步分析了VEM的模型化方法。     

动态联盟伙伴选择的一种自适应遗传算法

针对动态联盟伙伴选择优化问题,提出一种自适应遗传算法用来求解此类问题。该算法设计了自适应交叉和变异概率,在遗传过程中可以根据适应度自动选择,从而使群体中每个个体对环境的变化具有自适应调节能力;所设计的自适应变异概率可以避免算法的早熟现象;遗传过程中,通过保持迭代过程中的最优解,加快了搜索速度,并保证了收敛于全局最优解。通过算例,证实了该算法的有效。