改进BP神经网络的武警装甲车保障能力评估

doi:10.3969/j.issn.0255-8297.2016.04.011

应用科学学报 ›› 2016, Vol. 34 ›› Issue (4): 461-468.doi: 10.3969/j.issn.0255-8297.2016.04.011

改进BP神经网络的武警装甲车保障能力评估

单宁, 班超, 邓春泽

武警工程大学装备工程学院, 西安 710086

收稿日期:2015-10-16 修回日期:2015-11-17 出版日期:2016-07-30 发布日期:2016-07-30
作者简介:单宁,副教授,研究方向:光电传感器设计、超声检测技术等,E-mail:ssnn3193@163.com
基金资助:
武警工程大学军事理论研究课题基金(No.JLX201537)资助

Evaluation of Support Capability of CAPF ArmouredVehicle with Improved BP Neural Network

SHAN Ning, BAN Chao, DENG Chun-ze

Equipment Engineering College, Engineering University of CAPF, Xi'an 710086, China

Received:2015-10-16 Revised:2015-11-17 Online:2016-07-30 Published:2016-07-30

摘要/Abstract

摘要：

影响武警装甲车战时平时保障能力的因素很多.针对当前武警装甲车保障能力评估方法的模糊性和不确定性，建立了以武警装甲车保障能力为目标的评估指标体系.采用萤火虫算法优化BP神经网络，确定其初始权值和阈值，并在此基础上提出一种评估武警装甲车保障能力的方法.根据建立的模型进行计算并分析，表明萤火虫神经网络具有更快的收敛速度和更高的准确性，可适用于武警轮式装甲防暴车保障能力的评估.

关键词: 评估, 保障能力, 萤火虫优化算法, BP神经网络

Abstract:

There are many factors affecting security of Chinese armed police force (CAPF) armored vehicles in wartime and peacetime. To overcome ambiguity and uncertainty in the evaluation of security capability of CAPF armored vehicles, this paper establishes an evaluation index system using glowworm swarm to optimize a BP neural network. Having determined the initial weights and thresholds, a security of CAPF armored vehicles is evaluated. By establishing a model, calculation and analysis are performed. It is concluded that the glowworm swarm optimization BP (GSOBP) neural network converges fast and is accurate. The method can be used effectively for evaluating security of the CAPF wheeled armored anti-riot vehicles.

Key words: support ability, evaluation, glowworm swarm optimization algorithm, BP neural network

中图分类号:

TP391.9

单宁, 班超, 邓春泽. 改进BP神经网络的武警装甲车保障能力评估[J]. 应用科学学报, 2016, 34(4): 461-468.

SHAN Ning, BAN Chao, DENG Chun-ze. Evaluation of Support Capability of CAPF ArmouredVehicle with Improved BP Neural Network[J]. Journal of Applied Sciences, 2016, 34(4): 461-468.

参考文献

[1] 白炜. 基于神经网络的作战效能评估方法研究[D]. 长沙:国防科学技术大学, 2007.
[2] 王正元, 刘靖旭, 谭跃进, 沙红兵. 基于作战仿真的装甲车辆作战效能评估方法[J]. 国防科技大学学报, 2004, 26(2): 106-109. Wang Z Y, Liu J X, Tan Y J, Sha H B. Combat effectiveness evaluation of the armored vehicle based on combat simulation [J]. Journal of National University of Defense Technology, 2004, 26(2): 106-109. (in Chinese)
[3] 刘芬良, 罗权, 李泽恩. 某型两栖装甲车作战效能评估模型[J]. 火力与指挥控制, 2014, 39(2): 169-172. Liu F L, Luo Q, Li Z E. Model of operational effectiveness evaluation in amphibious armoured vehicle [J]. Fire Control & command Control, 2014, 39(2): 169-172. (in Chinese)
[4] Jin W, Li Z J, Wei L S. The improvements of BP neural network learning algorithm [C]//Signal Processing Proceedings. WCCC-ICSP 2000. 5th International Conference on IEEE, 2000, 3: 1647-1649.
[5] Xiao Z, Ye S J, Zhong B. BP neural network with rough set for short term load forecasting[J]. Expert Systems with Applications, 2009, 36(1): 273-279.
[6] 李智舜, 吴明曦. 军事装备保障学[M]. 北京:军事科学出版社, 2009.
[7] 周伟祝, 宦婧, 孙媛, 王永安. 一种基于神经网络的装备保障方案评估模型[J]. 计算机仿真, 2013, 30(2): 303-307. Zhou W Z, Huan J, Sun Y, Wang Y A. Evaluation model of material support plan based on neural network [J]. Computer Simulation, 2013, 30(2): 303-307. (in Chinese)
[8] 刘长平, 叶春明. 一种新颖的仿生群智能优化算法: 萤火虫算法[J]. 计算机应用研究, 2011, 28(9): 3295-3297. Liu C P, Ye C M. Novel bioinspired swarm intelligence optimization algorithm: firefly algorithm[J]. Application Research of Computers, 2011, 28(9): 3295-3297. (in Chinese)
[9] 朱文超, 许德章. 一种基于人工萤火虫群优化的改进粒子滤波算法[J]. 计算机应用研究, 2014, 31(10): 2920-2924. Zhu W C, Xu D Z. Improved particle filter algorithm based on artificial glowworm swarm optimization [J]. Application Research of Computers, 2014, 31(10): 2920-2924. (in Chinese)
[10] 符强, 童楠, 赵一鸣. 一种基于多种群学习机制的萤火虫优化算法[J]. 计算机应用研究, 2013, 30(12): 3600-3602. Fu Q, Tong N, Zhao Y M. Firefly algorithm based on multi-group learning mechanism [J]. Application Research of Computers, 2013, 30(12): 3600-3602. (in Chinese)
[11] 王改革, 郭立红, 段红, 刘逻, 王鹤淇. 基于萤火虫算法优化BP 神经网络的目标威胁估计[J]. 吉林大学学报:工学版, 2013, 43(4): 1064-1069. Wang G G, Guo L H, Duan H, Liu L, Wang H Q. Target threat assessment using glowworm swarm optimization and BP neural network [J]. Journal of Jilin University:Engineering and Technology Edition, 2013, 43(4): 1064-1069. (in Chinese)
[12] 候越, 赵贺, 路小娟. 基于萤火虫优化的BP神经网络算法研究[J]. 兰州交通大学学报, 2013, 32(6): 24-27. Hou Y, Zhao H, Lu X J. Study on glowworm swarm optimized BP neural network algorithm[J]. Journal of Lanzhou Jiaotong University, 2013, 32(6): 24-27. (in Chinese)
[13] Krishnanand K N, Ghose D. Glowworm swarm optimisation: a new method for optimising multi-modal functions [J]. International Journal of Computational Intelligence Studies, 2009, 1(1): 93-119.
[14] Zhou Y, Zhou G, Wang Y. A glowworm swarm optimization algorithm based tribes [J]. Applied Mathematical Modelling, 2013, 7(2L): 537-541.
[15] Krishnanand K N, Ghose D. Glowworm swarm optimization for simultaneous capture of multiple local optima of multimodal functions [J]. Swarm Intelligence, 2009, 3(2): 87-124.
[16] Wu B, Qian C, Ni W. The improvement of glowworm swarm optimization for continuous optimization problems [J]. Expert Systems with Applications, 2012, 39(7): 6335-6342.
[17] 飞思科技产品研发中心. 神经网络理论与Matlab7 实现[M]. 北京:电子工业出版社, 2005.

改进BP神经网络的武警装甲车保障能力评估

Evaluation of Support Capability of CAPF ArmouredVehicle with Improved BP Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	蒋沁吟, 张熙. 基于特定主题的社交网络影响力评估方法[J]. 应用科学学报, 2020, 38(3): 353-366.
[2]	杨敏, 张仕斌, 张航, 刘宁, 甘波. 异构联盟系统中基于二层区块链的用户信任协商模型[J]. 应用科学学报, 2019, 37(2): 244-252.
[3]	孙娜, 夏正云, 施建强, 陈殿欣, 陆忞, 徐海洋. 智能电网中基于复杂网络的电力光传输网抗毁性分析[J]. 应用科学学报, 2018, 36(6): 914-924.
[4]	杨理智, 张韧, 吴炎成, 葛珊珊, 刘君. 气候变化对中国海上能源通道安全的影响与风险评估[J]. 应用科学学报, 2016, 34(6): 713-723.
[5]	蒋翠玲, 林家骏. 一种基于遗传算法和BP网络的鲁棒图像哈希方法[J]. 应用科学学报, 2016, 34(5): 537-546.
[6]	巫兆聪，徐卓知，杨帆. 遥感卫星应用需求满足度的模糊评估[J]. 应用科学学报, 2015, 33(3): 299-308.
[7]	李开达，张涛，平西建，李星. 基于组合赋权及TOPSIS 的隐写分析算法综合评估[J]. 应用科学学报, 2012, 30(4): 335-342.
[8]	李睿佳，李荣冰，刘建业，孟博. 跨音速大气/惯性攻角两步融合算法[J]. 应用科学学报, 2010, 28(1): 99-105.
[9]	王牧云;严壮志;葛俊杰. 医用内窥镜图像校正的BP神经网络方法[J]. 应用科学学报, 2009, 27(5): 480-484.
[10]	何明,裘杭萍,鲍广宇,肖登海. 基于多径路由的无线Mesh网可靠性评估[J]. 应用科学学报, 2009, 27(5): 441-445.
[11]	梁军涛1，蒋晓原2，张海3. 根据软件体系结构评估软件可靠性[J]. 应用科学学报, 2009, 27(3): 277-281.
[12]	罗德林;沈春林;吴文海;吴顺祥. 空战格斗决策研究 [J]. 应用科学学报, 2006, 24(1): 89-0089 .
[13]	徐东, 王翼飞. ANN-CE:一种预测DNA结合位点的改进神经网络方法[J]. 应用科学学报, 2005, 23(2): 187-191.
[14]	谢永明, 李锐, 杨军. 一种基于结构和可测性分析的BIST部分扫描算法[J]. 应用科学学报, 2005, 23(1): 61-66.
[15]	张磊, 沈连丰. 小规模传统电信业务接入因特网的等待时间评估[J]. 应用科学学报, 2004, 22(4): 449-452.