微分进化算法在暴雨强度公式参数优化中的应用

用微分进化算法对暴雨强度公式参数进行优化, 并将其计算结果与传统方法、优选法以及加速遗传算法的计算结果作比较, 实例计算结果表明微分进化算法的拟合效果最好;相比于加速遗传算法, 微分进化算法提高了收敛速度, 有效地克服了不成熟收敛, 更容易收敛到全局最优解.     

优选法在化学中的灵活应用

优选法为生产和科研寻找最优方案提供了捷径 .结合化学中的实际问题 ,阐述优选法在化学中的灵活应用 ,介绍了灵活应用优选法的实际步骤、适用条件及其优越性 ,扩展了优选法的适用范围     

一种新的单变量选优方法

本文对《电子工业技术动态》一九七二年第三期上发表的华罗庚的手稿里提出的一个优选法问题提供了解答。所得结果使分数法和黄金分刈法成了我们的新方法的一个特例。     

优选法就是好,产量质量大提高

在毛主席革命路线指引下,在批修整风运动带动下,在深入开展“工业学大庆”的群众运动新高潮中,我厂职工听取了华罗庚同志关于“优选法”的录音报告和“市应用优选法成果”汇报大会之后,立即成立了厂、车间推广应用“优选法”三结合小组,举办了推广应用优选法学习班,研究布置了推广应用优选法的具体计划和措施。由于上级领导的支持,和广     

Prony算法在大规模线性系统中的应用──动态模型的辨识与降阶

运用Ｐｒｏｎｙ算法对大规模线性系统动态模型进行辨识，给出了该算法所需要的Ｐｒｏｎｙ模型，并提出了在任意输入信号下的改进Ｐｒｏｎｙ算法，同时运用Ｒｏｕｔｈ算法对模型进行了降阶．数值算例结果表明，运用本文所提出的方法可以精确地获得线性系统动态模型的阶数与系统特征值，且降阶后模型对系统动态特性曲线具有很高的拟合精度．     

动态克隆选择和免疫网络结合的算法

提出了一种动态克隆选择算法和免疫网络相结合的新入侵检测算法。将基因库和高频变异加入动态克隆选择算法，提高检测器的进化速率。将免疫网络与动态克隆选择算法结合，消除成熟检测器中存在的冗余，提高检测器的生成效率。对算法中记忆检测器的生成加入变异和竞争，促进记忆检测器的进化，提高群体的亲和力水平。     

Pront算法在大规模线性系统中的应用——动态模型的辨识与降价

运用Ｐｒｏｎｙ算法地大规模线性系统动态模型的进行辨识，给出了该算法所需要的Ｐｒｏｎｙ模型，并提出了在任意输入信号下的改进Ｐｒｏｎｙ算法，同时运用Ｒｏｕｔｈ算法对模型进行了降价，数值算例结果表明，运用本文作所提出了方法可以精确地获得线性系统动态模型的队数与系统特征值，且降价后模型对系统动态特性的曲线具有很高的拟合精度。     

基于线段二等分的优选法

针对经典优选法在实际应用中的局限性,本文给出一种通过确定线段中点来安排试验的二等分优选法,实际计算表明,这种优选法具有和经典优选法基本相同的应用价值。     

我省水泥工业推广优选法动态——介绍几个水泥厂应用优选法的部分成果

当前,我省水泥工业推广优选法群众运动的形势很好,出现了不少可喜的成果。为了及时交流,扩大成果,进一步推广优选法,把增产节约的群众运动推向一个新的高潮,现将几个水泥工厂应用优选法的部分成果简介如下。也希各厂矿将本单位的优选法成果报寄我们,以资交流。     

功率控制条件下无线信道资源分配算法性能分析

分析了一种动态信道分配与功率控制技术相结合的算法性能．给出了在不同发射功率控制精度下的动态信道分配算法的性能改善度，并得出了动态信道分配算法与理想的功率控制技术相融合后的性能改善度的极限．为无线通信系统的信道资源利用给出了一种较理想的实现方案。     

基于Horseshoe+先验的惩罚置信区域变量选择方法

针对高维稀疏线性回归问题,相关变量的数量远远少于不相关变量.相关变量的变量选择问题对于传统的频率论正则化方法是一大挑战.现有的贝叶斯惩罚置信区域法通过将模型拟合与变量选择分离,在联合后验置信区域内搜索最稀疏解,从而得到稀疏模型解.且该方法在高维变量选择效果上优于常用的变量选择方法.在此基础上,针对高维稀疏模型,将原方法中依赖的共轭正态先验替换成针对"稀疏信号勘测问题"提出的Horseshoe+先验,利用Horseshoe+先验对小系数"重"压缩与大系数几乎零压缩的理论特性,实现对稀疏回归系数的稳健估计.通过数据仿真模拟不同稀疏程度下的高维稀疏线性回归,并将基于Horseshoe+先验的惩罚置信区域法分别与基于正态先验以及Laplace先验的该方法进行比较,结果表明基于Horseshoe+先验的惩罚置信区域法在高维稀疏线性回归问题具有更好的变量选择效果与预测效果.     

一种提升题库安全性的选题策略

题库的安全性是实施计算机化自适应测验的关键问题.受原有的动态a分层方法和均值不等式启发,构造了动态a分层的选题策略.模拟实验结果表明:新的选题策略保持了原有动态a分层的测验精度,进一步提高了测验的安全性.     

基于矩阵策略的不完备混合型数据增量式特征选择算法

特征选择是粗糙集理论在数据挖掘等领域中一种重要的应用,如何对动态变化的信息系统进行增量式特征选择是目前粗糙集理论研究的重点。在不完备混合型信息系统中,属性集的不断增加是信息系统动态变化的一种重要形式。首先在不完备混合型信息系统中引入邻域条件熵的概念,并且利用矩阵的方法去表示邻域条件熵;然后针对属性集动态增加的情形,提出矩阵形式的邻域条件熵增量式更新,并且基于这种增量式更新机制给出了相应的增量式特征选择算法;最后,UCI数据集的实验结果表明,所提出的增量式特征选择算法比非增量式特征选择算法具有更高的特征选择性能。     

基于车辆自动识别技术的动态OD矩阵估计新方法

根据车辆自动识别(automatic vehicle identification,AVI)技术检测的新信息,提出了利用AVI检测信息进行动态OD(origin-destination)矩阵估计的新方法.该方法以粒子滤波算法思想为基础,引入AVI检测的部分路径信息、动态行程时间信息以及检测器可测性判据,首先通过贝叶斯估计算法对路径缺失的车辆信息进行缺失路径范围确定和选择概率修正;然后利用蒙特卡洛随机仿真模拟任意车辆对缺失路径的选择,进而获得基于个体车辆部分路径的初始修复OD矩阵;最后运用AVI检测的流量信息校正初始修复OD矩阵,得到最终的OD矩阵估计值.以上海市南北高架快速路网为研究对象,分析了在不同AVI覆盖率和先验精度条件下的动态OD估计精度,结果表明在60％及以上的AVI覆盖率都能获取相当高的OD估计精度;即使在50％覆盖率和60％的先验精度条件下运用本方法进行OD估计,其平均相对误差仅为28.87％.同时本方法对OD先验信息的精度要求较低,能更好地满足我国目前OD基础数据精度不高的现实需求.     

实施转发式GNSS欺骗干扰的选星方法研究

在现代电子战的背景下,转发式GNSS欺骗干扰已经成为一种重要的干扰方式,通过研究实施转发式GNSS欺骗干扰的选星方法,可以提高转发式欺骗干扰的干扰能力.基于转发式欺骗干扰的实现原理,提出了一种基于常用GNSS定位选星方法和卫星对位置精度因子（position dilution of precision,PDOP）的贡献值选择被转发卫星的选星方法,基于利用最小二乘算法的伪距绝对定位方法进行仿真,模拟了接收机在静态和动态条件下受到单颗卫星转发式欺骗干扰的情况.仿真结果表明,本文提出的被转发卫星选择算法分别有87.42%和100%的概率给出理论上最优的选星结果.      

基于系统先验信息的平台动态防御单阶段静态博弈策略

针对平台动态防御中节点选择迁移的复杂性,设计了基于系统先验信息的单阶段静态博弈策略。从平台动态防御原理分析入手,结合攻防双方博弈关系和完全信息条件下的防御需求,构建了单阶段静态博弈模型,提出了攻防效用关键参数和完全信息博弈流程,通过示例给出了策略的具体实施过程。仿真结果表明,经过1 000次攻防博弈实验后,防御方实际收益为4.403×10~4,攻击方实际收益为-1.625×10~5,所提策略能有效阻截网络攻击,防御方期望收益为4.324×10~4,实际收益偏差约1.8%,新策略的收益远高于无差别迁移策略,可解决传统平台动态防御中成本高、防御收支不平衡和节点迁移有效性等问题。     

飞机排班问题的模糊优选动态规划模型

提出一种基于多目标模糊优选动态规划方法有效解决飞机排班问题的新算法.该算法将二级模糊模式识别理论与动态规划概念相结合,建立了以飞机使用均衡、航班尽快恢复为目标函数的多阶段多目标前向动态规划模型,从第一阶段开始,对各阶段的可行决策进行多目标模糊优选,依次向后递推得到调度结果.实验数据表明,飞机调度策略与实际飞机排班结果一致,耗时仅9.06s,该算法能有效解决飞机排班问题.     

基于贝叶斯决策理论的NSHV分段建模威胁评估

临空高超声速飞行器（Near Space Hypersonic Vehicle,NSHV）具备复杂的运动模式和高动态特点,传统的威胁评估方法运用于NSHV时在评估要素选取和评估动态性等方面存在不足。从NSHV的飞行路径入手,将其划分为3个主要的飞行阶段,通过分析其各阶段运动特点和预警探测、拦截能力等因素,基于贝叶斯推理、决策理论建立起NSHV多阶段威胁评估模型,并通过先验概率将各阶段进行关联,保证了评估的继承性,最终建立典型场景进行仿真验证,仿真结果反映的威胁变化符合NSHV的作战特点和所给观测数据,证明该方法更适应NSHV的动态特性,能够为指挥员进行防御作战辅助决策提供支持。     

瑞利衰落信道下延迟敏感业务的CR频谱管理

在平坦的瑞利衰落信道条件下,针对认知无线电网络中的延迟敏感型业务,考虑其延迟时限的要求,提出一个动态信道选择方案.为了管理分布式的可用频谱资源,认知用户通过一个虚拟排队模型的接口进行信息交换并使用优先虚拟排队分析估计期望延迟,并利用了相应的动态策略学习算法,使延迟敏感业务能够动态适应信道选择方案以达到最小化丢包率目的.     

动态均值-LEL投资组合选择模型

运用优化方法研究动态投资组合选择问题.在标准Black-Scholes型金融市场下,以受限期望损失(LEL)度量投资组合的风险,建立了动态均值-LEL投资组合选择模型,得到了最优投资组合策略和均值-LEL有效前沿的显式表达式.最后,结合算例说明了模型的求解方法,并得到以下结论:在相同的期望终端财富和投资组合策略下,在险价值(VaR)约是LEL的2~10倍.