含不确定参数线性优化的新鲁棒优化模型

针对椭球不确定数据鲁棒线性优化模型的保守性,提出了一种新的鲁棒线性优化模型。通过引入新的距离公式,把椭球不确定数据映射到单位球中,以此来改进鲁棒线性优化模型。新模型克服了原模型对数据扰动较大时的保守性,从而在解的鲁棒性和最优性之间得到一个比较好的平衡。通过对几个标准实际问题的测试,结果表明新模型在保证解的鲁棒性的同时具有良好的最优性。     

矩阵的B-H序和*序

讨论矩阵的B-H序、 *序和左(右)*序之间的关系. 对于部分等距矩阵, 证明了它们之间是一致的.     

向量均衡问题的一个投影迭代解法

将用于求解欧氏空间上数量均衡问题的一种投影迭代法进行了推广,并将这种推广的投影迭代法用于求解欧氏空间上的向量均衡问题.利用非线性标量化函数,将向量优化问题化为相应的数量优化问题,研究了投影迭代法对向量均衡问题的收敛性.结果表明推广的投影迭代法对满足一定条件的向量均衡问题是收敛的.     

黎曼流形上的向量似变分不等式与向量优化问题

在黎曼流形上分别给出广义方向导数、广义梯度、不变凸变集和不变凸函数等概念,定义两类似变分不等式,分别讨论这两类变分不等式与向量优化问题有效解之间的关系.     

一种新隶属度函数的模糊支持向量机

传统的模糊支持向量机隶属度函数都是基于样本与类中心距离进行设计,这对非球形分布数据很不合理.使用类内超平面代替类中心,提出基于样本到超平面距离的新隶属度函数设计方法.该方法克服传统方法的不足,降低隶属度函数对样本集几何形状的依赖,提高模糊支持向量机的泛化能力.数值实验表明,与支持向量机和三种不同隶属度函数的模糊支持向量机相比,新隶属度函数的模糊支持向量机达到最好的分类效果,而且新隶属度方法的简单易行,计算时间少.     

不平衡最小二乘支持向量机

针对标准的最小二乘支持向量机(LSSVM)没有考虑样本分布不平衡的问题提出一种称为不平衡最小二乘支持向量机的算法.首先用标准的最小二乘支持向量机对原始数据进行初步训练,产生一个分离超平面的法向量.然后把高雏样本投影到该法向量上得到一维数据.最后由该一维数据的标准差以及样本数量差异所提供的信息,给出两类数据惩罚因子比例,再用标准的最小二乘支持向量机进行第二次训练,对分离超平面进行调整.该方法克服传统方法只考虑数量的不平衡的不足,将原有样本集中具有的分类信息充分提取出来,提高了最小二乘支持向量机的泛化能力.实验结果表明,所提方法可以有效提高不平衡数据的分类性能.     

基于改进蚁群算法的QoS单播路由优化

对现代通信网中具有时延和带宽约束的QoS单播路由问题提出了一种基于改进蚁群算法的路由优化.该算法结合蚁群系统的特点对基本蚁群算法进行了三方面的改进:在信息素初始化中考虑食物源(目的节点)向周围散发气味的过程;将时廷和带宽信息加入启发式函数;引入"弱淘汰"法则全局更新信息素.仿真实验表明该算法可以更快地找到满足时延和带宽请求的最小费用路由.     

集值优化的严有效性和标量集值Lagrange映射

研究集值向量优化问题在标量集值Lagrange映射下鞍点的性质. 在近似锥 次类凸假设下, 证明了集值优化问题严有效解为鞍点的充分和必要条件. 利用标量集值Lagrange映射建立了集值优化问题的对偶模型, 并得到严有效性下的弱对偶和强对偶定理.     

一类多层线性规划模型的性质

对一类多层线性规划模型 ,提出了可行解的定义 ,并给出了其可行集的基本性质和数值计算结果 .     

发射系统的模糊可靠性

应用模糊可靠性的基本概念和原理 ,分析了一种发射系统 ,获得了该系统的一些模糊可靠性指标 .并对一个实例进行了计算.