基于事例推理的车辆路径问题智能建模方法

针对传统的人工离线建模难以适应现实环境中车辆路径问题动态性这一缺陷，以车辆路径问题的机器建模方法为研究内容，以提高建模工作的实时性和智能性为目标，提出了基于事例推理的智能建模方法。该方法使用基于属性-建模知识重用度的多层加权最近相邻检索方法实现事例的检索；使用基于规则的推理方法完成旧事例建模经验的复用与建模结果的调整。基于这一智能建模方法，实现了车辆路径问题智能建模的原型系统。系统的应用表明，该建模方法在速度币口有效性方面符合实际环境的基本要求。     

卫星观测联合调度问题的VRP与JSP模型

针对一类具有车辆路线和加工调度混合特征的卫星观测联合调度问题，对车辆路线和加工调度两类常见的优化问题模型及其求解技术进行了比较研究，探讨了两类模型的相互转化形式及模型特征与求解技术问的相互关系，在此基础上，给出了一种可行的卫星观测联合调度问题的建模方式，并利用约束规划工具软件进行了实现。与其它形式模型的比较表明，所建模型的求解效率和质量更适合大规模卫星调度问题的实际应用需求。     

预测自适应Gauss混合模型线谱频率的量化

为了实现高质量低速率的语音编码,提出了高效线性预测Gauss混合模型(Gaussian mixture model,GMM)线谱频率参数量化算法(LP-GMM-LSFQA)。线谱频率(linear spectral frequency,LSF)参数先去均值,经过一阶线性预测,得到残差信号,将残差用协方差矩阵为对角阵GMM量化算法进行量化。在此基础上,利用反量化后参数自适应更新GMM的加权系数和均值,进一步提出了预测自适应GMM-LSF量化算法(LP-AGMM-LSFQA)。实验表明:LP-GMM-LSFQA在20 b/帧时量化性能超过预测分裂矢量量化22 b/帧时的量化性能,节约2b/帧;LP-AGMM-LSFQA量化性能优于LP-GMM-LSFQA。     

关于Gauss-Per Kai型数值积分方法

该文利用带权Gauss型数值积分的构造方法和Per Kai多项式推导出了Gauss-Per Kai求积公式,估计了截断误差,并做了一些推广。由实例说明该方法具有节点简单及精度高等优点。     

平稳高斯序列的联合渐近分布

{Xn}为标准的平稳高斯序列,在弱相依条件下,文章得到了此序列的第k个最大值Mn(k)与其出现的位置Ln(k)的联合渐近分布,以及此序列的前k个最大值的联合渐近分布。     

PHIGS在CAD/CAM特征建模中应用

新的图形标准PHIGS具有许多优点。本文对这些特点进行了归纳,并阐明了PHIGS的操作环境和核心结构,最后给出了PHIGS的核心结构在CAD/CAM特征建模中的应用例子。     

多个区间上平稳序列的最大值及最小值

在条件D(υ_n,u_n),D′ (υ_n,u_n)下,本文将平稳序列的最大值与最小值的渐近独立性推广到有限个不相交区间上,得到定理 {ξ_n}为平稳序列,满足D(υ_n,u_n),D′(υ_n,u_n),u_n=x/a_x+b_x,υ_n=-y/c_n+d_n,a_n>0,c_n>0,J=(α_in,β_in,),i=1,2,…,s,0≤α_1<β_1≤α_2<β_2≤…≤α_n<β_n<∞.如果P(α_n(M_n-b_n)≤x,c_n(M_n-d_n)>-y)→G(x,y)     

密度进化及其简化形式

密度进化方法是分析现代高效纠错编译码渐近性能的新方法.在简要阐述低密度奇偶校验码(LDPC码)及其和积算法的基础上,较系统地论述了密度进化方法的基本原理.该方法在不同信道下有不同的简化形式.针对规则LDPC码详细给出了在AWGN信道下确定其门限值的高斯近似及删除信道近似方法.该方法可操作性强,能在未进行误比特率(BER)仿真的情况下分析码字性能,对高效纠错编译码的优化设计具有重要的指导作用.     

基于UML和XML Schema的作战计划建模

通过对作战计划基本构成的分析 ,提出作战计划的核心元素是“任务”和“行动”。利用面向对象的方法 ,建立了作战计划的数据模型 ,并用 UML静态关系图描述了该模型。在当前没有直接可参照标准的情况下 ,提出了从 UML静态关系图到 XML Schema的转换规则。以转换规则为基础 ,构造了作战计划的 XMLSchema,建立了作战计划的文件实例 ,为作战计划的可视化建立了基础。