高斯信道中功率分配问题的一种优化方法

信号检测中,检测概率一直是作为衡量检测性能的一个重要标准.众所周知,Neyman-Pearson准则下的最优检测是似然比检测.然而多传感器系统下随着信号维数增加,似然比检测门限的计算涉及高维积分,计算困难相当大,因此文中考虑的高斯信号检测模型,没有直接计算检测概率而是将两个密度函数的相对熵作为衡量检测性能的一个度量来研究高斯信号检测中功率的分配,并且建立了目标优化模型.针对文中建立的优化问题,首先由加强的Fritz John(F-J)必要条件证明了优化问题的局部最优解满足KKT(Karush-Kuhn-Tucker)条件,并且进一步证明存在惟一的拉格朗日乘子.然后利用凸函数的性质我们说明了D(P1‖P0)是tr(∑s)的非减函数,最后在此基础上得到了优化问题的最优解,即得到了功率分配矩阵.同时也给出了特殊信道下的功率分配矩阵.     

Lagrange方程在非惯性参考系中的表达形式

本文给出了完整定常系统在非惯性参考系的Ｌａｇｒａｎｇｅ方程，并举例说明了该表达式的应用。     

Lagrange中值定量的另一证明

本文我们给出Ｌａｇｒａｎｇｅ中值定理的一个新的证明。     

面近正则外平面地图的色计数函数

首先给出了不可分离面近正则(除根面外,其它每个面的次均是常数k,其中k≥3)外平面地图的色数、根面次和边数3个参数的色计数函数所满足的方程,并给出了它的显式表达式.然后,给出了可分离面近正则外平面地图的色数、根面次和边数3个参数的色计数函数所满足的方程.     

FROM MANUFACTURING SCHEDULING TO SUPPLY CHAIN COORDINATION：THE CONTROL OF COMPLEXITY AND UNCERTAINTY

With time-based competition and rapid technology advancements, effective manufacturingscheduling and supply chain coordination are critical to quickly respond to changing marketconditions. These problems, however, are difficult in view of inherent complexity and variousuncertainties involved. Based on a series of results by the authors, decomposition and coordination byusing Lagrangian relaxation is identified in this paper as an effective way to control complexity anduncertainty.A manufacturing scheduling problem is first formulated within the job shop context withuncertain order arrivals, processing times, due dates, and part priorities as a separable optimizationproblem. A solution methodology that combines Lagrangian relaxation, stochastic dynamicprogramming, and heuristics is developed. Method improvements to effectively solve large problemsare also highlighted. To extend manufacturing scheduling within a factory to coordinate autonomicmembers across chains of suppliers, a decentralized supply chai     

基于拉格朗日插值的签名方案的研究

提出基于拉格朗日插值的签名方案存在小数位问题,并通过引入向量计算机制以消除数字签名中的小数位问题,最后对其进行了证明.     

二阶线性方程解与乘子的关系

讨论了二阶线性方程的乘子与解的关系，据此寻找可积方程。     

多参数Wiener过程平方函数积分的重对数律

设Ｗ（ｔ）是ｄ维参数Ｗｉｅｎｅｒ过程，我们在此文中证明