Newsboy型商品最优广告费用与订货策略的联合确定

为使销售商合理地、科学地制订广告投入策略和相应的订货策略 ,通过将广告投入对需求的影响引入 Newsboy问题 ,建立了广告投入策略与订货策略联合确定的随机模型 ,证明了不确定性环境下的最优广告投入量应小于确定性环境下的最优广告投入量 ,提供了应用实例并分析了模型参数变化对最优策略的影响.     

DIDSS环境下信息agent系统任务规范的分解

提出一个基于GDF(扩展决策函数)的多agent任务规范分解判据，提出多agent的任务规范分解性质；将多agent任务规范分解问题等价为建立一个与信息agent任务规范属性相关的MSBN(多模块贝叶斯网)问题，并证明了MSBN的d-cutset(d-割集)和分解判据之间的关系，提出了与多agent任务规范对应的MSBN的分解方法．最后通过示例验证了所提出的方法的可行性。     

层次分析法中几种标度的比较

提出了用保序性、一致性、标度均匀性、标度可记忆性、标度可感知性、标度权重拟合性等标准,综合评价层次分析法中的不同标度;并用上述标准对现有的几种标度进行了比较,结论是:对单一准则下的排序,各种标度法都具有保序性,因而建议使用1～9标度;对精度要求较高的多准则下的排序问题,建议使用指数标度e0/5～e8/5或e0/4～e8/4.     

基于ns-2的SSM组播模型仿真

组播技术能以高效、可扩展的方式发送点到多点、多点到多点数据。传统的组播模型与协议存在可扩展性差等问题，至今未能在Internet得到广泛应用。新型的SSM组播服务模型，能克服传统组播模型的缺点，有望在Internet上得到广泛应用。本文实现了SSM组播服务模型，并对SSM实现机制进行了分析，利用所实现的SSM组播模型进行了仿真实验，论证了SSM组播模型的简单与高效性。     

基于Rough Set理论的判断矩阵构造方法

群决策支持系统（GDSS）是利用信息技术，将多个决策者个人对策该领域的理解及个人判断能力结合在一起，利用结构化决策分析技术，对半结构化和非线结构化问题进行求解，层次分析法是对定性问题作定量分析的一种简便而有效的方法，提出了一GDSS环境下判断矩阵构造的新方法；运用业集理论；利用管理信息系统运行所积累的大量决策数据来分析各决策因素，决策者对决策目标的影响，并建立自学习系统，从而构造具有完全一致性的综合判断矩阵，该方法适用于重复群决策问题。     

基于学习的证券市场专家预测意见合成研究

针对证券市场的专家预测意见的特点，研究了将学习、证据理论与协同学理论引入证券市场专家预测意见合成的理论与方法．讨论了将专家的历史预测数据用基本可信数表示作为学习样本，对初选专家进行聚类分析选择有协同效应的专家．该方法用神经网络优化基本可信数的修正系数，再用Dempster合成规则进行预测意见的合成．实验结果表明该方法应用于解决实际问题时具有较好的效果．     

基于信息素递减的蚁群算法

通过对蚂蚁巡游路径的分析,发现经典蚁群算法在解决旅行商问题(TravelingSalesmanProblem,TSP)时的缺陷,在此基础上给出了新的信息素更新公式,提出了基于信息素递减的蚁群算法。新算法避免了蚂蚁在寻找最优解的过程中,由于禁忌表元素的逐渐增加而限制蚂蚁巡游路径选择的缺点,减少了巡游后期信息素对于后继蚂蚁的影响,提高了后继蚂蚁的巡游质量。通过具体的算例分析,表明此算法比传统的蚁群优化算法(AntColonyOptimization,ACO)算法有更快的收敛速度和非常好的稳定性。     

空间聚类算法中的K值优化问题研究

在典型的空间聚类算法K-平均法和K-中心法中,K一般为用户事先确定的值,然而,实际中K值很难被精确地确定,往往表现为一个模糊的取值区间。在此提出距离代价函数的概念,建立了相应的数学模型并设计了一个新的K值优化算法,对空间聚类K值优化问题进行了初步的研究。     

交互式多智能体进化算法及其应用

将多智能体技术应用于交互式进化计算领域，提出一种新的交互式多智能体进化算法。该方法让固定在网格上的相邻智能体之间展开竞争和熏优智能体本身的自学习，来提高智能体的能量，从而使得算法获得较强的全局收敛能力和局部搜索能力。算法以较快的进化速度收敛，并且用户每次只需要选择2个左右最感兴趣的个体，使得评价具有易操作性和轻松性，从而有效缓解用户的疲劳。服装设计的仿真实验证了算法的可行性和有效性。     

判断矩阵的Hadam ard凸组合

给出了具有实际意义的判断矩阵 Hadamard凸组合的定义 ,并证明了判断矩阵 Hadamard凸组合的一个性质 .