位移性在拉普拉斯变换中的应用

本文利用位移性,通过变量代换将非零初始条件转化零初始条件,拓宽了拉普拉斯变换法的使用范围.     

Description of rotational properties of the superheavy nucleus ^256,258,260Rf by projected shell model

Band structure of the Z = 104 nucleus 256Rf has been a recent research focus in nuclear physics. We performed projected shell model calculations for this and some other neighboring Rf isotopes. Specifically, we studied rotational properties of these nuclei and showed that variations in dynamic moment of inertia were sensitive to single-particle structures, which may be useful information for locating the anticipated island of stability. Electromagnetic transition properties were also calculated, and measurable quantities were predicted for further experimental test.     

一种新的函数形式与高次方程的关系——极分

由x=f（x）定义了新的函数表达式,并由这个新的函数表达式讨论了方程共同解的问题以及讨论了一些高次方程的解法及单调性的判断,根据此方法得到了对更为广义的函数的讨论;给出了函数的一种新的表达式.     

图的k-星着色的Grbner基求解

对于具有n个顶点的简单连通图G,首先证明求解G的k-星着色等价于一个多元多项式方程组在{1,2,…,k}上的求解问题,其次使用Grbner基给出求解该多元多项式方程组的方法,从而得到求G的星色数的一个可行途径,最后通过实例验证了此代数计算方法的有效性.     

属性约简的两阶段遗传算法

属性约简是数据挖掘的一个重要研究内容. 为了解决具有多种属性类型的决策表约简问题,在粗集和二元关系聚合理论的基础上,利用属性重要性作为评价标准,提出了一种两阶段遗传约简算法. 算法的第一阶段是为了找出尽可能多的约简,第二阶段力求寻找最小约简. 根据算法每个阶段的目标设计了编码方案、种群规模、适应度函数、终止条件、选择、变异和修正操作. 实验表明,与标准遗传算法相比,两阶段算法在计算最小约简时更为准确和稳定.     

System deployment optimization in architecture design

Optimization of architecture design has recently drawn research interest. System deployment optimization （SDO） refers to the process of optimizing systems that are being deployed to activi- ties. This paper first formulates a mathematical model to theorize and operationalize the SDO problem and then identifies optimal so- lutions to solve the SDO problem. In the solutions, the success rate of the combat task is maximized, whereas the execution time of the task and the cost of changes in the system structure are mini- mized. The presented optimized algorithm generates an optimal solution without the need to check the entire search space. A novel method is finally proposed based on the combination of heuristic method and genetic algorithm （HGA）, as well as the combination of heuristic method and particle swarm optimization （HPSO）. Experi- ment results show that the HPSO method generates solutions faster than particle swarm optimization （PSO） and genetic algo- rithm （GA） in terms of execution time and performs more efficiently than the heuristic method in terms of determining the best solution.     

箱型截面的齐次广义屈服函数与结构极限承载力

针对目前箱型截面广义屈服函数为非齐次函数,采用弹性模量调整法求解箱型结构极限承载力时易出现计算结果受荷载初始值影响和计算精度受损的问题,建立了箱型截面的齐次广义屈服函数,并通过误差分析确定了齐次多项式的阶次,进而定义了箱型截面构件的单元承载比、承载比均匀度和基准承载比,建立了以单元承载比为基本参数的弹性模量调整策略,据此提出了箱形结构极限承载力分析的弹性模量缩减法;并通过算例对该方法进行验证,算例分析表明,该方法计算箱型截面结构极限承载力时,结果不受荷载初始值的影响,具有良好的计算精度和迭代稳定性.     

测试代价敏感的粗糙集方法

在粗糙集模型中,α量化不可分辨关系是强与弱不可分辨关系的推广形式.然而值得注意的是,基于这三种不可分辨关系的粗糙集并未考虑数据中属性的测试代价.为解决这一问题,提出了测试代价敏感的α量化粗糙集模型,从二元关系的角度使得粗糙集模型代价敏感,并将新模型与基于强不可分辨、弱不可分辨以及传统α量化不可分辨关系的粗糙集模型进行了对比分析.进一步地,通过分析传统启发式算法在求解约简的过程中未考虑降低代价这一不足之处,提出一种新的属性适应性函数,并将其应用于基于遗传算法的约简求解中.实验结果表明该方法不仅可以降低由边界域所带来的不确定性而且同时降低了约简后的测试代价.     

基于Kriging模型与重要性抽样的可靠性灵敏度分析

针对因无法获得功能函数的梯度信息而不能使用解析方法的情形,提出了进行可靠性灵敏度分析的高效的仿真方法,首先基于Kriging模型和重要性抽样去计算失效概率,然后通过记分函数(score function)方法求出失效概率对各个参数的偏导数。在计算失效概率时采用反问题(inversion problems)中的不确定性逐步减少(stepwise uncertainty reduction)准则来更新功能函数的Kriging模型,继而在重要性抽样的框架下将失效概率表示成一个"增大"的失效概率与修正项的乘积;而记分函数方法只是对前面抽样方法的一个简单后处理,不需要计算额外的功能函数值.对所提方法使用算例验证表明:当功能函数为昂贵的计算模型或对系统(非单个构件)进行灵敏度分析时,该方法具有较高的计算效率和精度。     

木枣多糖的理化特性研究

木枣经超声波辅助酸性缓冲液浸提、醇沉、脱蛋白和脱色工艺制得木枣多糖,测定其溶解性与单糖组成,采用Q2000型差示扫描量热仪和ZX7M-AR1000型流变仪研究木枣多糖的稳定性和流变性,为其在食品工业中的应用提供理论数据支持。实验结果表明,木枣多糖溶于热水,难溶于冷水,不溶于有机试剂；是由鼠李糖、阿拉伯糖、甘露糖、葡萄糖、半乳糖组成的杂多糖。热学特征分析表明木枣多糖具有较好的热稳定性；木枣多糖溶液为非牛顿假塑性流体,表现出剪切变稀的特性；因此木枣多糖适用于在食品生产工业中做稳定剂。