等Randi(c)能量的随机六角系统生成算法

六角系统是一个2-连通的平面图且其内部面是由单位长度为1的正六边形结合而成.设计算法生成由一个正六边形随机扩展出包含 n(n≥1)个正六边形的六角系统图,并计算其规范拉普拉斯矩阵及其 量,同时给出该六角系统图的确切图形.最后利用并行算法生成一系列点数相等的六角系统图,寻找等Randi?能量的非同构六角系统图.     

矩阵力学与波动力学等价性证明的历史分析

矩阵力学和波动力学是量子力学的两种早期形态。前者由海森堡、约当、玻恩提出,后者由薛定谔提出。1926年,薛定谔给出二者之间等价性的证明。随后,泡利、狄拉克、约当、冯·诺伊曼等人或是为等价性证明给出新的版本,或是给出了间接的论证。这两种力学现在已被表述为海森堡绘景和薛定谔绘景,而数学家近来又从量子化问题出发对其等价性做出新的考察。本文对此历史过程进行回顾分析,以评估等价性问题对物理发展的意义。     

不同烈度区典型结构易损性对比分析

为了研究不同烈度区各典型结构地震易损性差异,对汶川地震中都江堰市砌体结构、钢筋混凝土框架结构、底部框架-抗震墙砌体结构等7 099栋房屋的震害数据进行统计分析。分别考虑楼层数、建造年代与抗震设防因子耦合影响,给出了各结构类型的对比分析模型曲线。在不同烈度区构建各结构实际震害易损性矩阵及其非线性连续型回归模型,分别给出了实际震害累计超越概率与震害等级的易损性曲线。提出平均震害指数易损性矩阵模型,运用典型结构实际震害矩阵对其进行验证,根据其模型验证结果建立了该市基于该参数的易损性矩阵及多维度曲线模型。     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

基于Kriging模型的多点加点准则和并行代理优化算法

针对并行仿真环境下复杂工程系统的优化设计问题,提出一种基于Kriging模型、多目标策略和聚类方法的并行代理优化算法.该算法的多点加点准则,以同时优化期望改进准则和可行性概率准则为目标,首先生成兼具目标响应改进和可行域边界刻画功能的备选试验点集;再利用聚类方法从备选点集中选取多个有代表性的新试验点.通过两个数值算例和一个工程算例,将所提并行优化算法与已有算法做比较,结果表明所提算法具有更高的优化精度、效率和稳健性.     

中距协同空战决策过程二次聚类重构与评估

未来空战将以中距空战为主，找出导致中距空战结果的原因是开展贴近实际的中距空战智能决策需解决的重要问题。针对空战训练过程中记录数据分布的复杂特点，建立了中距协同空战训练评估模型，提出了基于高阶导数聚类和相对模糊熵聚类的二次聚类方法，计算编队协同决策集，实现编队中距协同空战决策过程重构。以编队协同搜索和协同机动决策的角度，寻找编队协同决策与中距空战结果的相关性，并通过实例评估验证了聚类算法的合理性。     

基于粗糙集和证据理论的设备状态评估方法

为准确判定复杂设备健康状态，提出一种基于粗糙集理论和证据理论的健康状态评估方法。鉴于粗糙集只能处理离散指标，首先提出一种基于动态模糊C-均值聚类算法的连续型评估指标的离散化方法；再通过基于互信息的属性约简算法对复杂设备健康状态评估指标进行约简；然后对约简的评估决策表进行处理，构建基本信度分配函数；最后利用D-S合成规则进行多指标合成得到健康状态，进一步挖掘评估指标与健康状态间的关系。实例研究及对比分析表明该方法能有效提高决策可信度，减少评估的不确定性。     

结合蝙蝠算法改进的密度峰值聚类算法

密度峰值聚类算法(Denisity peaks clustering,DPC)具有聚类速度快、实现简单、参数较少等优点,但该算法的截断距离参数需要人工干预,并且参数的选取对于该算法的结果影响较大。为了解决这一缺陷,该文提出了结合蝙蝠算法改进的密度峰值聚类算法。该算法利用蝙蝠算法较强的寻优能力,寻找合适的截断距离取值,同时对蝙蝠算法的速度更新公式加入了自适应惯性权重来加强全局搜索能力。该算法选择多种数据集进行了实验仿真,并与其他同类算法进行对比。经过对比验证,结合蝙蝠算法改进的密度峰值聚类算法在聚类准确率上要明显优于其他算法。