对现行工程招标投标制度的思考

从经济学角度分析了现行招标投标制度,对我国工程招标投标制度中的一些问题进行了反思,并提出了相关的建议和措施。     

受约束时间最优控制问题罚函数法收敛性分析

通过罚函数方法,受约束时间最优控制问题的求解可转化为对带罚函数的无约束最优控制问题的求解.文中证明当罚因子趋于无穷大时,用罚函数构造的无约束最优控制问题的解收敛于原来受约束时间最优控制问题的解,从而为用罚函数方法求解受约束时间最优控制问题提供理论保证.     

施工现场管理浅谈

从技术管理、材料管理、人员管理、资料管理、安全管理以及成品保护等方面,简述了施工企业搞好施工现场管理工作的必要性及具体措施。     

多字体字符识别的分级协同模型

提出了一种用于多字体字符识别的分级协同神经网络模型。该分级模型的识别由两部分组成：Haken的协同网络确定识别进入哪个协同子网;用协同子网进行具体识别。对大量实际采集得到的多字体字符样本的测试表明：新模型能有效地提高协同神经网络对多字体字符的识别率,但由于仍保留了识别速度快的特点,所以新模型适用于实时的光学字符识别应用,对加噪字符的识别试验表明该模型具有很好的鲁棒性。     

进化算法的收敛速度

遗传算法、进化规划和进化策略这三类进化算法都是基于对自然进化的模拟,其区别在于产生下一代群体的规则不同,但下一代群体的产生又都是仅依赖于其父代,因而进化算法的运行过程可以视为一个Ｍａｒｋｏｖ过程,其状态转移矩阵可以表示成一个统一的形式．利用矩阵范数的基本性质,得到了进化算法收敛速度的一个下界,同时也得到了进化算法收敛性的一个证明,并由此解释了遗传算法能很快地得到一个较好的解而要花费较长时间才能得到最优解的原因,为今后加快进化算法收敛速度指出了一个可行的研究方向     

一种基于模糊推理的神经网络学习算法

提出了一种新的神经网络学习算法．相对于其他学习算法，该算法侧重于网络参数的调整，通过对样本集的模糊推理、调整和分类学习来实现自适应的神经网络学习．结果表明，该算法能大大提高神经网络的学习速度和学习效率，并能从样本集中得到反常样本和小概率事件样本，对小概率事件样本有很好的学习能力．     

对常用选择算子的分析

讨论了最能体现遗传算法“自然选择、适者生存”特点的选择算子 ,给出了在传统的基于适应值比例的选择算子作用下染色体的变化规律及极限性能 ,同时也指出了此类选择算子的一些不足之处 .还给出了一类改进的基于适应值大小顺序的选择算子对染色体数量的影响方式 ,说明了其优越性 .讨论结果表明 ,今后可以更进一步改进和完善选择算子 ,提高遗传算法的性能 ,从而扩大遗传算法在各个领域的应用