城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

考虑单元互测的测试性指标分配方法

测试性分配是将系统级测试性指标按照一定规则分配给各组成单元的过程。针对现有主流测试性分配方法未考虑单元之间的互测情形,导致分配结果不合理,尤其是部分单元分配指标虚高,难以实现或代价过高等问题,提出了在综合考虑单元故障率、故障危害度等多重影响因素基础上,进一步考虑单元互测因素的测试性指标分配方法。首先实施考虑多重影响因素的指标初次分配;然后基于单元测试性初步设计结果,实施测试性建模与分析,得到单元自检故障率与他检故障率;再利用这两个数据以及初次分配结果构造分配函数实施再次分配,进而得到最终的分配结果;最后应用该方法进行仿真和实例运算,证明了该方法的有效性和先进性。     

重庆汽车产业配置与地域类型

运用产业经济学和区域经济地理学的原理、结合地理学的分析方法,着重探讨了重庆汽车产业配置地域运动过程和促使其演变的原因.划分重庆汽车产业分布为四种地域类型:“嘉陵江东岸与长江北岸型”;“长江南岸型”;“嘉陵江西岸型”;“飞地型”.对重庆汽车产业配置特点,存在问题作了深入地剖析与揭示,并对今后调整作了初步的设想.     

关于Dirichlet级数的一个注记

本文对一类Ｄｉｒｉｃｈｌｅｔ级教给出了的关系，此处Ｘ（Ｘ）＝Ｘｐ（Ｘ）是实数集合Ｐ的特征函数．     

城市土地规划的优化方法研究

以多目标决策理论、组合优化理论以及预测科学技术为依据 ,首先建立了土地功能配置模型 ,帮助规划师对各种不同功能土地的片面布置进行分析 ,从而找到最合理的城市土地布局 ;然后以遗传算法作为优化工具 ,对建立的模型进行了优化。     

二阶循环数列方程的特征根解法

就应用常微分方程的常系数线性微分方程解法的理论解决递归数列中二阶循环数列方程问题进行了论述 ,由此可看到高等数学对初等数学的指导作用 .     

Dirichlet公式的简化证明及应用

本文给出了Ｄｉｒｉｃｈｌｅｔ公式的一个简化证明，极易掌握。利用这一公式导出了一个含双参数的级数及其和的表达式。适当选取参数，得出了几个新的收敛级数。     

户籍制度改革与劳动力资源配置

分析了现行户籍制度的弊端：劳动力市场多重分隔、劳动力交易成本居高不下、劳动力的非正常供给和劳动力的逆向需求。针对存在的问题，从劳动力资源合理配置的角度，提出了渐进性户籍制度改革的总体思路和具体措施。     

用狄利克莱公式计算张量

对惯量张量、电四极矩用积分法计算和狄利克莱公式计算作对比,表明用狄利克莱公式[1]计算简洁、方便.并指出计算一类非均匀类椭球体惯量张量及电四极矩的计算方法.