威布尔模型的参数估计方法——极大似然法

利用概率论中极大似然法的理论来探讨威布尔参数估计问题，并利用MATLAB的相关命令、函数对它们进行了部分编程，主要讨论了三参数威尔尔模型的极大似然函数、参数估计和MATLAB程序。     

混合指数威布尔分布的参数估计

应用ECM算法,研究了混合指数威布尔分布在完全数据场合下的参数估计问题,并模拟说明ECM算法来估计混合指数威布尔分布是一种容易实现又非常有效的方法.     

双边定时截尾下指数威布尔分布的参数估计

基于双边定时截尾样本,考察了指数威布尔分布的极大似然估计,由于无法得到似然方程的显式解的表达式,所以证明了解的唯一存在性.用EM算法可以处理不完全数据下参数的估计问题,得到了EM算法估计的迭代式.用R软件进行了随机模拟,结果表明当样本容量n较大时,采用极大似然估计较为准确,当样本容量n较小时,采用EM算法估计较为准确.     

用插值法求威布尔分布位置参数估计

提出用插值法求三参数威布尔分布中位置参数估计，并对其合理性给出了证明。     

基于FPSO-SA算法的威布尔分布参数估计研究

为解决威布尔分布等复杂分布模型采用常规方法很难直接进行参数估计的问题, 提出了基于模糊粒子群模拟退火算法的威布尔分布参数估计。该算法根据粒子个体纵向和横向运动特性, 引入模糊逻辑推理动态调整惯性权值因子, 提高了粒子群算法(PSO: Particle Swarm Optimization)的收敛速率; 将上述模糊粒子群算法(FPSO: Fuzzy Particle Swarm Pptimization)与模拟退火算法(SA: Simulated Annealing)结合, 以FPSO算法的速度位置更新公式作为SA算法的状态生成函数, 再运用Metropolis算法以概率接受新状态, 获得全局最优参数估计值。将基于上述智能算法的参数估计法运用到威布尔分布参数估计中, 提高了参数估计精度。实际应用表明, 该参数估计方法在复杂分布模型参数估计中具有可行性和有效性。     

三参数威布尔分布的参数估计方法

给出三参数威布尔分布参数的分位数估计、拟矩估计和改良的极大似然估计，用随机模拟方法研究这些估计和简单估计等的优良性．在优选估计的基础上给出了可靠度的Ｂｏｏｔｓｔｒａｐ置信限．     

威布尔分布位置参数估计的性质

文[1]提出用右逼近法求三参数威布尔分布位置参数的估计，本文对这种估计的性质进行了讨论。     

修正的扩展林德利—威布尔分布

介绍了一个新的分布——修正的扩展林德利—威布尔分布,该分布表示为相互独立的林德利—威布尔分布和指数分布幂的商.研究了该分布的概率密度函数、风险函数和矩,并使用最大似然法估计出分布中的参数值,最终利用实际数据验证了该分布对具有过度峰度的正数据建模的有效性.     

三参数威布尔分布参数估计的合理性

本文证明了文^[1]提出的三参数威布尔分布参数估计的合理性。     

关于威布尔分布的一种参数估计方法

在可靠性理论研究与应用工作中,需要计算产品平均寿命。而产品的平均寿命与产品的失效分布类型以及分布的参数密切相关。但在实际工作中,产品的失效分布类型及其参数值常常是难以准确确定地计算出产品的平均寿命的数值。针对此问题本文首次联合利用中位秩及最小二乘法给出了估计威布尔分布参数的一种新方法,给出了平均寿命置信限的估计,并结合实际试验数据进行了计算。     

一种三参数Weibull分布极大似然估计的求解方法

提出了一种求解极大似然估计的新算法.根据极大似然估计原理求出尺度参数的表达式,把该表达式代入对数似然函数,使对数似然函数中只包含位置参数和形状参数,把求解非线性方程组问题变成了求解满足约束条件的最优化问题,使问题得到了简化.该法具有计算精度高、运算速度快的优点,利用EXCEL的规划求解即可求解,便于工程应用.     

一种改进的自适应蚁群算法及其应用研究

蚁群算法作为一种新型的模拟进化算法,具有分布计算和信息正反馈等优点,但蚁群算法与其他进化算法一样存在收敛速度慢,易陷于局部最优等缺陷。针对这一问题,提出一种改进的蚁群算法,结合遗传算法和图论中的最邻近算法,并自适应地初始化信息素和限定信息素的大小范围。将该算法应用于旅行商问题（traveling salesman problem,TSP）求解,与基本蚁群算法比较,数值实验结果表明,这种改进算法能有效抑制算法陷入局部最优的缺陷,从而提高了解的全局搜索能力和解的质量。     

一种改进的自适应蚁群算法及其应用研究

蚁群算法作为一种新型的模拟进化算法,具有分布计算和信息正反馈等优点,但蚁群算法与其他进化算法一样存在收敛速度慢,易陷于局部最优等缺陷。针对这一问题,提出一种改进的蚁群算法,结合遗传算法和图论中的最邻近算法,并自适应地初始化信息素和限定信息素的大小范围。将该算法应用于旅行商问题(traveling salesman problem,TSP)求解,与基本蚁群算法比较,数值实验结果表明,这种改进算法能有效抑制算法陷入局部最优的缺陷,从而提高了解的全局搜索能力和解的质量。     

三参数威布尔分布贝叶斯估计的混合Gibbs算法

利用混合Gibbs算法(Gibbs抽样与Metropolis算法的混合)给出了完全样本和定数截尾样本两种情形下三参数威布尔分布的贝叶斯估计.作为应用举出了三个实例,通过Monte Carlo模拟求得参数的贝叶斯估计及可信区间,给出混合Gibbs抽样过程中参数的轨迹图、直方图及自相关系数图,并将模拟结果与相关文献进行了比较.     

一类基于改进Weibull分布模型的 电力电缆寿命评估方法

对电缆的剩余寿命进行评估是电缆寿命管理的关键环节,以往电缆寿命评估的方法中有Arrhenius方法和Weibull分布模型。对这两种方法分别进行分析,特别是确定Arrhenius模型中激活能的计算,以及应用Weibull分布模型对电缆寿命进行评估。最后以实际电缆的状态监测数据,对简化的Arrhenius模型进行仿真,说明所提出的方法是有效的。     

用蚁群系统研究天空亮度分布模型

利用了一种崭新的求解复杂优化问题的启发式算法——蚁群系统来研究信息分析法天空亮度模型。通过蚁群系统对天空亮度各影响要素的分析优化处理,得到天空亮度相对分布表达式的各系数值。并在此基础上开发了一套方便实用的天空亮度模型计算软件,提供直观而方便的计算手段。该模型具有较高的精度,这为天然光利用,特别是采光设计的高精度和标准化工作提供了无论理论上还是运用上都非常有价值的结果。     

基于混合蚁群算法的物流配送路径问题

蚁群算法在解决旅行商等著名问题时得到了卓有成效的应用,但解决大规模问题时,其收敛速度较慢且耗时较长;同样,郭涛算法在解决复杂优化问题时取得了良好效果,但会产生大量无为的冗余迭代,求解效率低;文章汲取蚁群算法和郭涛算法的优点,提出混合蚁群算法,建立混合蚁群算法数学模型,得到时间效率和求解效率都比较好的一种新的启发式算法.     

改进蚁群算法实现医药配送的最佳方案

以蚁群算法为核心,建立了蚁群算法的数学模型。为提高算法收敛速度和全局搜索能力,提出了改进算法思想并用计算机加以实现。通过实验和仿真计算,证明了改进的蚁群算法能更加有效且快速地求得问题最优解或近似最优解,从而说明了蚁群算法实现优化医药配送路线的可行性。     

蚁群算法研究进展

人工蚁群算法是受到蚂蚁在觅食过程中能发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来的一种群体智能算法、蚁群算法在求解一系列困难的组合优化问题上取得成效，成为解决TSP，VRP，QAP，JSP等典型问题的一种新型的强有力算法．对蚁群算法的起源和发展历史、算法理论研究的主要内容和方法、基于算法的改进以及应用范畴等，进行了系统的总结与综述，并对这一新型现代启发式算法的发展方向进行了展望．