Optimality Conditions and Duality for Nondifferentiable Multiobjective Semi-Infinite Programming Problems with Generalized(C,α,ρ,d)-Convexity

This paper obtains sufficient optimality conditions for a nonlinear nondifferentiable multiobjective semi-infinite programming problem involving generalized(C,α,ρ,d)-convex functions.The authors formulate Mond-Weir-type dual model for the nonlinear nondifferentiable multiobjective semiinfinite programming problem and establish weak,strong and strict converse duality theorems relating the primal and the dual problems.     

Multiobjective Program with Support Functions Under(G,C, ρ)-Convexity Assumptions

This paper deals with multiobjective programming problems with support functions under(G, C, ρ)-convexity assumptions. Not only sufficient but also necessary optimality conditions for this kind of multiobjective programming problems are established from a viewpoint of(G, C, ρ)-convexity.When the sufficient conditions are utilized, the corresponding duality theorems are derived for general Mond-Weir type dual program.     

GM (1, 1) 模型应用

用灰色系统理论的ＧＭ（１,１）模型,对我国１９９６～２０００年在学研究生数进行了预测。     

时序残差GM (1, 1) 模型

顾及时序残差对灰色ｘ（０）－ＧＭ（１,１）模型精度的影响,提出时序残差ε（０）ｔ－ＧＭ（１,１）模型,并利用时序残差ε（０）ｔ－ＧＭ（１,１）模型和ｘ（０）－ＧＭ（１,１）模型联合进行精度检验和预测,能较好地提高模型精度和预测精度,实例说明是有效的。     

AHP中(0, 2)EM法与(1/9, 9)EM法的比较研究

本文通过对Saaty提出的(1/9, 9)EM法与左军提出的(0, 2)EM法的比较研究, 认为(0, 2)EM法尚存在三点不足之处：(1)判断信息的损失；(2)累积优势度的损失；(3)一致性的损失。并提出一个判别一种比较标度适应性的指标──随机序隐率。     

可修理的(m,N)系统的有效性

这篇文章在单元的失效和维修服从于两个不同的指数分布的假定下,给出了估算(m,N)系统的失效间平均时间的通用方法。最后,对失效单元具有r个并行维修设备这种特殊情形,得出了MTBF的表达式。在本文结尾,对一个特定系统的m和r的不同值进行了计算,并将计算结果制成了表格。     

MGM(1,n)灰色模型及应用

提出多变量灰色模型（ｍｕｌｔｉ－ｖａｒｉａｂｌｅｇｒｅｙｍｏｄｅｌ）—ＭＧＭ（１，ｎ）模型，它是单变量的ＧＭ（１，１）模型在多变量（ｎ元变量）情况下的自然推广。通过对国有建筑施工企业就业人数和城镇集体建筑施工企业就业人数的建模和预测，表明ＭＧＭ（１，ｎ）模型的精度高于分别单独使用的ＧＭ（１，１）模型的精度.     

基于遗传算法的GM(1,1,λ)模型

用差分格式将灰色模型 GM(1,1)模型推广为 GM(1,1,λ)模型 ,λ=0 .5即为 GM(1,1)模型 ;由于参数λ与误差之间存在明显的非线形特性 ,而且某些目标函数不可微 ,使得传统的优化方法无能为力 ,文中应用遗传算法求解最优的 λ值 ,然后进行预测 .由 λ的取值知 ,GM(1,1,λ)模型的预测精度一定比 GM(1,1)高 ,数值计算的结果也证实了这一点 .     

GM(1, 1)与DM(1, l)模型的实质及其参数的最小二乘估计法

ＧＭ（１，１）与ＤＭ（１，ｌ）模型的实质及其参数的最小二乘估计法杨义群，冯恭己（浙江农业大学经贸学院，杭州３１００２９）（杭州大学）ＴｈｅＣｒｕｘｏｆＭｏｄｅｌｓＧＭ（１，１）ａｎｄＤＭ（１，１）ａｎｄｔｈｅＬｅａｓｔＳｑｕａｒｅＥｓｔｉｍａｔｉｏｎ...     

复杂系统的演化过程,n(n-1)律,自聚集

研究一类复杂系统的演化过程,给出一个网络模型,由此导出f(n)=n(n-1),用以在某种程度上定性地描写演化过程中聚集与功能变化的规律。这里n表示agents的聚集数量。熟知的关系式1+1>2是n=2时的特例。当n为小数时,n的增减对系统整体功能的影响显著,此情况将称为“小n机制”。当n充分大时,系统的整体功能将有大跃升,并可用n2度量,称此为“n2效应”。一般情况下,n(n-1)描写聚集-相互作用-功能跃升的模式,用此模式可对不同领域的演化过程作某种解释。     

基于极大极小准则下的 (n,k,m) 卷积码识别

针对现有识别方法仅适用于特定类型的卷积码,以及容错能力有待提高的问题,提出了一种基于改进门限沃尔什-哈达玛变换(Walsh-Hadamard transform, WHT)的(n,k,m)卷积码参数遍历识别方法。首先,将问题分为非系统和系统形式两种情况进行考虑,根据各自结构特点分别建立关于校验多项式的二元域方程,并建立二元假设;然后,遍历不同的参数组合并利用WHT求解对应方程,通过二元判决得到校验多项式,同时为提升方法的鲁棒性,采用极大极小准则对判决门限进行了改进。最后,利用校验多项式矩阵与生成多项式矩阵的正交关系求解生成多项式。仿真结果表明,该方法对各码率的卷积码均能有效识别,且抗误码性能优于传统方法。     

分数阶累加时滞GM(1,N,τ)模型及其应用

基于系统的时滞性,本文建立了时滞灰色GM(1,N,τ)模型,给出了模型的最小二乘参数估计公式以及模型的解析解.在引入分数阶累加生成算子后,将原模型扩展为分数阶累加GM(1,N,τ)模型,当时滞值为非整数情况时,采用相邻整数点加权构造法,完善了模型;通过粒子群算法确定模型最优的分数阶累加生成阶数.最后本文结合武汉市1995-2008年14年科技投入及经济增长的实际背景,分别建立了经典时滞GM(1,N,7)和分数阶累加时滞GM(1,N,7)模型对GDP数据做了预测,比较了两个模型预测结果,发现分数阶累加时滞GM(1,N,7)模型具有更高的建模精度.     

ON(η,d)-CONTRACTIBLE ORBITS OF VECTOR FIELDS

Let ■ be the linear space of all C~1 vector fields X on a compact n-dimensionalC~∞ Riemann manifold(n≥2),endowed with the C~1 norm ‖X‖_1.Write θ(X)for the numberof contractible periodic orbits of X∈(?),which may be finite or infinite.Let (?)~* be the set ofall X∈(?) possessing the property that X has a neighbourhood (?) such that every Y∈(?) hasonly a finite number of singularities and at most a countable number of periodic orbits.Inthis paper,it is shown that any given S∈(?) has a neighbourhood (?) in (?) together with anumber λ=λ(?)>0 such that θ(X)≤λfor all X∈(?).     

基于微粒群算法的GM(2,1,λ,ρ)优化模型

为了提高灰色GM(2,1)模型的预测精度,本文首先对灰色GM(2,1)模型的向前、向后差分进行线性组合出灰色GM(2,1,λ)模型,利用参数λ修正背景值;然后引入参数ρ对原始数列进行数乘变换,进一步将模型拓展为灰色GM(2,1,λ,ρ)模型.由于参数λ,ρ与误差之间为明显的非线性关系,难以解析,本文基于微粒群算法(PSO),给出PSO-GM(2,1,λ,ρ)优化方法.在该方法中,用λ,ρ构成一个二维的微粒群,以绝对的平均相对误差作适应度函数,以其最小为目标,求解最优的λ,ρ值.实例计算表明,该方法收敛速度快,预测精度高于普通模型,而且可满足实际需要.     

非线性优化GM(1,N)模型及其应用研究

GM(1,N)模型在因素一次累加弱化系统指标间波动性和灰性的基础上,建立了各因素线性关系的灰色模型,但其强制性的线性假设以及不够完善的求解方法致使其实际运用较少. 为解决这类问题,文章提出了两个非线性优化的GM(1,N)模型--非线性GM(1,N,x_1~((0)))和GM(1,N,x_1~((1)))模型,即在GM(1,N)白化方程的基础上建立因素间非线性关系,并通过BP网络拟合,最终得出拟合结果和预测值.进一步证明了两种非线性GM(1,N)模型均属于GM(1,N)的派生形式,并提出了运用非线性优化GM(1,N)模型进行指标预测的具体方法. 最后通过一个实例进一步表明该模型的可行性与优化性.     

GM(1,N)模型的离散化结构解

针对灰色系统GM(1,N)模型是以差分方程为基础进行参数估计的,而其时间响应函数却是由微分方程的解得到的。从差分方程到微分方程的跨越,缺乏充分的科学基础和理论依据。通过对灰色系统模型建模机理进行深入剖析,利用采样定理和状态转移矩阵在差分方程和微分方程之间架起一座桥梁,通过算例仿真实验证明了该算法的有效性。     

非等间距GM(1 ,1) 模型建模研究

基于灰色模型的指数特性和积分定义,提出了一种重构非等间距序列的GM(1,1)模型背景值的方法,用该方法重构的背景值更加精确,可以提高GM(1,1)模型的拟合精度和预测精度,进一步拓广GM(1,1)模型的应用范围.     

(α,β)集对限制优势粗糙集及决策模型

针对不完备信息系统中的偏好多属性决策问题,提出了一种基于(α,β)集对限制优势粗糙集的决策分析模型。引入集对优度和关键属性构建一种集对限制优势关系,构造了基于(α,β)集对限制优势关系的粗糙集模型;在此基础上,研究了粗糙近似算子的性质、知识的属性约简和决策规则的提取方法,并采用计算机仿真的方法分析其分类误判率。(α,β)集对限制优势关系比原有的集对优势关系更加符合实际,分类的整体性能更优。比较研究的结果表明:(α,β)集对限制优势关系在保持较高的分类精度和质量的基础上,其分类误判率显著优于集对优势关系和限制相似优势关系。     

多因子灰色$MGM^p(1,n)$优化模型

在多因子灰色模型的几种精确级差格式的基础上 .将误差融入级差格式 ,基于理想状态时的相对误差提出了一种新的灰色模型—— $MGM^p(1,n)$优化模型 .该模型对相对误差具有优良的抗噪性 ,实例表明该模型拟合效果和预测效果相当好.