弹性滚柱与刚性平面稳态滚动接触问题的边界元分析

用边界元法分析弹性滚柱与刚性平面的接触问题,需要采用迭代算法。文章在小变形、不计惯性力及摩擦力服从库仑摩擦定律的前提下,采用凝聚法计算大大缩短了迭代时间;针对边界元法中近边界点的几乎奇异积分,文中采用一种新的正则化技术,将奇异积分化为无奇异的规则积分与解析积分之和,成功地求解了滚柱内近边界点的力学参量。     

运输问题表上作业法的网络分析（Ⅰ）

为求解运输问题的表上作业法提供一种新的理论解释和这种理论解释的某些应用．文中建立了运输问题的网络模型，给出了最大可行流算法并论证了算法的正确性     

以能量损耗最小为目标函数的网络重构

在改进的最优流模式算法的基础上，提出了一种具有实用价值的以电能损耗最小为目标的网络重构算法．对于负荷曲线的处理提出了一种估算和修正的方法．这种估算负荷的方法充分利用了配电网现有的原始数据，其精度满足工程要求．为减少计算时间，还提出了一种将负荷曲线分段并形成相应的计算负荷和持续时间的方法，该方法可明显地减少计算时间，而其所带来的误差不影响重构的最终结果     

不同边界附近气泡的三维数值模拟与实验值对比研究

基于势流理论,引入涡环模拟气泡的环状气泡阶段,运用边界元法求解流场中气泡的运动,且计及结构的弹塑性,将边界元法与有限元法耦合计算气泡与弹塑性结构之间的相互作用,并开发相应的三维计算程序．利用自主开发的程序分别模拟了自由场中、近自由面、近壁面以及近弹塑性结构附近气泡的三维动态特性,并与现有的实验数据进行对比分析,计算值与实验值之间误差在10％以内．通过研究不同边界附近气泡的动态特性,揭示不同边界条件对气泡复杂动态行为的影响,旨在为相关的气泡动力学研究提供参考．     

基于层次网络的最大流求解方法

针对最大流问题的研究现状,提出了分层求解最大流的简单方法,并给出了该方法可行的严格证明。该方法首先求得层次网络的阻塞流,进而最终求得一个最大流。另外,该方法还针对有向流网络的特点,将算法中涉及的流网络、剩余网络和层次网络共用一个网络结构,既有效地降低了算法的空间复杂度,还大大提高了算法的执行效率。     

基于生成树的无线Mesh网络数据流负载均衡

针对统一链路容量的无线Mesh网络的数据流负载均衡问题,提出了基于最大剩余流生成树算法.首先利用近似最大流算法求解每条链路上的碎片流量,然后利用最大剩余流生成树将多径路由转化为单径路由,最后将原始流量在每条单独路径上进行缩放.所提算法可以保持用户公平性前提下尽可能提高网络吞吐量.该算法最初思想来源于ROUND算法,但是...     

最大一致流问题的一个逼近算法

通过建构辅助网络，以K0ne和Vygen于2000年所给出的一个求最大多种物资网络流问题的逼近解的完全多项式算法作为子程序进行二分搜索，给出了一个新的求解最大一致流问题的逼近算法．然后，进行算法分析，说明了所建立的算法是拟多项式算法，并且给出与证明了一个有关输出的流与输入问题的解之间的逼近关系．该项工作表明从一个多种物资网络流问题的算法出发通过变换求解其他有关问题是可行的，并且为研究网络流问题提供了一种新的方法．     

一种配电网潮流简化算法及其实现

为了解决采用传统的方法进行配电网潮流计算所面临的实际困难，介绍了一种配电网潮流简化算法，结合配电网的辐射型树状结构，采用了二叉树理论和递归的方法，实现了此算法，并通过实际算例表明了提出的算法的精确性，大大简化了配电网潮流计算的计算量，节省了计算的时间和空间。此算法在计算网络改变运行方式的潮流计算时，其计算时间会更小。     

多产品供应链网络的建模与绩效分析

为了研究多产品供应链库存控制问题,构建了一种网络模型,提出了一种解析方法求解模型的主要性能指标.该方法通过任务队列分解分析求解各节点的主要性能指标,通过合并输入流和分解输出流来连接网络中的各个节点.数值试验验证了文中所提方法的有效性.     

三维Helmholtz方程的边界点方法

将移动最小二乘近似和边界积分方程相结合,提出了求解三维Helmholtz方程内外边值问题的无网格边界点方法.该方法用单层位势理论将Helmholtz方程转化为间接边界积分方程,并用边界点法离散间接边界积分方程.由于边界积分方程中含有基本解的积分计算时会出现弱奇异,详细推导了弱奇异积分的计算方式.数值算例表明了间接边界点法求解三维Helmholtz方程的有效性.     

位势问题边界元法中几乎奇异积分的完全解析算法

导出了一种完全解析积分算法，用这种算法计算了平面位势问题边界元法中近边界点的几乎奇异积分。当内点离某单元较远时，保持常规高斯积分模式；而当内点离某单元较近时，因常规高斯积分结果失效，用本文的完全解析积分取代常规高斯积分．该算法适用于线性插值计算，对二次元，可将近边界点附近的二次元分解为两个线性元，该算法同样有效。算例证明了本法的有效性和精确性。二次元计算结果比线性元计算结果更精确。     

网络最小费用最大流双目标遗传优化算法

针对将网络最小费用最大流问题转化为单目标优化问题进行求解的缺陷,提出网络最小费用最大流的双目标优化模型,并引入多目标遗传算法.对最小支撑树对应的余树弦流量初始值进行编码,通过解码和回路矩阵计算流量网络树枝的流量.在网络最小费用、最大流量双目标函数和网络结点容量、网络分支容量约束条件基础上,按照多目标优化理论构建增广最小...     

多流股换热器网络综合问题的优化算法设计

多流股换热器网络综合问题是一个混合整数非线性规划问题（MINLP）,这类问题规模大、约束条件多,严重的非凸非线性使得目标函数存在多个局部最优解．传统的基于梯度的优化算法在求解时极易陷于局部最优．有鉴于此,本研究采用遗传算法解决此类问题,通过对遗传算法进行改进,针对简单遗传算法存在的早熟和运行参数难以确定的问题,设计了多样性保持算子和多种群进化的算法结构;计算时运行参数自适应确定,并把模拟退火算法思想引入遗传算法子代的生成中去．实例证明,采用所构造的算法可有效求解MINLP问题,并有利于寻求到全局最优解．     

全特解场边界元方法及其在计算振动体声辐射中的应用

文章提出边界元全特解场法原理，并给出了关于线弹性静力学和声辐射问题的有关计算公式．该方法通过一系列给定的特解场来计算边界积分方程的系数矩阵，不仅可以避免计算奇异积分，也不需要插值和数值求积．计算量大幅度减少，而且对边界角点的处理也很方便．全特解场方法不仅可以求出边界未知量，而且可以方便地计算出包括边界点和近边界点在内的任意点的位移和应力．文中给出了关于弹性静力学和声辐射问题的两个算例，计例结果表明：本文提出的方法计算量小、精度高、是求解偏微分方程边值问题的有效方法．     

基于标号法求解网络最大流算法的研究

近年来,随着各种网络的飞速发展,对最大流问题的研究也取得了很大的进展.本文简述了网络最大流问题的现状,提出了一种求解网络最大流与最小截问题的算法.此算法使得计算网络最大流变得简便,且具有很强的实用性.     

电力现货市场下的输配协同缓解阻塞模型与求解

电力现货市场中需协调调度输电网中可控资源实现对传输阻塞的缓解。考虑配电网中含有大量分布式电源以及可响应负荷，提出了以配电网公司作为主体参与电力现货市场阻塞管理的双层优化调度模型。输电网层以阻塞调度成本最小为目标，对各配电网公司的可控负荷和常规机组协同调度。配电网层以配电网电压波动和用户响应满意度为目标，在满足配电网安全约束的前提下，对配电网中资源进行协同调度。采用ATC算法对上下层模型进行求解，获取最优调度策略。最后对IEEE9节点的输电网和改进的两个配电网组成的输配全局电网进行仿真，验证所提方法的有效性。     

求解不确定性力/热奇异性问题的模糊比例边界元法

采用比例边界元方法与模糊算法相结合,提出新的求解不确定性奇异性问题的数值模型,对裂纹尖端应力及奇异性热流密度进行分析.对于奇异性问题,利用比例边界元方法,在空间离散中对边界进行离散,有效地求解奇异性问题.同时,利用模糊算法将不确定的参数处理为模糊数,利用区间转换方法计算,得到每个隶属度下的相应结果,避免了传统模糊方法所引起的过高估计.针对两种奇异性问题,分别探讨了不同收敛精度、不同时间步长、不同角度参数对所对应的不同隶属度下区间分析结果的影响.文中给出了相应的数值算例,并将分析结果与解析解以及Monte Carlo方法数值解进行对比.数值算例验证了模糊比例边界元方法具有较高的计算精度、计算效率及收敛性.     

网络计划最低费用日程的一种新解法

根据网络计划的特点,在求解其最低费用日程时,引入最小割的概念,从而改进了该问题的求解方法。文中给出了解决问题的算法流程,并附有算例.此法运用较简便,且易于计算机计算,自动化水平高,因而便于有关人员采用.     

Signorini问题的无网格投影迭代法

Signorini问题是一类重要的数学物理问题,该问题的Signorini互补条件位于边界上,特别适合用边界型方法求解.利用投影算子,首先将Signorini边界条件转化为不动点方程,得到Signorini问题的迭代格式,然后用无网格边界点方法求解.此种算法的优点在于只须在原有的无网格边界点程序中做少量的改进,且迭代效率高,计算误差小.数值结果表明,该算法较边界元方法更有效.     

用最小费用流的允许边算法求解指派问题

构造指派问题的最小费用最大流模型,并将基于对偶原理的允许边算法用于该模型,提出了求解指派问题的一种新算法。该算法按照互补松驰条件,通过修改已标号节点的势,在容量-费用网络中逐步扩大允许网络,并在其中增广流量,直至求得容量-费用网络的最小费用最大流,此最大流中的非0流边即对应于指派问题的最优指派。在迭代过程中,后续迭代充分利用了上一迭代的信息,有效节省了计算量。对于非标准指派问题,可以直接求解,而不需要先将其转化为标准形式。