一类分式规划的算法

如何求解分式规划的最优解是一个比较困难的问题。本文主要针对一类分式规划问题，利用变换，把求解分式规划的问题转为求解非分式规划的问题，从而降低了求解问题的难度。     

组合式复杂大系统优化的解耦方法

本文在分析了组合式复杂大系统特点的基础上，提出了这类系统求解的解耦方法，这一方法包含系统的分形，分形系统的求解和分形解的合成三部分，是这类系统求解的理想方法之一。     

方块脉冲函数用于PWM系统最优控制分析与综合

本文基于方块脉冲函数理论，分析了脉宽调制系统的精确方法，给出了便于计算机求解的递推算式，将ＬＱＰ（线性二次型问题）最优控制问题转化为求解多元函数最优化问题，避开了Ｒｉｃｃａｔｉ方程的求解，得到了状态反馈形式的分段综合控制表示式，以及最优控制的分段恒定解和最优状态轨线。     

基于问题求解一般过程的信息资源整合过程

通过对问题求解一般过程的分析，将问题求解过程进行了划分，并给出了相应的数学描述，然后阐述了问题求解过程中的交互作用问题。在此基础上，介绍了一种信息资源整合的过程方法，并将其应用于实际项目的建设。     

基于遗传算法求解区间数AHP判断矩阵的权重

研究区间数判断矩阵的一致性和权重向量的求解，指出现有研究方法的不足，即没有考虑一致性及其对权重向量求解的影响，求解过程计算复杂，不能准确反映权重向量的取值范围．对此，提出用局部一致性和一致性程度两个指标来度量区间数判断矩阵的一致性，并建立一个新的权重向量求解模型，针对该模型特点，设计遗传算法求解，对算法参数取值进行了分析，最后通过两个例子说明新方法的有效性．     

求解延迟微分方程的ROSENBROCK方法的渐近稳定性

数值求解延迟微分方程的Rumge-kutta方法和θ－方法已经有了较深入的研究。本文适当改造求解微分方程的Rosenbrock方法，构造了一类求解延迟微分方程的Rosenbrock方法，证明了这类方法是GP－稳定的，而且这类方法的GP－稳定性与求解常微分方程的Rosenbrock方法的A－稳定性等价，数值试验表明这类方法是有效的。     

一类排序问题的通用模型与最优解

讨论把ｎ个零件安排给ｍ台机床加工的一类排序问题。在建立了该问题的通用数学模型基础之上，巧妙地把这个排序问题的求解问题转化为指派问题的求解问题，为该排序问题找到了一个理想的通用求解方法。     

群决策问题的一种求解方法

本文提出了一种求解各决策问题的模型。首先，每个决策者给出对候选方案偏好度量，然后求解群体的偏好序以使所有决策者对群体序的不满意度最小。本文还给出了模型的求解算法。     

考虑道路坡度因素的低碳VRP问题模型与求解策略

经典车辆路径问题（vehicle routing problem，VRP）模型不考虑道路的坡度，通常以最小化车辆行驶总距离、总耗时或派送车辆数为目标函数. 在考虑道路坡度因素的基础上，提出了以配送车辆总能耗最小为目标的低碳车辆路径问题模型 （energy consumption minimizing low-carbon VRP，ECM-LCVRP）；然后，以带能力约束的车辆路径问题 （capacitated VRP，CVRP）为参照，分析了 ECM-LCVRP 的解空间大小及基本算法改进法则在ECM-LCVRP 中的执行复杂度，发现ECM-LCVRP较CVRP更加难以求解，并且分析了不同坡度下 ECM-LCVRP 和 CVRP 的区别与联系；另外，基于配送方案的能耗值与行驶距离正相关的规律，提出了求解不同道路坡度环境下 ECM-LCVRP 的双目标策略 （two objective strategy，TOS）；最后，设计了40个 ECM-LCVRP 算例，并采用综合了算法基本改进规则的混合局部搜索算法 （hybrid local search，HLS）和HLS+TOS 两种方式求解，求解结果表明：在不同的运算时间内，TOS 策略均能够有效地提高HLS的求解质量，且求解时间越短，TOS的效果越明显.     

求解模糊线性规划问题的拟人化算法

提出一种求解模糊线性规划的拟人化算法．它模拟人的调节过程，将模糊控制思想嵌入到遗传算法的变异与交叉算子之中求解出一个模糊优解，取代了以往利用单纯形求解模糊线性规划问题的一个最优解．实验结果表明，算法有潜力解决实际的规划问题．     

交通分布模型的一致性研究

重力模型、增长系数模型和最大熵模型是交通分布的代表模型,有不同的适用条件,但在实际应用中其计算结果却极为接近,本文从理论上证明了这几种模型的一致性,证明过程中选择双约束重力模型,底特律模型和引入重力式先验概率的最大熵模型(重力式熵模型)进行分析.根据重力式熵模型的原理写出其规划问题,求解并进行等式转换,证明了重力式熵模型与重力模型及底特律模型具有相同的表达形式,并在实际规划问题中应用三种模型进行预测.结果显示重力式熵模型与这两种模型是一致的,预测结果存在的微小误差产生于不同的迭代过程,为重力式熵模型的实际应用提供了理论依据.     

基于贝叶斯CAViaR模型的油价风险研究

CAViaR模型是常用的VaR估计方法之一, 但通常面临参数估计和模型检验的困难. 本文发展了贝叶斯CAViaR模型用于分析油价风险, 并考察该模型在参数估计、模型选择、VaR预测等方面的作用. 采用布伦特原油价格日数据, 研究显示贝叶斯CAViaR模型有效控制了估计风险和模型风险, 且具有较好的VaR预测绩效, 优于传统CAViaR模型. 本文同时指出, 油价VaR存在自回归特征并受前期正负收益率的不对称影响. 不对称斜率CAViaR模型有效刻画了油价VaR的动态变化模式.     

石油期货对冲比率的模型选择:交互作用与模型风险

采用结构BEKK模型、传统BEKK模型、OLS模型估计石油期货对冲比率,从交互作用和模型风险的角度分析对冲比率的模型选择问题。基于布伦特原油期货与现货价格日数据的研究显示,结构BEKK模型的石油期货对冲绩效优于传统BEKK模型,预示对冲比率的估计要考虑交互作用;结构BEKK模型的石油期货对冲绩效在次贷危机前优于OLS模型,在次贷危机后劣于OLS模型,预示模型风险影响石油期货对冲绩效。进一步分析表明,石油期货对冲比率的估计模型应当根据市场状况和油价走势选择结构BEKK模型或OLS模型。本文研究为风险管理实践提供了决策依据。     

基于虚拟样机的电传动履带车辆性能仿真

建立和分析履带车辆动力学数学模型;应用多体动力学软件RecurDyn建立履带车辆动力学模型及地面模型,通过MATLAB/Simulink建立驱动电机控制系统模型,联合动力学模型与控制系统模型构建完整的整车虚拟样机;利用该虚拟样机对整丰的运动学及动力学分析,并与实车试验数据对比,验证了整车虚拟样机模型仿真的正确性,为电传动履带车辆的研发提供了新的试验方法.     

反映式与构成式测量模型的差异：基于TAM的实证研究

测量模型的选择是实证研究过程中的重要环节，区分反映式测量模型和构成式测量模型是正确构建管理理论的基础.在分析反映式和构成式两种测量模型差异的基础上，以技术采纳模型为例，通过对7次共1951份实际调查数据的分析，利用偏最小二乘法的结构方程模型，实证比较了两种测量模型在不同的样本规模、不同的研究情境和不同调查时间下外部效度和对内生潜变量解释能力上的差异.研究结果表明反映式测量模型具有稳定的外部效度，构成式测量模型的外部效度受到样本规模、研究情境和调查时间的影响；在因变量解释能力方面，构成式测量模型比反映式测量模型强的假设没有得到支持，即使当构成式测量模型误设为反映式测量模型时，其因变量解释能力也不一定显著增强.     

两因子常见利率模型在上交所债券市场的实证分析

以上交所债券价格隐含的利率期限结构从1996-03～2003-02的周样本数据作为分析对象,实证研究了常见的利率模型:Vasicek模型、CIR模型、仿射模型、广义高斯仿射模型,利用卡尔曼滤波法,估计了连续时间两因子利率模型。从模型给出的利率与实际观测到的利率的平均绝对误差来看,这些模型可以较好地描写利率期限结构的横截面特征,广义高斯仿射模型最好,仿射模型次之,CIR模型与Vasicek模型难分高下。但模型对各年期利率的预测误差表现出一定的序列相关性,说明这些模型不能够很好地描述利率期限结构的时间序列特征。     

基于Gamma滤波的压电陶瓷动态迟滞建模研究

融合Gamma滤波和PI模型的结构,提出压电陶瓷的动态迟滞模型.借鉴PI模型的结构, 对Gamma滤波的各个环节的输出通过RBF神经网络进行静态非线性变换,并在其后与一个动态神经网络串联, 构成了一种新的神经网络迟滞模型.与静态PI 模型不同,由于新模型中含有动态的类迟滞算子与动态神经网络串联.所以, 所提出的迟滞模型是一种动态的迟滞模型.对压电陶瓷实际测量数据逼近和预测的结果表明,所提出的动态迟滞模型精度高,具有较强的泛化能力.     

S-型软件可靠性模型的修正与性能评价

本文通过引入自由经验参数的方法对基本S-型软件可靠性增长模型进行修正,着重讨论了修正S-型(MS-型)模型和S-型模型、NHPP模型、W-NHPP模型的统一问题,导得了统一模型参数的最小均方误差估值计算公式,并提出了一种估值经验参数的方法。实例应用结果表明,通过对模型引入经验参数修正可以提高其参数估值的有效性和模型对实际软件失效数据的拟合性能和预测能力,不失为一种改善软件可靠性模型性能的有效途径。     

PEMFC混合模型的建模及其稳态仿真

模型和仿真是设计最优燃料电池系统的有利工具。本文提出了一种新型的混合燃料电池模型,该混合模型包括机理部分和黑箱部分(即神经网络部分)。其中,机理部分用来体现大家所熟知的PEMFC性能,神经网络部分用来表现大家所不知或者不能用机理模型来表现的PEMFC性能,从而使该模型能更好的再现PEMFC的各种特性。为了验证该混合模型的有效性,在Matlab/Simulink环境下进行了不同阴极压力和温度下的仿真实验,结果证明了该混合模型的正确性。该混合模型与实验数据、机理模型和ANN模型的比较实验,表明混合模型具有比单独的机理模型或神经网络模型更高的精度。