伽罗华环上线性递归关系的求解

利用伽罗华环上元素的p-adic表示，对有限域上的Berlekamp-Massey算法加以改进，解决了伽罗华环上的序列综合问题，即求解最短的线性递归关系，使之生成伽罗环上的已知序列。该算法可以应用于某些循环码的解码。     

连续k-out-of-m:G系统可用度的估计

针对目前文献中研究连续k out of m:G系统可用度少的情况,从统计角度出发使用极大似然估计和Bayes估计在不同情况下对该系统可用度作出了估计并得到了相应的估计公式。若已有系统或元件的失效时间和修理时间分布的先验信息,则使用Bayes估计,反之使用极大似然估计,并用该方法分析了连续k out of m:G系统的特例:串、并系统。得到了串、并联系统可用度的估计式和相应的置信区间。估计公式实用简便。     

基于拓展C-OWGA算子的多属性群决策方法

目的为求决策方法的简洁实用,研究决策信息为区间数的多属性群决策问题。方法将连续的OWGA(C-OWGA)集结算子拓展到不确定环境之中,提出了一些不确定信息(区间数)集成新算子,如加权的C-OWGA(WC-OWGA)算子、有序加权的C-OWGA(OWC-OWGA)算子以及混合的C-OWGA(HC-OWGA)算子。结果结合区间数的运算法则,利用HC-OWGA算子对决策信息进行集结而获得方案的排序。提出了基于HC-OWGA算子的不确定多属性群决策方法。结论算例表明该方法是可行有效的,且该方法有良好的应用前景。     

基于二次规划与相对优势度的不确定多属性决策法

针对属性权重未知且属性值为区间数的不确定多属性决策问题,提出了一种新的决策分析方法。该方法的核心是基于加权属性值离差平方和最大,建立一个二次规划模型,通过求解该模型获得属性权重,从而由加性加权法得到方案的综合属性值,进而利用各方案的相对优势度和对方案进行排序。最后,通过算例说明方法的可行性和实用性。     

基于网络流矩阵求解网络最大流

通过建立网络流矩阵及相关概念，研究其性质，从理论上提出了基于网络流矩阵的最大流求解方法，并且给出了严格的数学证明和具体步骤。主要采用了节点流量平衡、转化为矩阵、矩阵降阶的思想。这些思想的应用具有重要的理论意义，同时也为研究最小费用最大流问题开辟了新途径，和其它方法比较，本文的方法具有操作简单、易于实现等优点。     

不确定集结算子及其在多属性决策中的应用

针对方案评估中属性信息的不确定性,提出了一个基于不确定信息的多属性集结算子。该算子将有序加权平均(OWA)算子和广义平均算子相结合而成的广义有序加权平均(GOWA)算子推广到不确定的环境中,提出了一个广义不确定有序加权平均(GUOWA)算子。并且给出了基于GUOWA算子的不确定多属性决策方法,最后的实例说明该方法的有效性和合理性。     

Star网络的限制边连通度

Star网络被认为是超立方体网络的良好替代.而限制边连通度作为传统边连通度的推广是互连网络容错性的一个重要度量.通过考察一些Star网络的拓扑性质,证明了当n≥4时,它的限制边连通度是2n-4.     

求解多目标优化问题的多智能体遗传算法

目的 在求解多目标优化问题时，总是希望获得尽可能多的Pareto解，且这些解能够较均匀地分布在目标空间的Pareto边界上。方法 通过引入智能体的概念，并将多个智能体组成的多智能体系统与经典遗传算法相结合，给出了一种求解多目标优化问题的多智能体遗传算法。结果 对每个智能体在其邻域内进行局部Pareto寻优操作，而不是在整个群体中进行Pareto寻优，从而保证了群体的多样性，并在一定程度上抑制了种群的早熟现象。结论 该方法能够找到问题的分布较均匀的Pareto最优解。     

两个鳞状因子循环矩阵相乘的快速算法

借助于快速付氏变换(FFT)技术。给出了计算两阶鳞状因子循环矩阵之乘积阵的一种快速算法，其算法复杂性为O(nlog2n)。最后给出一个算例。     

不确定性多属性决策的一种新方法

讨论了属性值为区间数的一类不确定性多属性决策问题。将属性值转化为决策者的满意值后,结合决策者的满意值和属性本身的权重,提出了一种不同于简单加权算子(SWA)和有序加权平均算子(OWA)的新的融合算子。通过引入区间数比较的可接受度定义,给出了方案排序的一种算法。实例说明了该方法的有效性。