基于改进DEA模型的工业企业技术创新能力评价

针对传统数据包络分析(DEA)方法的C2R模型存在的无法对有效的决策单元加以区分以及输入和输出指标权重分配不合理问题,通过引入两个虚拟决策单元,建立了区分有效决策单元的改进DEA模型.利用该模型可以求得各决策单元的公共权向量,从而实现了对所有决策单元的区分和排序.通过将该模型应用于工业企业技术创新能力评价,验证了该模型可以区分传统C2R模型求得的有效决策单元,并使对决策单元的评价更为合理.     

一种二元决策图底事件排序的新方法

故障树分析(Fault Tree Analysis, FTA)是对系统进行可靠性分析的一种有效方法.而在现在所有的故障树分析中,二元决策图(Binary Decision Diagram, BDD)又是其中最有效的方法之一.由于BDI)的节点数在很大程度上依赖于输入的底事件的排列次序,所以从故障树到BDD的转换过程中,需要先对底事件进行排序.而如何对底事件进行有效的排序则成为一个重要且未完全解决的课题.本文提出了一种新的底事件排序法--相邻底事件优先法.其基本思想是利用故障树的相邻关系来给其赋予不同的排序优先级.该排序方法所具备的特点包括:其底事件排序过程是静态的,但在BDD的构造过程中,能动态地对已经排序的底事件进行筛选,同时它还支持在BDD的不同分支采用不同的底事件排序方法.实验证明,与现有的最优方法相比,相邻底事件优先法可有效提高75%的故障树的BDD转化效率.     

基于半圆阵的解模糊技术研究

传统的干涉仪测向解模糊方法要求特定的天线阵列形式,其应用容易受到可利用体积的限制.针对传统测向解模糊方法在实际系统应用中的问题,提出了任意基线测向原理并建立了任意基线测向模型.对建立模型的镜像模糊问题、多值模糊问题进行了分析并且提出了解决方法.为解决被动雷达多模复合制导导引头体积受限的问题建立了半圆阵天线阵列模型.时建立的模型进行了Matlab仿真,验证了方案的可行性.     

基于HLA的卫星轨道机动仿真研究

针对STK(Satellite Tool Kit)在联合作战仿真中实时互操作能力的不足,提出了一种灵活的基于HLA(High Level Architecture)的卫星轨道机动仿真系统设计方法。建立了圆轨道之间平面内霍曼转移、平面外单脉冲和双脉冲轨道转移三种轨道机动模型,设计了多视图可视化表现子系统和仿真对象模型(Simulation Object Model,SOM)。与STK的仿真结果对比表明了该方法的可行性和模型的有效性。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

基于面向对象模型库的DSS可重用体系结构研究

通过对DSS中模型结构的研究,给出了基于面向对象模型库及其动态管理系统的DSS可重用体系结构,以及该体系结构的实现方法与工作流程.最后介绍了该项研究的应用情况.     

我国6大境外客源市场旅游本底趋势线的建立

提出了旅游本底趋势线的概念,并依据1984年～1996年客流量统计数据,建立了日本、美国、英国、德国、法国和澳大利亚6大境外市场来华旅游的本底趋势线;利用本底线延伸的预测功能,预测了6大境外市场未来4年的变化趋势.     

保险公司破产概率的估计及随机模拟

研究人寿保险的破产模型 ,其中保单到达和索赔发生时刻为相互独立的 Poisson流 ,索赔额服从指数分布 .针对此模型给出了 t时刻之前破产概率的一个上界估计 ,并给出了破产概率的随机模拟计算流程和一个具体例子的数值模拟结果.     

商品流转过程中动态成本优化控制方法与实践

针对商品进销存流转过程的费用问题 ,提出了建立费用数学模型的方法 ,并对经销过程中的动态成本优化问题给出了一系列算法 ,其中的保本保利模型与算法揭示了经营成本变动与商品在库时间的内在联系 ,为成本的优化控制奠定了基础 ,具有很好的理论研究意义和实际应用价值 .     

生物种群Logistic扩展模型灰色增量生成参数辨识方法及应用

提出 Logistic扩展模型 LM(n,1 )的一般形式 ,将内禀增长率 r扩展为具有复合振动特征的时变参数项 ,相应参数的生物、生态学意义明确 .基于灰色 GM (n,1 )微分动态建模原理 ,按离散数据序列特点 ,探索出灰色高阶增量动态 GMS(n,1 )建模原理与方法 ,为 LM (n,1 )模型及若干生长曲线模拟提供了有效、规范的参数辨识方法 .GMS(n,1 )模型的信息包容量丰富 ,适用范围广 .实际模拟结果表明精度极高