基于Hotelling模型促销活动策略采取的进化博弈分析

传统的Hotelling模型中,交通成本用于比拟消费者购物时发生的负效用.在现实经济生活中,商家会采取促销活动策略,以增强自家商品对他家商品的替代性,抵消消费者购物时发生的负效用.构造了一个可以由商家选择支付交通成本、商品降价空间受指导价约束的Hotelling模型,以商家提供免费购物车的方式,比拟现实生活中商家采取的多种促销活动,研究了原有的交通成本转移到商家后,对商家的销量、价格和利润的影响,以及竞争商家可能的应对.进而以进化博弈论为工具,研究了商家采用各项策略的进化稳定性.结果表明:为获取长远利益,商家采取促销活动策略,以及竞争商家的应对策略,都应结合需求、竞争、指导价水平、商品价格、促销成本等多种因素综合考虑.     

基于MPSO-BP的RBF网络自构建学习算法

采用PSO混合编码,提出了一种基于混合MPSO-BP的RBF自构建学习算法。该算法中,每个粒子由整数与实数两部分构成,分别对RBF的基函数个数及相关参数(中心、宽度和输出层权值)进行编码。同时设计了一个特殊的适应度函数,在保证精度的前提下,使网络的结构相对简单,以增强网络的自适应与泛化能力,减少主观因素设计对网络性能的影响。仿真实验表明,相对于RBF其他学习算法,所提算法隐节点少、精度高、泛化能力强。     

一种在未知噪声下的快速波达方向估计方法

提出了一种基于传播算子方法的波达方向估计（direction of arrival, DOA）算法,和传统的子空间方法相比,该方法不需要进行矩阵特征分解,有效降低了运算复杂度,同时它对相干信源有更高的分辨率。另外,传统的传播算子方法只在噪声协方差矩阵已知并且信噪比（signal-to-noise ratio, SNR）较高的情况下才有很好的分辨率,而本方法在未知相关噪声场中也能够保持非常高的精度。最后,引入了基于混沌优化思想的谱峰搜索算法,进一步减少了算法运算时间,并通过仿真实验验证了文中结论。     

基于VEGA PRIME的集束火箭仿真训练系统的研究

介绍了基于Vega Prime的集束火箭视景仿真训练系统的软硬件平台及开发该系统所用到的关键技术。在所用到的关键技术中,详细介绍了在MFC框架下开发基于Vega Prime的视景驱动程序的方法,并给出了相关程序代码;阐述了激光随动系统的工作原理及如何实现集束火箭单发和连发火箭弹的飞行,给出了碰撞检测方法和爆炸特效的制作方法,介绍了训练参数的设置方法以及模拟训练考评系统的工作原理。     

战争舆情演化建模研究

在分析媒体传播效果、人际传播效果为影响战争舆情演化主体(个体)立场演变的主因基础上,采用自底向上的基于Agent的建模理论与方法对战争舆情演化复杂系统进行建模研究,详细描述了媒体Agent影响力以及个体Agent立场演化致因两类模型,给出了个体Agent立场演化依据以及规则,初步实现了某地区战争舆情演化模型原型系统,并进行了仿真实验与分析。结果表明,模型的建立为量化研究舆情演化问题提供了一种思路。     

空间监视卫星捕获识别能力建模与仿真

首先在监视载荷性能指标模型和空间目标特征模型的基础上,建立便于仿真的捕获识别能力模型。接着利用VC++6.0设计开发空间监视卫星捕获识别能力仿真软件,通过不同监视轨道和不同监视载荷及其组合,对不同空间目标的捕获识别能力进行仿真。最后得到了有关监视轨道选取和载荷搭配的结论。     

基于跳跃时间和幅度的BDI指数波动幂律分布特性研究

BDI指数是国际航运市场的风向标,摸清BDI指数波动幂律分布特性,对于进一步掌握运费规律、预测BDI趋势、协助航运决策等方面具有重要意义.基于此,本文对已运行30年BDI指数的波动幂律分布特性进行了详细研究,主要特色有:一是借助Pareto、Exponential以及Fokker-Planck函数首次深入探讨了BDI指数波动幂律分布特性.二是在跳跃识别的基础上,构建了基于跳跃时间和跳跃幅度两标度的BDI指数波动幂律分布特性分析模型,并转化成最小二乘法的线性回归测算模型.三是对BDI指数日、周和月增长率的跳跃时间和跳跃幅度幂律分布特性进行了实证分析.结果表明:BDI指数具有尖峰薄尾的增长率分布和波动聚集性;Fokker-Planck函数拟合BDI指数增长率跳跃时间更合适;Exponential函数拟合BDI指数增长率跳跃幅度更合适;BDI指数增长率跳跃时间和跳跃幅度都具有薄尾幂律特性,且向上、向下幂律呈现对称性.     

基于重构信道的组分层空时系统接收天线选择

针对采用排序的串行干扰消除检测的组分层空时系统,提出了基于重构信道QR分解的接收天线选择算法,该算法用子信道Frobenius范数排序代替Moore-Penrose伪逆行范数排序得到置换矩阵,降低了计算复杂度.并给出了基于重构信道的快速算法,该算法比常规信道快速算法具有显著的性能提升.仿真分析表明,该算法在中断容量上与最大容量算法接近,重构信道QR分解算法与基于伪逆排序方法性能相近,重构快速算法性能稍有下降,但复杂度更低.     

基于RSOM聚类的局部线性嵌入算法

局部线性嵌入算法(locally linear embedding,LLE)是一种非线性降维方法.当数据量较大时,算法计算效率较低,算法运行所占用的内存空间较大.为了提高LLE算法的计算效率和减小算法运行时占用的内存空间,给出了基于RSOM(Recursive SOM)树聚类的LLE算法,通过RSOM树对数据集进行聚类,在保证输入样本依概率分布的同时显著降低算法复杂度,提高了映射效果.仿真实验表明,基于RSOM树聚类的LLE算法相对于原始的LLE算法,其算法效率有了显著提高,明显降低了算法运行所占用的内存空间,同时很好地学习了高维数据的流形结构.     

一种基于结构熵的类内聚度度量方法

内聚度是指模块内各成分之间的联结强度。在面向对象软件系统中,内聚度主要是指类内部的属性和方法之间的联结强度。在类依赖图的基础上,提出了一种基于结构熵类内聚度度量方法,从类的属性与属性、属性与方法和方法与方法之间依赖关系3个方面对类的内聚度进行度量。并综合以上3种内聚度给出了一个类内聚度的度量方法,为评价类的内聚度提供了指南。