考虑车辆间博弈行为的交通流

从二维城市道路元胞自动机交通流模型和一维道路元胞自动机模型两个方面介绍车辆间博弈行为对交通流的影响.总结了目前交通流研究中引入合作者和背叛者之后,道路交通状况的改变.通过考虑车辆之间的博弈行为,研究司机驾驶行为对道路上车流量的影响,希望找到能使交通系统车流量达到最大的驾驶行为准则.     

金融市场价格标度行为的实证研究

应用扩散熵方法分析道琼斯工业平均指数概率分布函数P(x,t)的标度行为,得到反映其内在特性的标度值,同时给出了不同时间尺度t下扩散过程的对数概率分布函数log10(P(x,t)),该分布函数中心符合Lévy分布,两端具有胖尾特征.由于扩散过程的概率分布函数是非Gaussian型,因此应用扩散熵方法分析其标度行为优于其他方法,而采用实数阶矩估计的标度值明显偏离扩散熵所计算的值.     

统计物理与复杂系统研究最近发展趋势分析

本文将统计物理与复杂系统研究分为非线性科学、复杂性科学和其他相关研究3个方面,通过对相关重要专业期刊进行统计,对统计物理与复杂系统研究最新发展趋势进行了分析,深入讨论了上述3个方面当前各自的焦点问题,并特别介绍了我国的一些研究组在上述各领域做出的重要成果.     

倍周期序列吸引子稳定性转变中的普适结构

非线性耗散动力学系统吸引子轨道的稳定性由李雅普诺夫指数表征。规则吸引子的李雅普诺夫指数呈现平台的结构及关于平台的严格对称性我们对于一般的均匀耗散二维映射,给出了这种平台及对称性结构存在性的解析证明,对于Henon映射:     

带电粒子在电磁波驻波中的随机运动

对带电粒子在电磁波驻波中的运动作为一个不可积哈密顿体系的动力学问题进行了研究.在庞加勒映射截面上考察了稳定周期岛、KAM 环及混沌区随驻波场强的变化.对不同场强下随机轨道的李雅普诺夫指数和柯尔莫哥罗夫熵进行了数值计算.应用哈密顿变分原理对表征定态的不动点岛被混沌海淹没的临界参数进行了解析确定.     

自组织临界性与大规模森林火灾的防治

对经典的自组织临界性森林火灾模型进行了数值模拟,在此基础上,重点对我国1960,1970,1980和1987年前后,以及日本1995年前后的森林火灾发生情况进行了比较,分析了大规模森林火灾的发生频率与中小型森林火灾之间的联系.结果表明森林火灾模型可以描述森林火灾系统的自组织临界性,并与真实的森林火灾数据符合得较好.森林火灾系统的自组织临界性对火灾防治有一定的指导作用.     

从小世界网络看构建和谐社会

从分析复杂网络中的小世界网络的演化模型和功能特性出发,讨论了当今党和政府构建和谐社会的重要性、必要性和可行性,以及构建和谐社会的6大基本内涵之间的关系.     

人类的迁徙行为与社群合作之演化

通过空间结构(规则格子、连续平面和复杂网络)框架中的空间演化博弈研究,揭示无偏向的迁徙行为对于合作究竟起何作用.研究发现:迁移对于合作起一种普遍的作用,无论其空间结构如何.如果迁徙得太快,合作者将由于无法形成抵抗背叛者攻击的合作者簇团而难于生存.但若迁徙得慢一些,则与无迁徙静态的空间博弈比较,合作将显著强化,这是由于合作者沿着合作者簇团边界的随时加入积累而使得合作者簇团边界趋于硬厚坚固.在迁徙速度适中的情况下,合作者簇团之边界变得比无迁徙静态情况下更为牢固,边界附近的背叛者可以被合作者吸收同化,从而使合作者簇团膨胀,这又使得合作更加方便.同时还特别研究了引入满意度控制的迁徙对于合作演化所起的作用,用广泛的模拟加启发式的解释来证实迁徙所起的普遍性的作用.     

基于网络拓扑统计的恒生证券指数处理

为分析香港证券市场恒生指数(HSI)的动力学特性, 依据粗粒化处理的同质划分方法, 将HSI的时间序列转化为由4个特征字符{R, r, d, D}构成的HSI符号序列. 由符号序列中的16种2-字串的元结构(即16种HSI变化模式)为网络的节点构建了一个加权证券指数网络, 这一网络将证券市场指数波动和变化模式的相互关系和相互作用等信息编码在网络的拓扑结构之中. 通过对网络的拓扑参数中介中心性的测量, 发现在两个量级的时间间隔标度范围内, 至少有3个高中介中心性的网络节点, 即网络中18.7%的节点承担了网络的71.9%的中介中心性功能, 它们所代表的HSI变化模式具有很好的统计稳定性, 识别这些具有拓扑统计重要性的节点模式对于理解证券市场的波动规律以及信息传输特性有积极意义. 对比计算了随机网络节点的中介中心性, 其中每一个节点的中介中心性能力几乎是均等的, 没有一个节点显得特别地突出, 这些表明香港证券市场在统计意义下是稳定的而不是随机的.     

个性化推荐系统的研究进展

互联网技术的迅猛发展把我们带进了信息爆炸的时代。海量信息的同时呈现,一方面使用户很难从中发现自己感兴趣的部分,另一方面也使得大量少人问津的信息成为网络中的“暗信息”,无法被一般用户获取。个性化推荐系统通过建立用户与信息产品之间的二元关系,利用已有的选择过程或相似性关系挖掘每个用户潜在感兴趣的对象,进而进行个性化推荐,其本质就是信息过滤。个性化推荐系统不仅在社会经济中具有重要的应用价值,而且也是一个非常值得研究的科学问题。事实上,它是目前解决信息过载问题最有效的工具。文中根据推荐算法的不同,分别介绍了协同过滤系统,基于内容的推荐系统,混合推荐系统,以及最近兴起的基于用户一产品二部图网络结构的推荐系统。并结合这些推荐系统的特点以及存在的缺陷,提出了改进的方法和未来可能的若干研究方向。推荐系统的研究受到了信息科学、计算数学、统计物理学、认知科学等多学科的关注,它与管理科学、消费行为等研究也密切相关。能够为不同学科领域的科研工作者研究推荐系统提供借鉴,有助于我国学者了解该领域的主要进展。