灰靶决策的灰效用理论研究

提出了灰效用函数的概念，给出灰效用函数存在的公理体系，讨论了灰靶决策的灰效用理论，以期为灰信息下的决策－灰靶决策提供了理论基础。     

基于社会网络与知识传播网络互动的集群超网络模型

针对集群中社会网络和知识网络如何相互作用的问题,构造了由社会网络和知识网络构成的超网络模型.根据超网络中的社会关系水平和知识传播种类2个决策变量,建立了个体基于知识种类、社会关系价值、知识传播的风险、收益、成本等不同偏好下的多目标最优决策模型.在此基础上,运用变分不等式理论,得到同时满足所有个体最优目标约束条件的社会关系水平和知识传播种类的分布(流),发现了超网络的均衡状态.最后,通过对浙江产业集群发展内在机制的剖析及对南浔周边麻业集群的实证结果,佐证了所提出的模型和分析结果.     

知识型企业资源配置的多Agent模型及仿真分析

借助多Agent模型和Swarm仿真平台,对知识型企业知识资源与物质资源在不同控制结构下的协调配置进行建模与仿真研究,比较了自组织与中央控制两种控制结构在不同参数状态下的优缺点,并分析得出自组织结构有利于知识型企业更快地从创立初期过渡到稳定时期、知识型企业创立初期知识资源的短缺易导致自组织结构的企业走向衰亡等一些传统优化方法难以得到的结论。     

对478名学生体能现状的调查分析

为了全面了解现代大学生体能健康现状,制定符合新时期体育健康教育要求的评价标准,我们采用调查问卷、随机抽样与检测样本数据的方法,经体育统计科学处理的分析评定,揭示当代大学生体能与现代生活方式存在负面影响。为不断改进我校体育教学模式,为进一步以人为本,提高学生体能健康水平,与时俱进开拓学校体育工作新局面提供科学参考依据。     

基于超网络的优势学科与战略新兴产业对接组合机制研究

如何实现学科优势向产业优势转化,提升企业创新能力是当前我国经济转型期具有重要意义的问题.针对亟需培育和发展壮大的战略新兴产业,构建了优势学科与战略新兴产业对接组合的“四要素两层次”分析框架.为了进一步探讨优势学科与战略新兴产业对接组合的内在机理,以超网络作为分析工具,基于资源的视角,对学科与产业的对接组合机制进行了深入分析,并从资源对接的广度和深度两个方面分析了学科与产业的资源对接程度.最后,从资源和能力两个层次,分别提出了基于创新平台的资源整合模式和“网络化”学科群协同创新—服务模式,对战略新兴产业的发展以及高校与产业的合作模式提供了有意义的指导和借鉴.     

高校体育教学中“教学过程优化”浅探——三大素质的静态结构与动态发展关系的和谐程度

本文运用文献资料法、调查研究发从1、建立和谐民主的师生关系。2、鼓励学生设疑、探疑、解疑。3、掌握教学活动的节奏性。4、教学反溃的及时性5、制定明确的教学目标。6、优化教学内容等6个方面对高校体育教学中教学过程优化进行了论证,旨在为高校体育教师在教学过程优化方面提供一点借鉴。     

基于风险偏好的知识型员工激励机制

基于知识型员工风险偏好的讨论,利用H-M扩展模型,分别研究了确定及不确定环境下知识型员工风险偏好与激励机制风险分担之间的关系,并利用收益成本法讨论了如何协调两者的冲突.研究表明:随着知识型员工风险规避程度的减小,激励机制应增加其风险分担;企业可通过改变风险分担调节知识型员工的风险偏好,从而提高企业产出和知识型员工收入;风险分担的改变具有上限,该上限取决于知识型员工能力和环境不确定性等因素.最后给出了案例分析.     

知识型企业生命体智能单元间知识共享策略与激励措施研究

基于知识型企业生命体模型,引入信任度概念,构建了知识型企业生命体智能单元间知识共享的完全信息静态博弈模型.对知识不平衡状况下的智能单元知识共享策略进行了研究,并得出智能单元自身拥有的知识量越多越不愿意共享、其他智能单元共享收益越大或风险越小智能单元越不愿共享等结论.在此基础上,结合知识型企业现行知识共享激励体系中存在的问题,提出了激励措施的改进建议.     

分阶段给药治疗僵猪一例

僵猪系指生长发育明显比同窝猪缓慢的猪只,俗称“小老猪”、“老头猪”。这种猪会吃不会长,弃之不忍,养之无益,徒耗人力、物力,造成浪费。僵猪的形成,究其原因多与先天不足(胚胎期营养不良)、后天失调(出生后吃乳不足)有关,终致生长迟滞。笔者采用分阶段给药的方法治疗一头僵猪,使其平均曰增重由给药前的0.060公斤提高到0.45公斤,生长状况得到一定的改善。一、一般情况盐源县曼坡子牧场饲养的本地母猪与杜洛克公猪支配后,于1987年8月23日生下8头仔猪,其中一头出生时明显比同窝仔猪瘦小,初生体重仅0.25公斤,双月断奶重仅2.0公斤,而同窝其他仔猪重约15公斤。到     

双微处理器绘图机控制系统设计

本文提出了含两个6800微处理器芯片的流水线方式智能绘图机控制系统的设计。软件中圆弧的快速算法及独特的速度、精度控制方法,使高精度的 HB 智能绘图机达到了30m/min 的高速指标。