动态运行环境下退化系统最佳检测周期的确定

研究了运行在动态随机环境下退化系统的最佳检测周期。系统的运行环境用时间连续状态离散的马尔可夫过程描述,系统受磨损和冲击复合损伤下逐渐退化。以系统稳态平均可用度作为维修策略优化目标,寿命周期单位时间费用预算为约束条件,建立了一个关于检测周期的非线性规划模型,用遗传算法实现了检测周期的优化。最后通过算例验证了该模型和算法的可行性。     

三元DNA编码法与扩元DNA编码法

DNA编码是DNA计算中初始数据库的寡核苷酸序列的设计问题,合理的DNA编码可以提高试验的成功率,从而确保DNA计算的稳定性和正确性。提出了更为合理的DNA编码改进Hamming距离与用于DNA编码的DNA码矩阵;给出设计优码字的三元DNA编码法以及扩元DNA编码法并对算法的复杂性进行了分析;结合算例给出算法设计DNA码字的优点。     

短期借款和贸易信用对企业经营的影响

研究了短期借款和贸易信用对企业经营的影响,选取了734家上市公司,对其2006年和2007年的企业财务数据进行分析,给出了不同规模和不同行业的企业对短期借款和贸易信用这两种融资方式的依赖程度的统计分析结果,表明大型企业由于信誉水平高等原因比较容易通过银行贷款等方式获得短期借款,而小型企业则会由于较难获得融资而陷于资金短缺的境地,同时企业经营性质的不同也会影响到企业对融资的需求,其中制造加工型企业对贸易信用的依赖性比较大。     

一种具有时延保证的无线网络机会调度算法

提出了一种针对下一代无线网络的机会调度算法(PFQ-OS),其目标是提高无线网络中时间敏感业务的时延性能.由于时延性能同时依赖于资源分配算法和无线信道的传输容量,通过在传统分组公平排队(PFQ)策略中引入搜索半径(SR),并使用最大相对信噪比(Max-rSNR)准则,能够在提供有保证的服务时间基础上,提高每个用户的吞吐量.基于对PFQ-OS算法时延性能的理论分析,发现用户的时延性能直接由SR决定,为了使每个用户的时延性能均得到提高,有必要限定SR的取值.在此基础上我们提出了一个合理的时延性能目标,并设计了一个实际可行的迭代过程.通过大量的仿真对PFQ-OS算法的性能进行了详细的分析.     

模糊约定时间车辆路径问题及其蚂蚁算法求解

模糊约定时间车辆路径问题是基于模糊预约时间,体现顾客偏好的一种车辆路径问题.建立了该问题的数学模型,针对其多目标性质,对几个目标分别给以权系数进行线性加权.在蚂蚁算法思想基础上,设计了用于求解该问题的改进型算法,并计算了Solomon问题库中的实例.经过大量数据测试,分析了蚂蚁算法中各参数以及各目标权系数的不同取值组合对结果的影响,获得了较好的结果.     

基于级联卷积神经网络的港口多方向舰船检测与分类

港口舰船目标自动检测的定位和类型分类是一个重要而具有挑战性的问题。针对高分辨率光学遥感影像中多方向性排列密集的近岸舰船目标定位和识别困难的问题,提出基于级联区域卷积神经网络和手工提取特征相结合的近岸舰船检测识别框架。首先,使用级联的区域卷积神经网络对舰船位置进行粗定位并对类别进行估计,得到一系列粗定位的垂直预测框。然后,设计一个可以准确定位舰船的斜框旋转回归器,其将第一阶段所得粗定位垂直矩形框转变为带方向的斜矩形框。最后,使用非极大值抑制的方法去除冗余的预测框。实验采用谷歌地球上采集的数据集进行训练和预测,实验结果表明所提算法在精准率和召回率上均具有较大优势。     

基于模拟植物生长算法的易腐物品物流中心选址

配送中心作为物流系统的枢纽,其位置的选取直接影响总消耗成本的高低.本文提出了基于模拟植物生长算法求解易腐物品配送中心选址问题的新方法.通过对系统数学建模,利用改进的模拟植物生长算法来求解最优解.最后通过对实倒进行仿真实验,结果表明本算法不仅可获得配送中心的最优解,算法精度也有提高,明显优于其它方法.     

城市综合竞争力模型与评价指标体系构建及实证研究——以长沙市为例

城市竞争力作为一个比较概念,是城市在竞争中所表现出的相对优势、比较差距、吸引力与收益力的综合指标,其受制约与影响的因素很多.本文从决定城市竞争力的社会、经济、环境、空间结构四要素着手,设计一个新型的金字塔城市结构竞争力模型,在此基础上构建一套城市综合竞争力评价指标体系,选取长沙市为样本进行实证分析并提出相应对策.     

广义线性模型的贝叶斯分析及稳健参数设计应用

讨论了非正态响应稳健参数设计中应用最为广泛的广义线性模型.针对广义线性模型在稳健参数设计中普遍存在的估计性问题,对广义线性模型的参数采用相对客观的Jeffreys先验分布,运用基于ARMS抽样算法的MCMC方法动态模拟出各参数后验分布的马尔科夫链,并给出了广义线性模型参数的估计值和显著性因子.根据实际工业试验数据,利用SAS软件对广义线性模型进行了贝叶斯分析,结果表明贝叶斯广义线性模型在参数估计的稳健性和显著性因子识别方面比一般的广义线性模型更加可靠和有效.     

基于低秩约束和边信息的近似消息传递CS重构算法

噪声环境下图像压缩感知(compressive sensing,CS)重构方法的性能会大幅度下降。在近似消息传递(approximate message passing,AMP)算法的基础上,同时利用结构先验信息和边信息来增强AMP算法对噪声的鲁棒性。利用图像中相似块的低秩特性,在反投影的含噪图像中捕获低秩子空间的结构特征;再将含有确定成分的前期重构图像作为边信息,以实现细节的增强。实验表明,本文算法比原始AMP算法在峰值信噪比(peak signal to noise ratio,PSNR)上平均提高了3.89 dB,且获得更加清晰的重构图像;与仅利用低秩特性的AMP算法相比,引入边信息后本文算法在PSNR上获得了0.27 dB的增益,同时增强了重构图像的细节。