两两NQD随机阵列加权和的弱大数定律和完全收敛性

利用截尾和矩不等式方法研究了在剩余h-可积条件下,两两NQD随机阵列加权和的弱大数定律和完全收敛性,得到两个重要的定理,推广和改进了已有的相应结果.     

一类强大数定律的推广与应用

引入了随机变量序列的一类可求和方法,证明了一类强大数定律成立的充要条件。它们还是Kolmogorov和Marcinkiewicz两个经典强大数定律在某种意义上的推广。     

一种基于灰熵的区间数灰色局势决策方法

基于区间数距离和灰熵分析,研究了灰色局势的多属性决策问题.首先给出了一种新的灰熵定义,并通过预处理得到一致效果测度矩阵.然后,提取正负理想值,结合灰熵定义建立多目标规划模型,通过拉格朗日乘数法给出了目标权重的计算公式,将多目标的一致效果测度矩阵集成为综合效果测度矩阵.最后,利用可能度和排序向量法找到各事件下的最优对策和各对策下的最优事件,从而得到最优局势,并通过实例分析验证了所提决策方法的有效性和实用性.     

关于Pell方程是px2-(pn±2)y2=±1(p=-1,±3(mod 8)素数)

Pell方程ax2-by2=±1(a,b∈Z+,ab不是完全平方数)可解性的判别是一个非常有意义的问题.运用Legendre符号和同余的性质给出了形如px2-(pn±2)y2=±1(p≡-1,±3(mod8)是素数)型Pell方程无正整数解的6个结论.这些结论对研究狭义Pell方程x2-Dy2=±1(D是非平方的正整数)起了重要作用.     

莠去津对土壤微生物数量的影响

莠去津除草剂施入土壤后改变了土壤微生物的数量。本实验以莠去津为研究对象,采用稀释平板法,分初期、中期、后期、末期4个阶段研究莠去津对土壤微生物数量的影响。结果表明:莠去津除草剂对土壤中的放线菌、真菌的数量在4个时期都有抑制作用,对土壤中的细菌在初期、中期和后期有促进作用,在末期有抑制作用。总体上,莠去津除草剂对土壤中真菌、放线菌有抑制效果,对细菌的抑制作用较对真菌、放线菌的抑制作用存在滞后性。     

两个近似伪Smarandache函数的均值计算

利用初等方法研究了近似伪Smarandache函数与简单数相关的渐近性质的值性质,并给出了两个有趣的渐近公式.     

用高阶导数对自然数方幂和相关问题的研究

利用ekx和(ex-1)k的高阶导数的性质,简捷地推导出了自然数方幂和的2种形式的求和公式,得到了2个Bernoulli数的确切公式.所得到的结果推广了传统自然数方幂和的相关结论.     

T-模糊联盟间相互影响的度量

针对局中人以三角模糊数的形式参与合作对策的问题,给出了T-模糊联盟间相互影响的基本概念.探讨了T-模糊联盟间相互独立时模糊特征函数的表达式及模糊特征函数具有k-严格单调性时T-模糊联盟间相互影响的变化规律,通过对Shapley值和Banzhaf-Coleman势指标度量概念的推广,得到相应的Shapley值和Banzhaf-Coleman势指标,用于表示T-模糊联盟间相互影响的期望度量指标和方差度量指标,并通过算例分析来说明其有效性和实用性.     

无k+1次幂因子数的两个渐近式(英文)

引进了两个新的可乘函数U(n)和V(n),利用解析方法研究了∑n∈An≤xU(n)及∑n∈An≤xV(n)的均值分布性质,给出了两个较强的渐近公式,其中A表示所有无k+1次幂因子数组成的集合。所得结果表明这两个可乘函数具有较好的渐近分布性质。     

Two-phase TOPSIS of uncertain multi-attribute group decision-making

To solve the uncertain multi-attribute group decisionmaking of unknown attribute weights, three optimal models are built to decide the corresponding ideal solution weights, standard deviation weights and mean deviation weights. The comprehensive attribute weights are gotten through the product of the above three kinds of weights. And each decision maker's weighted decision matrices are also received by using the integrated attribute weights. The closeness degrees are also gotten by use of technique for order preference by similarity to ideal solution (TOPSIS) through dealing with the weighted decision matrices. At the same time the group decision matrix and weighted group decision matrix are gotten by using each decision-maker’s closeness degree to every project. Then the vertical TOPSIS method is used to calculate the closeness degree of each project. So these projects can be ranked according to their values of the closeness degree. The process of the method is also given step by step. Finally, a numerical example demonstrates the feasibility and effectiveness of the approach.