非线性规划弱增广 Lagrange 函数变度量法

对一般的非线性规划问题给出了弱增广的Ｌａｇｒａｎｇｅ函数，利用变度量法求得下降方向，从而将原问题转化为一维极小化问题，再通过一维搜索求得问题的解，并证明了此方法的收敛性．     

外语教学中的因特网应用技术及资源

飞速发展的因特网使得广大英语教师可以廉价、快捷、有效地获取大量的文化背景知识,教学材料及科研信息。本文即简要地介绍一些对英语教师特别有用的因特网应用技术与资源,以帮助广大英语教师能更快、更准确地查询自己想要的资料,更好地搞好教学和科研工作。     

基于Mobile Agent的信息搜索技术

本文在分析传统搜索引擎弱点的基础上，将于MobileAgent技术引入信息搜索领域，以期实现搜索的高精度，高速度，低开销以及智能化，给出了基于MobileAgent的信息搜索系统模型－ISSMA，详细介绍了它的组成，功能及关键技术。     

非线性规划问题的异步并行的拟牛顿算法

提出了一种求解非线性规划问题的异步并行拟牛顿算法，若假设目标函数是凸的，线性搜索采用Wolfe原则，讨论了所设计的并行算法的全局收敛性。     

WCDMA小区搜索中的功率分配

针对宽带码分多址 (WCDMA)系统中小区搜索过程的编码调制方案 ,在讨论同步信道 SCH(包括主同步信道PSCH和辅助同步信道 SSCH)性能基础上 ,研究了同步信道、公共导频信道 (CPICH)功率分配方案对小区搜索整体性能的影响。通过在加性高斯白噪声 (AWGN)信道下仿真了多时隙、多帧非相干累加的检测方法对小区搜索各步骤性能的改善 ,得到了在 16 0 m s小区搜索时间内同步信道和公共导频信道功率分配的最佳方案为 PSSCH:PPSCH=0 .2 5 :0 .75 ,PCPICH:PSCH=0 .35 :0 .6 5     

基于K2算法的因果结构学习研究综述

贝叶斯网络是一种处理不确定性知识的有效工具,因为其能很大程度降低推理的复杂度,在数据挖掘、机器学习等领域得到了广泛的应用.贝叶斯网络结构学习是其重要研究内容之一,其中K2算法由于其能有效避免似然等价问题,以及在时间复杂度和准确度上都优于大部分经典算法,因此备受研究者关注.针对K2算法受节点序约束,采用贪婪搜索技术处理模...     

受约束三维空间下油气集输系统布局优化

油气集输系统布局优化实质是一类受约束的三维网络拓扑优化问题,是组合优化中一类NP-hard难题,解决此类问题对减少油田建设投资、等效提高采收率、推动应用最优化理论的发展具有现实意义.为系统应对空间尺度下油气管网最优布局所存在的地形数据量庞大、决策变量众多、约束条件繁杂等优化难点,首先从随机地形限制、布站可行性、模型通用程度出发,以总建设费用最小为目标建立了受约束三维空间下油气集输系统布局优化数学模型;其次,基于表征地形的数字高程模型(digital elevation model, DEM),结合图论中的赋权有向图,提出了相向广度优先管道路径搜索算法,理论分析了其搜索管道路径的高效性;最后,引入具有全局搜索能力的混合粒子群-烟花(particle swarm-fireworks, PS-FW)算法,综合所提管道路径优化算法,构建了混合智能优化求解方法,并证明了其全局收敛性.研究结果表明,相较于现有理论方法,本文所建优化模型考虑因素全面、通用性好;所提管道路径搜索算法可以节约7/9的时间复杂度和空间复杂度,求解效率显著提高;所构建混合智能求解方法优化效果佳,能够以概率1收敛于全局最优解.     

基于Lyapunov-Elman的网络控制系统时延预测方法

网络控制系统中的时延是影响系统性能的重要参数,针对基于Internet的网络控制系统中时延预测问题,提出一种最大Lyapunov指数与Elman神经网络结合的预测方法.首先对时延序列进行相空间重构,得到嵌入维数与延迟变量,然后通过最大Lyapunov指数方法与Elman神经网络对时延分别进行一步预测,将两种预测方法的预测结果通过不同的权值系数进行叠加得到最终的时延预测值.最后针对权值系数的寻优问题,提出一种改进的自由搜索算法,其收敛精度与速度都优于标准的自由搜索算法.仿真实验表明,相对于其它预测方法,本文的基于Lyapunov-Elman的时延预测方法具有较高的预测精度与较小的预测误差.     

基于概念树的主题搜索机器人系统研究

采用基于概念树的主题爬取算法,构造了一个主题搜索机器人系统。对文档与主题层的向量表示进行简化．设计与实现了一个主题搜索机器人原型。