基于非线性边际支付意愿的信息产品定价策略研究

提出了非线性边际支付意愿假设，有效地克服了线性假设的缺陷；通过对消费者行为的分析，证明了每位消费者都存在理想消费量，且理想消费量是偏好参数的严格递增函数；通过对厂商行为的分析，证明了厂商的版本质量及其对应的价格都是偏好参数的非减函数；基于消费者和厂商行为的动态博弈分析，建立了信息产品定价策略的一般变分模型，并给出模型求解方法和计算结果. 模型结果表明，厂商的最优定价策略是：对于高端用户，厂商采取的是最大质量的固定定价策略；对于低端用户，厂商采取按质定价策略. 该结果对信息产品定价具有一定的指导意义.     

基于自适应矩估计的在线投资组合梯度下降策略

对于在线投资组合选择问题，充分利用历史数据能有效地减少市场噪声对投资策略的影响，但这往往会导致策略计算效率降低。与其相对应的是，高频交易的日益发展与数据量的爆发式增长愈发要求投资策略具备高效的计算能力。为此，借助于自适应矩估计，以增量的方式利用历史数据，提出了一个基于自适应矩估计的在线投资组合梯度下降策略。理论分析表明，该策略具有泛证券性，即其与离线的最优定常再调整策略具有相同的渐近平均对数增长率；同时，该策略在充分利用历史数据的情况下依然保持线性时间复杂度。实证分析表明，该策略在收益以及计算时间等指标上表现出较好的性能，同时能承受合理的交易费用，故而具有良好的实际应用前景。     

一种新的结合奖励机制的ETLBO算法

通过对原ETLBO(elitist teaching learning based optimization)算法引入一种新的奖励机制, 提出一种新的结合奖励机制的ETLBO-reward算法, 并基于该算法提出一种简单自适应的精英个数算法RETLBO reward, 该算法保留了传统算法参数少、 易实现、 收敛快等优点, 进一步提升了传统算法的收敛能力. 对6个连续非线性优化问题的测试结果表明, 这两种算法均具有良好的性能, 求解效率较原ETLBO算法有明显提升.     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

响应式设计分析及其与web应用程序的对比研究

随着HTML5标准的建立以及各类移动终端的出现,移动端Web设计在近些年有了飞速的发展,包括响应式开发和Mobile UI框架在近几年都有飞速的发展,文章通过对移动端Web技术分析和应用场景分析,讨论响应式开发的优缺点,并将其与传统移动web应用设计进行对比,阐述两种技术各自不同的适用环境,以期对正在或将要把业务转向移动端的互联网公司提供必要的决策指导。     

实现船舶稳性的多油舱自适应调度算法及仿真

针对油舱对船舶浮态与稳性的影响，研究了保持船舶稳性的多油舱自适应调度控制算法，并用WinCC (Windows Control Center)组态软件编写了船舶自动浮态调整仿真系统。在系统架构上，采用布尔逻辑表构建了油舱、泵、管路之间的连通关系，并根据浮态方程计算出舱群之间的调驳油量，再根据多变量多约束的自适应优化调度算法实现了油舱驳油过程中浮态的平衡。仿真结果表明调度算法可以对船舶的浮态进行有效调整，并保持船舶稳性，避免了由油舱油量分布不均给船舶带来的不利影响，保障了航行安全。     

基于分数阶字典的间歇采样转发干扰自适应抑制算法

间歇采样转发干扰是一种对现有体制雷达具备高度威胁的新型干扰,典型样式包括间歇采样直接转发干扰、间歇采样重复转发干扰和间歇采样循环转发干扰。干扰信号与真实回波时频域、分数阶域混叠,常规信号处理方法难以做到有效分离。针对该问题,分析了3种干扰样式时域、最优分数阶域特征,构造了两种分数阶正交字典,即分数阶大字典和分数阶联合字典,区分弱干扰背景回波信号和强干扰背景回波信号,采取不同的干扰抑制方法,从而构建了基于分数阶字典的间歇采样转发干扰自适应抑制算法。仿真结果表明,所提算法适用强弱干扰背景,弱干扰背景下恢复信号与真实回波相似度更高,强干扰背景下恢复信号信噪比(signal to noise ratio, SNR)损失更低。     

基于网格自适应加密技术的 GPU 高效运行实现研究

针对传统解算器未能实现 GPU 上运行网格自适应加密过程，造成 GPU 与 CPU 之间繁琐的数据交换的问题，本文发展优化了一种 GPU 加速的基于非结构自适应加密网格的解算器 VA2DG。利用加密网格表的方式实现网格自适应加密过程在 GPU 上高速运行，并通过原子操作并行生成网格加密表，对废弃的网格及时回收，节约存储空间，加快运行速度。     

基于结构纹理分解和多重网格的光流估计算法

分别针对光流计算对光照变化敏感以及运算复杂度高、迭代收敛缓慢的问题,使用一种基于ROF(Rudin-Osher-Fatemi)模型的结构纹理分解(STD)技术得到对光照变化不敏感的纹理图估计光流场,消除了光照变化产生的负面影响,并提出一种基于多重网格方法的分层处理策略.将光流计算的迭代过程分散在一系列粗细不同的网格上,在细网格上消除高频误差,在粗网格上消除低频误差,以达到加速收敛、提高光流计算速度的目的.实验结果表明,STD过程抑制了光照变化导致的负面影响,提高了光流估计精度.多重网格算法在保持优化精度的前提下,显著提高了光流计算的实时性.