需求稀少情况下随机动态装卸混合问题研究

针对随机动态装卸混合问题中存在的排队现象,运用排队论推导出需求稀少情况下随机动态装卸混合问题期望系统时间的下界;提出了一种实时优化策略——多车场随机队列中位策略;推导出需求稀少情况下,多车场随机队列中位策略和实际应用中广泛采用的随机队列中位策略的期望系统时间,并分析了期望系统时间的渐近性.模拟计算结果表明,需求稀少情况下,多车场随机队列中位策略明显优于随机队列中位策略;当服务强度趋于零时,多车场随机队列中位策略近似为最优策略.     

在线信息产品捆绑定价研究

基于在线信息产品交易各方的互动关系,考虑网络接入商与信息产品生产商各自市场垄断力的对比,研究了两者进行价格决策的先后顺序对信息产品捆绑的最终价格和对信息产品厂商采用捆绑销售策略的影响.研究结果表明当两者同时进行价格决策时,两者均分市场利润;当两者进行序贯博弈时,先决策价格者将获得先动者优势,且消费者在此情形下的总支付将大于当两者同时决策时的总支付;信息产品厂商采用何种捆绑策略与其决策顺序无关,仅与被捆绑产品的捆绑价值参数相关.     

基于图论的平面机械系统仿真

在简要介绍了图论的基本思想和方法之后,具体阐述了如何运用图论结合矢量力学的方法来建立机械系统的数学模型,并举例说明了普通三维系统数学模型的建立过程。运用该方法编写了仿真软件VECDYNA,并用其对双杆复摆系统和曲柄滑块系统分别进行了仿真分析。并将其结果与ADAMS的仿真结果进行了对比,对仿真结果进行了验证。结果表明基于图论的多体动力学研究是研究机械系统仿真的一种有效、节省资源的方法。     

一种改进的基于效用理论的TOPSIS决策方法

提出了一种改进的TOPSIS决策方法.该方法更多地融合了决策者的主观意愿:用决策者对属性的效用评价代替方案的原始属性数据;用模糊数替代精确值反映决策者对效用值的理解模糊不确定性;同时关注决策者对最佳决策方案属性效用的综合性、均衡性考虑.最后,通过对一个具体决策实例的分析,验证了方法的合理性和有效性.     

多极化多特征融合的雷达目标识别研究

雷达多极化组合态距离像与单极化组合态距离像相比包含了更多的目标信息,因此也具有更强的目标鉴别能力;而距离像不同的特征同样包含了具有一定差异的鉴别信息,可以用来提高距离像的总体识别能力。基于D-S证据理论将多极化信息和六种常用的距离像特征信息有效融合起来,获得了较高的识别率,基于仿真数据的实验验证了结论的正确性。     

多空中作战平台协同对抗多目标态势分析方法

为了对多机协同对抗多目标的作战态势进行定量分析,根据多机协同对抗多目标的空战特征,基于神经网络和证据理论,以传感器和武器能力为证据建立敌我双方对抗态势分析识别框架。将学习引入证据合成过程,用神经网络学习对基本可信数修正系数进行优化,使证据合成能够体现证据之间的相干性和主次关系。以无人作战飞机编队对抗敌地对空防御系统为例,对所研究的态势分析方法进行了验证。获得的计算结果与通过策略实际含义分析的结果相一致,具有合理性。     

双站RCS计算GRECO算法的新改进

针对利用单双站等效法存在的大角度双站雷达散射截面计算误差太大的问题和用被光照面作为积分区域计算双站雷达散射截面方法存在的无法处理相对接收站可见面的识别问题,从感应定理和等效原理出发,基于图形电磁计算方法,提出了双站雷达散射截面图形电磁算法的改进方法,解决了可见面的识别问题,扩大了感应定理和等效原理的应用范围,提高了双站雷达散射截面计算的准确度。通过对典型样件的计算结果比较与公认结果和解析算式结果一致,证明了该方法的有效性。     

要加强对复杂适应性系统的研究——对自组织理论的反思

简单回顾了自组织理论的发展历史、内容和采用的方法,重点分析了自组织理论的研究对象和研究范围;指出自组织理论在研究复杂系统上的局限性——只适于研究简单巨系统,它研究的是系统演化的结果而非过程;自组织理论使用微分方程作为数学工具,要求子系统之间的相互作用要满足叠加原理而不考虑涌现的情况。在此基础上,本文提出要加强复杂适应性系统的研究,具体有两方面的工作：首先要加强计算机作为数学工具的应用,扩展对系统状态描述的范围;另外要加强对层次性的研究,重点是对涌现问题的分析。最后提出现在加强复杂系统的研究应从实际的具体系统入手。     

从整体与部分的辩证关系看系统论与还原论的适用范围

无论是系统论还是还原论,都是以整体与部分的关系作为客观基础的,都是整体与部分的辩证关系在方法论上的反映。还原论反映的是整体与部分的统一性,系统论反映的是整体与部分的对立性,还原论和系统论都只有局部真理性,应该将二者整合在一起,创立现代系统论,使其更好地为科学认识服务。     

MCHOKeM algorithm with assured bandwidth allocation in DiffServ networks

An active queue management (AQM) algorithm called MCHOKeM is presented, which is borrowed from CHOKeW that draws multi-packets at random from the buffer, the multi-packets are compared with an arriving packet and abandoned if they are from the same flow. But MCHOKeM uses multiple virtual queues for different priority packets and enhances the drawing function by adjusting the maximum number of draws based on the current status of virtual queue length. The number of parameters that MCHOKeM needs to maintain is determined by the number of priority levels being supported by the router, which usually has a small limited value. In order to explain the features of MCHOKeM, an analytical model is used. A series of simulation tests to evaluate the performance are given.