人工神经网络D最优设计的一种方法

利用初始的少数实例求初步的权值矩阵，根据该矩阵的人工神经网络模型找出偏导数向量的模最大时对应的设计矩阵，又根据该设计矩阵的实例求出新的权值矩阵，寻找新一轮设计矩阵。通过用泰勒级数展开的神经网络输出公式，求该输出函数的方差，证明了偏导数的向量的模最大是相关矩阵行列式最小(D最优)的充分条件。     

SUMPLE算法的合成权值相位性能分析与仿真

SUMPLE算法是深空网天线组阵中信号合成的最重要方法之一。研究了合成权值的补偿相位估计性能,从参数估计角度分析了该算法具有较好的合成性能原因。同时,进一步利用SUMPLE算法合成权值之间相位差实现多天线信号间的相位差估计,并推导了估计算法的理论性能以及分析了天线数对算法性能的影响。理论分析与仿真结果表明,天线数越多,相位差估计性能越接近估计下界,较适合于低信噪比下多天线信号间的相位差估计。     

供应能力约束下多源采购模糊群决策方法

基于采购企业经常向多家供应商采购的实际需要,本文研究了存在供应能力约束的多源采购决策问题。其决策过程分2步进行:第1步运用群组AHP法、聚类分析法确定属性主观权重,运用熵值模型确定属性客观权重,并将属性主观权重和客观权重线性加权拟合成属性综合权重,通过TOPSIS方法对供应商进行排序;第2步对初步入选的供应商,考虑供应能力约束,建立多目标规划模型,确定采购数量在各个供应商间的最优分配。最后通过具体实例给出该方法的决策过程。     

周期为偶数的三值自相关四进序列偶

提出了一种新型的离散信号形式--三值自相关四进序列偶,对周期是偶数的这种信号作了重点研究,得到了周期为偶数的三值自相关四进序列偶的自相关函数值的最大副峰模值至少是2的自相关特性,并给出了一种使得到的四进序列偶的副峰值是{0,-2},满足这种自相关特性的四进序列偶的构造方法。当构造方法中所用的伪随机二进序列偶具有好的平衡性时,构造得到的四进序列偶不仅具有很好的相关性而且具有很好的平衡性。     

网构软件信任机制的系统动力学模型研究

结合人际信任关系建立的基本原理,采用定性分析与定量分析相结合的方法,提出了网构软件信任机制的系统动力学模型,并基于系统动力学思想分析了影响网构软件信任水平的相关因素,建立了知识积累与信任评估的动力学方程。Vensim PLE仿真实验表明,网构软件信任系统动力学模型的建立有利于网络信任环境的分析,为系统仿真提供了有价值的新思路。     

系统重心迁移的贡献度分解方法

社会经济系统的重心迁移轨迹可以刻画系统空间演化的发展方向和平衡问题。为分析重心迁移的主导因素,发现并指出了简单分解、方差分解和微分分解等常用的贡献度分解方法在重心法研究中的不适用性及其原因,提出了一种基于夏普里值的、适用于重心法的分解方法。并用中国经济重心迁移对该方法做了验证。     

面向多极值质量特性的全局式序贯性实验设计方法

针对多极值质量特性的全局性建模和参数优化问题, 为降低实验设计样本量, 提高模型预测性能, 提出一种全局式序贯性设计方法. 首先在一定的初始实验设计方式下, 建立过程粗略的SVR模型; 而后根据模型中支持向量的分布, 在支持向量样本各维度的45度角或轴向方向同步地增加实验点, 再拟合过程新的SVR模型; 如此迭代进行, 当模型精度达到要求或样本量达到上限时终止序贯性设计. 仿真与实证研究表明, 该方法能够在可行域全局的范围内将实验点合理地分配在质量特性的多个极值附近, 避免了传统的单路径式序贯性设计只能发现单个极值的不足, 充分提高了实验效率; 与均匀空间网格设计、 拉丁超立方设计和均匀设计相比, 在样本量接近的情况下, 基于全局式序贯性设计的SVR 模型的预测均方误差至少降低了30%; 而在预测误差较为接近的情况下, 全局式序贯性设计的样本量至少降低了12%.     

证券投资决策的微分对策方法研究

在证券价格存在有界不确定性的假设下,研究了基于最差情况的最优证券投资决策问题。首先建立了证券投资决策的微分对策模型,然后,证明了该微分对策模型存在唯一的值函数,最后,根据微分对策理论得出了值函数所满足的偏微分方程。     

具有Choquet积分形式的模糊合作对策

结合模糊数的限制运算,探讨了一类具有模糊支付的模糊合作对策--Choquet积分形式的模糊合作对策,研究了其单调性和连续性。具有模糊支付的模糊合作对策是凸模糊合作对策时,研究了Choquet积分形式的模糊合作对策的模糊核心和模糊Shapley值,并探讨了两者之间的关系,有趣的是这种关系与经典情形相一致。需要指出的是,所给有关模糊合作对策的定义都是对经典情形的推广。最后通过一个算例来说明其应用。     

具有模糊联盟博弈的Shapley值的刻画

将经典合作博弈中的势函数和一致性推广到具有模糊联盟的合作博弈中,对具有模糊联盟博弈的Shapley值进行了刻画.对于具有模糊联盟的合作博弈,首先利用边际贡献定义势函数,证明了势函数的唯一性,并给出了势函数和Shapley值之间的对应关系.其次,通过具有模糊联盟的缩减博弈定义了解的一致性,证明Shapley值具有一致性,利用一致性和具有模糊联盟的标准二人博弈对Shapley进行了刻画.