遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法．探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法．该算法可处理受应力、位移约束的结构优化问题．数值计算实例表明该算法效率高，具有很强的适应性     

心功能曲线的灰建模研究

以信息覆盖为准则，依靠少量信息，建立了心功能曲线的灰色模型和数学回归模型，误差检验灰模型的精度明显高于数学回归模型，在分析了心功能曲线的生理特性和发展变化特点的基础上，提出了心功能曲线的闸门－激活式联合灰模型理论及计算ｋ至ｋ＋１灰区间模型值的映射量化方法．     

一种改进GMDH的新方法

本文提出在ＧＭＤＨ中利用“新息贡献”准则选择关键变量（包括初始变量和中间变量）、自动构成最优部分多项式，并且给出了递推算法以避免重复运算，从而优化了模型结构，提高了精度，简化了建模过程。最后用仿真例子验证了新方法的有效性。     

关于样本区间长度的联合分布

设（X1，X2，…，Xn）为服从I=[0，1]上均匀分布的简单随机样本，它们将[0，1]分成（n＋1）个样本区间，以Y0，Y1，…，Yn分别表示这些样本区间的长度．本文讨论Y0，Y1，…，Yn的联合分布及其极限分布．     

Ⅱ型区间数据下Gamma分布的参数估计

本文讨论了Ⅱ型区间数据下Gamma分布的参数估计问题，并证明了得到的估计量具有相合性。     

区间值进程演算的可加模型

进程演算是研究并行计算和分布式计算的一个重要语义模型．引入区间值进程演算的可加模型（简称AICCS），以解决在并发通讯系统中产生的不确定性．在该模型中，前缀进程、并行进程以及和进程都赋以区间值．作者给出了AICCS的语法及可加的操作语义，引入了进程的量化这一概念，在此基础上引入强互模拟和μ-强互模拟的概念，并且讨论了其相关性质．     

利用运算矩阵数值求解常微分方程的改进方法

给出一种基于Haar小波积分运算矩阵求解常微分方程的改进方法,称之为区间分段法.在相同误差条件下,该方法计算速度更快,同时,对于不同的子区间,可根据精度的要求来设定离散点数,增加了应用的灵活性.     

存储空间图在程序设计语言中的应用

学习程序设计语言的人都知道，为了清晰表示自己的算法，可以采用不同的方法，常用的有自然语言，传统流程图，结构化流程、伪代码、PAD图等。但初学者往往很难理解算法每一步的细节，对于函数调用的理解更是困难。图形的形象化和视觉化能较好的帮助我们理解，并能引起学习者的注意，激发学习兴趣。本文便是运用类似“几何图形”的方法，解释说明程序设计语言中函数调用的问题。     

基于NLJ优化算法的多变量预测函数控制

基于差分方程模型推导了多变量预测函数控制算法,使其具有更加广泛的适用性.利用NLJ算法处理预测函数控制中的约束问题,简单明了,没有繁琐的数学公式推导,仿真结果证明了该算法的有效性,为预测控制约束问题的处理提供了一种新的途径.     

权重信息不完全的区间数多属性决策GRA方法

针对属性权重信息不完全,且属性值以区间数形式给出的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的基本思路,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤。其核心是通过构建并求解一个单目标最优化模型,得到每个方案与正、负理想方案的关联度,进而计算出每个方案与正理想方案的相对关联度,即可得到所有方案的排序结果。最后给出一个数值例子,结果表明该方法简单、有效并易于计算。