单回路运输问题的表上作业求解

基于单回路运输问题的数学模型的特征与多点间运输问题有相似之处,提出了单回路运输问题的表上作业求解法;并探讨了该方法的求解适用原则,除了适用大部分多点间运输问题可行解的确定原则法外,还可以和其启发式算法——最近邻点法结合使用.但运用闭回路法优化时易产生子回路,优化方法有待继续探索.     

基于小波域非对称广义Gauss分布纹理的SAR图像盲去噪

SAR图像盲去噪对后续图像处理具有重要的意义,结合非对称广义Gauss分布提出了新的Wiener滤波算法.首先广义Gauss分布函数被推广到非对称广义Gauss函数,用来描述SAR图像纹理特征.利用该纹理模型,由最大似然准则估计图像小波域的局部信号方差.实验表明非对称广义Gauss分布盲去噪算法能够有效地滤除斑点噪声同时较好地保持图像纹理信息.     

模型预测控制器的广义最小方差性能评价

基于滚动时域最小方差性能评价方法和广义最小方差控制原理,提出了可处理约束问题的滚动时域广义最小方差性能评价方法。该性能评价方法既可考虑过程变量的硬约束,同时相对于滚动时域最小方差性能评价方法,又可考虑操纵变量的软约束。基于Wood-Berry精馏塔模型的仿真实例证明了该性能评价方法较滚动时域最小方差性能评价方法具有更高的实际意义,并验证了这种性能评价方法的有效性。     

广义的Sierpinski地毯上的一类Whitney临界集

对广义的Sierpinski地毯进行了研究,采用递推的方法,在其上构造一类连通集合,Hausdorff维数为S=ln（3^0＋3^1＋…＋3^n）/ln 3^n,n≥1．并且证明这些连通集均为whitney临界集．从而得到不是Whithey临界集自广义Sierpinski地毯可以包含Whitney临界集．     

移动ad hoc网络中的混合式多路径路由算法

针对移动adhoc网络中的拓扑结构具有快速动态变化的特点,提出了一种混合式多路径路由算法(HMPR),该算法不要求各条路径一定是不相交的,通过理论分析表明,这种多路径算法在稳定性较差的链路条件下具有更好的路由可靠性。在HMPR中,还提出了一种估计链路寿命统计特性的方法,所得结果用于寻路策略。在寻路过程中,提出了一种联合选路规则以选择最佳路径。仿真结果表明:HMPR算法可充分利用网络局部拓扑结构的稳定性,预测路径寿命,从而提高所选路径的可靠性,它以比现有的路由算法略大的开销提高了数据包投递率和传输时延性能。     

调和测度

“调和”这个概念在数学中有多种意义，本书所讲的调和测度来源于解偏微分方程有关Laplace方程的Dirichlet问题。Dirichlet问题的解称为调和函数，如果它在边界上等于给定的函数。最简单的情形是平面区域，可以定义区域边界的子集在某点的调和测度来解决系列单复变函数和位势理论的问题。这样，调和测度成为重要的理论工具。近20多年，在这方面有突破性进展，本书就是介绍这些进展的专著。     

广义指数分布场合下简单步进应力加速寿命试验的最优设计

对加速寿命试验进行最优设计,不仅可以使产品的各种可靠性指标获得更准确的估计,而且也能够节省试验的时间和费用.针对简单步进应力加速寿命试验,以在正常应力水平下给定时间可靠性估计的渐进方差最小为标准,提出了定时截尾场合下,广义指数分布函数步进应力加速寿命试验的优化设计模型,并通过理论推导,得到了相应的优化设计方案.     

单硬盘网络隔离器设计及研发

涉及国家秘密的计算机信息系统必须实行物理隔离,单硬盘网络物理隔离器在电磁泄漏、内存信息残存失密防护、病毒引入防护、CMOS/BIOS内容校核等方面采取措施,确保了内网的安全.     

广义Kuhn-Tucker真有效解在非光滑向量优化中的充分条件

考虑带不等式约束的非光滑向量优化问题,并且引入带Clarke导数的广义Kuhn-Tucker约束品性,分别在广义Kuhn-Tucker约束品性成立和约束函数是凹函数这两种情况下,证明了Geoffrion真有效解是广义Kuhn-Tucker真有效解。
     

三阶段时滞种群生长模型的渐近稳定性

根据种群生长的阶段性,引入时滞建立了一类三阶段结构的时滞种群生长模型：* 利用微分方程稳定性理论分析了系统的零平衡点和正平衡点的局部稳定性。利用有效的Liapunov函数得到零平衡点和正平衡点的全局稳定性：1）当aαe－γτ<(b+a)c时,系统有唯一平衡点E0,且它是局部稳定的;当aαe－γτ>(b+a)c时,E0是不稳定的,此时系统除了E外,还存在唯一正平衡点E*,且它是局部稳定的。2）当αe－γτ≤c,则系统的平衡点E0是全局渐进稳定的,当αe－γτ≥(a+b/a－b)c,a>b,则系统的正平衡点E*是全局渐进稳定的。所得结论对人工控制种群的发展具有一定的指导意义。（注：*处代表公式）