一类带时间约束指派问题的分枝定界算法

通过对模型特征分析,提出了一种分枝定界算法,实例应用及算法复杂性分析证明了该算法的有效性.     

成对需求的局内k-服务器问题及其工作函数策略

提出了多需求的k 服务器问题,建立了数学模型.研究了问题空间为k+2时的一个特例:即在任一时刻点都同时有两个服务需求提出.给出了此特例的工作函数策略,进行了相应的策略分析并给出了竞争比的证明.关于成对及多需求k 服务器问题的一般情形的策略设计及理论证明仍然是公开问题.     

一种混合整数双层线性规划的全局优化方法

通过求得下层问题的对偶问题可行域上的极点,将上层所有变量为0 1型变量和下层所有变量为连续型变量的双层线性规划转化为有限个混合整数线性规划问题,从而用求解混合整数线性规划的方法获得问题的全局最优解.由于下层问题的对偶问题可行域只有有限个极点,所提出的方法具有全局收敛性.     

解旅行商问题的混沌蚁群算法

利用混沌运动的遍历性、随机性和规律性等特点,提出了一种求解旅行商问题的混沌蚁群(CACO)算法.该算法的思想是采用混沌初始化进行改善个体质量和利用混沌扰动避免搜索过程陷入局部极值.与模拟退火算法、标准遗传算法进行比较,仿真结果表明该方法是一种简单有效的算法.     

基于SVM和EMD 包络谱的滚动轴承故障诊断方法

针对滚动轴承故障振动信号的调制特征和传统包络分析法的缺陷以及现实中难以获得大量典型故障样本的实际情况,提出了一种基于支持向量机(Support Vector Machine,简称SVM)和经验模态分解(Empirical Mode Decomposition,简称EMD)包络谱的滚动轴承故障诊断方法.该方法首先对原始信号进行经验模态分解,将其分解为多个固有模态函数(Intrinsic Mode Function,简称IMF)之和,然后求出包含主要故障信息的若干个IMF分量的包络谱,最后定义包络谱中各种故障特征频率处的幅值比为特征幅值比,将其作为故障特征向量,并以此作为SVM分类器的输入参数来区分滚动轴承的工作状态和故障类型.实验分析结果表明了该方法的有效性.     

堵塞恢复时间随机的在线加拿大旅行者问题

针对旅行者在行走过程中遇到的某一或一系列无法预知堵塞事件的加拿大旅行者问题,考虑每个堵塞恢复时间是一个相互独立随机变量的情形,从在线问题与竞争策略的角度,给出了每个堵塞恢复时间都为均匀分布下的等待策略和贪婪策略以及相应策略下的竞争比,并对两种策略的执行效果进行了分析和比较.     

一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.     

约束非线性l1问题的调节熵函数法

针对约束非线性l1问题不可微的特点,提出了一种光滑函数的近似逼近方法。该方法利用调节熵函数和罚函数技术将约束非线性l1问题转化为无约束可微优化问题,因而可利用光滑优化的经典算法求出原问题的近似最优解。给出了基于光滑优化问题的BFGS迭代,并介绍了约束非线性l1问题的调节熵函数的有关性质、算法的迭代步骤及其收敛性分析。最后通过数值实例表明了该算法的有效性。     

首都圈地区b值随震源深度的变化: 对地震成核的意义

使用双差地震定位法对首都圈地区1980~2000年发生的2098个地震作重新定位, 获取了其中1825个地震精确的震源位置. 基于地震精确定位结果, 系统地计算了不同深度段的b值, 发现研究区b值随震源深度的增加具有系统减小的趋势, 且在地壳8 km上下的减小趋势最为突出, 表明在地壳浅部 (0~8 km)以小震为主, 大地震较少, 故b值高; 而在深处(8~25 km), 大地震相对较多, b值减小. 这一现象的背后物理机制可以从地壳介质复杂程度与应力状态的变化得以解释, 破裂易于在地壳介质相对均匀、岩石静压力较高的地壳深处成核形成大地震. 推测首都圈地区未来强震多发生在8 km以下的地壳深部.     

生物学中一个未解决的大问题——评试图说明意识的三本书

当理查德·费因曼 (RichardFeynman)还是一个大学生的时候 ,已有迹象预示他未来将成为一个科学的好奇者。那时他曾写到 :“我好奇地问为什么。我好奇地问为什么我好奇。我好奇地问为什么我会对为什么感到好奇。我好奇地问为什么好奇。”正是这种连续不断的好奇心理 ,把我们吸引到了遗传学家兼神经科学家弗朗西斯·克里克(FrancisCrick)称之为“生物学中尚未解答的主要问题”———如何解释数十亿神经元之间化学物质的变换 ,会产生这样一些主观经验 ,如意识、自我感觉 ,以及对他人有意识、有自我感觉的感觉。试图解答这个问题的文献浩如烟…