一种改进的基于极小调节的多属性共识法则的共识模型

在群体决策中,共识达成过程通常是一个交互迭代的过程,以共识模型(或算法)形式呈现。对于多属性群体决策,基于极小调节的多属性共识法则的共识模型最近受到较多关注。本文举例说明现有共识模型因其偏好调节建议的缺陷可能导致迭代过程不能收敛(其收敛性的证明存在错误),进而提出一个改进的共识模型,并证明了模型算法的收敛性;示例说明改进的共识模型有效、适用范围更广。对于多属性群体决策问题,本文提出的偏好调节方法对今后改进其他相关的基于极小调节的共识模型(算法)和开发新的共识模型提供了参考。     

基于传输时差最小的OFDM系统信道划分优化方法研究

随着OFDM技术在移动通信中的广泛应用,信道划分问题逐渐被人们所关注。主要讨论了在信道状态和传输总量已知的情况下,基于传输时差最小的OFDM系统信道划分优化问题。首先证明了该问题属于NP完备问题,因此必须使用随机算法代替穷举来求解。主要讨论了遗传算法和粒子群算法在此类问题中的应用。通过仿真所给出的具体结果,可以证明尽管随机算法不能保证解的最优性,但搜索时间较短;同时在相同条件下,粒子群算法可以显示出比遗传算法更强的搜索能力,因此对于OFDM这类实时性要求较高的系统,具有更大的实用性。     

曲线拟合的极小l1模法

曲线拟合被应用于许多领域,曲线拟和的常用方法是最小二乘法,本文提出了曲线拟合的极小l1模法。首先研究了极小l1模剩余向量的性质及其计算方法,利用这些结果可以将曲线拟合的极小l1模法求解问题转化为先求解极小l1模剩余向量,再求解一个优化问题,最后求解一个相容的方程组问题。从最后的示例可以看出,与最小二乘法相比,本方法的效果较好。     

大学图书馆与和谐校园构建的互动关系研究

概述了大学图书馆在构建和谐校园中的重要作用,提出了大学图书馆促进和谐校园构建的策略和原则。     

基于公平策略的核心无状态公平队列算法

提出了一种基于公平策略的CSFQ (Core-Stateless Fair Queueing )算法,通过动态阈值缓存管理机制,根据缓冲资源的占用率和数据流的到达速率共同决定丢包概率,减少了无谓、不公平丢包现象.根据非响应流UDP数据包空间分布特点,当网络拥塞时增加CHOKe机制对缓存进行管理,有效解决了响应流TCP和非响应流UDP之间的不公平问题.NS仿真实验表明,该算法在现实网络环境下能显著提高缓冲资源的利用率,保证了带宽在TCP、UDP数据流之间的公平分配.     

用户异质下公交定价和道路收费收入再分配

针对收费道路与公共交通并行的竞争交通系统,在异质用户的出行时间价值服从均匀分布的假设下,结合公共交通的边际成本定价和平均成本定价策略,建立了均衡交通模型,分析了出行者的出行行为.研究发现,随着出行者时间价值之间的差异增大,无论收费收入上交财政还是补贴公交,自驾车人数在不同定价策略下差距减小.进一步,基于效率和公平的准则,考察了道路拥挤收费收入再分配原则所导致的系统总出行成本的变化情况,对四种公交定价和道路收费收入再分配策略进行了对比分析.研究表明,当道路收费收入直接补贴给公交出行者时,比较系统的总出行成本,平均成本定价策略优于边际成本定价.从公平角度分析,当出行用户的时间价值差异不是很大时,无论公交采取边际还是平均成本定价策略,收费收入全部用于补贴公交用户会使得公平性提高.最后,算例结果验证了当固定成本足够大时,受补贴的公交平均成本定价策略是一种较优的策略.     

一种基于划分的带项目约束的频繁项集挖掘算法

为提高关联规则挖掘算法的效率及其对大型数据集的适应性,提出了基于划分的带项目约束的频繁项集挖掘算法Partition CHS Miner。算法按照约束条件裁减数据集,并采用基于约束的超结构CHS(con-straint-based hyper-structure)存储数据。对大型数据集,先将其划分为多个不相交的数据子集,使子集的大小适合主存,然后在子集上采用基于超结构的带项目约束的挖掘算法挖掘出局部频繁项集,最后合并所有子集中的频繁项集形成全局的带约束的候选项集,计算出全局频繁项集。实验证明了算法的有效性。     

Petri网的公平性及分析

公平性是反映了在资源竞争时Petri网模型系统中行为的无饥饿性。公平关系分为三个层次,即公平关系、弱公平关系和广义公平关系,并衍生出亚公平关系和准公平关系;对应的系统网模型包括公平网、弱公平网,亚公平网等。同时相对公平网严格要求,系统的Petri网模型存在分组公平和局部公平,反映了网系统局部行为的公平关系。在Petri网模型简化和子网合成时的公平性保性,反映简化和合成后资源共享的保持特性。综述了以上公平性及判定方法,介绍公平性在系统中的应用,并给出公平性的细化定义和同步距离的关系,展望了Petri网公平性在连续系统与离散事件系统中的未来研究方向和应用难点,对公平关系今后的研究具有一定的指导意义。     

一种基于网格密度与空间划分树的聚类算法

基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.文章提出了一种新的基于网格密度和空间划分树的CGDSFF(Clustering based on Grid - Density andSpatial Partition Tree)聚类算法.其创新点在于,将数据空间划分成多个体积相等的单元格,然后基于单元格定义了密度、簇等概念,对单元格建立了一种基于空间划分的空间索引结构(空间划分树)来对数据进行聚类.CGDSPT算法保持了基于密度的聚类算法的上述优点,而且CGDSFF算法具有线性的时间复杂性,因此CGDSPT算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CGDSPT算法的优点.     

考虑需求满意度与救援时间公平的应急物资调度多目标模型及算法

针对突发灾害后的应急物资调度问题,本文基于各个灾点物资满足程度情况构建了灾民满意度目标函数,以各个灾点救援时间构建了时间公平目标函数,以灾民满意度最大化与救援时间公平、成本最小化为目标建立了多目标数学模型。设计了一种改进的非支配排序萤火虫算法求解该类多目标问题帕累托解。通过算例进行模拟实验表明,所提出的模型和算法可以有效解决突发事件下应急物资调度问题,且改进算法的性能更优。