代数系统的同态与同构

代数学中极为重要又较为初等的概念就是同态，文章给出了不同代数系统的同态成为同构的条件，其中有些结论在通常文献中未曾出现，是对通常文献的补充。     

广义四元数群的全自同构群

一个有限群Q4n称为广义四元群,若Q4n=〈a,b|a2n=1,b2＝an,ab=a-1〉,n≥3.根据广义四元群Q4n的结构和性质,利用群的扩张理论,先确定了Q4p与Q4pm的全自同构群的结构,由此归纳出一般的广义四元群Q4n的全自同构群的结构如下:设p1为n的最小素因子,n=pr11 pr22…prkk为n的素数分解,那么(a)当p1＞2时,Aut(G)=〈α〉:(〈η1〉×〈η2〉×…×〈ηk〉);(b)当p1＝2时,Aut(G)=〈α〉:(〈η2〉×…×〈ηk〉), r1＝1〈α〉:(〈γ〉×〈η2〉×…×〈ηk〉), r1＝2〈α〉:(〈μ〉×〈ν〉×〈η2〉×…×〈ηk〉), r1≥3.     

一般有限域GF(pm)上线性码的自同构群

 对单式阵群作一个较详细的研究,并将GF(2^m)上线性码的自同构群的一些结论推广到最一般的有限域GF(p^m)上去,这里的p是任意的素数.     

关于投影群PSU(3,q)的一个注记

讨论了自同构群为PSU(3,q)的2-(v,k,1)设计,利用置换群的轮换分解,得到了一个组合设计的参数与置换群元素的稳定点的数目之间的不等式,证明了投影群PSU(3,q)不能区传递地作用在一个射影平面上.     

基于离散微粒群优化的物流配送车辆路径问题

提出一种求解物流配送车辆路径问题的离散微粒群优化算法。通过引入随机交换序、PMX算子使微粒群优化算法能够求解车辆路径问题这类离散组合优化问题。设计了求解车辆路径问题一种新的整数编码方案，并采用罚函数法处理约束条件。计算结果表明，该算法是解决车辆路径问题的有效方法。     

粒子群算法中惯性权重的实验与分析

简要介绍了粒子群算法(PSO)，对算法中的重要参数惯性权重进行了系统的实验，分析了固定权重与时变权重的选择问题，并从问题依赖性、种群大小和拓扑结构等方面详细分析了惯性权重对于算法性能的影响．结果表明，惯性权重的问题依赖性较小，随着种群的增大，其取值应适当减小，局部版本下，惯性权重的选择具有更大的自由度．     

一种动态调整的改进微粒群算法

微粒群算法是一种新型的进化计算方法，已在许多领域得到了广泛的应用．通过对基本微粒群算法的分析，发现基本微粒群算法在计算过程中使用Lebesgue测度为0的线段进行搜索，较易得到过旱收敛现象．据此，提出了一种改进的微粒群算法，该算法在运行过程中能动态调整极限位置，从而使得每个微粒的极限位置在其所经历的最好位置与整体最好位置所形成的动态圆中分布，由于在搜索空间中使用测度为正的区域对定义域空间进行搜索，能以较大概率跳出局部最优点．实例仿真结果验证了方法的正确性和有效性．     

关于互补判断矩阵的群决策的专家评判水平

在群决策分析中，如何从一致性分析的角度来分析专家评判水平或对专家评判水平进行分类是一个重要的研究课题。本文针对群决策中基于互补判断矩阵偏好信息的专家评判水平的排序与分类问题，提出了一种分析方法。首先，分析了互补判断矩阵及其一致性的有关性质；然后，通过构造每个专家给出互补判断矩阵的导出矩阵及其向量表示，计算每个专家给出互补判断矩阵与一致性互补判断矩阵之间的偏差，并得到每个专家评判水平的排序结果和专家们评判水平的分类。最后，通过一个算例说明了本文给出的分析方法。     

混合粒子群算法在高维复杂函数寻优中的应用

针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况,提出了一种改进的算法结构。通过构造单个粒子的最优序列代替单一的进化方向和类似于蚁群算法信息素表的选择机制,保留了粒子的多种进化可能方向,提高了粒子间的多样性差异,从而改善算法能力。算法同时设计了最优序列的加入规则和基于粒子群聚度的最优序列动态长度控制方法。改进后的混合粒子群算法保证了算法拥有更强的搜索能力,也保留了粒子群算法高效优化的特点。仿真实验证明,混合粒子群方法相对传统方法而言具有明显的精度优势。     

一种新的求解区间数判断矩阵权重的方法

研究区间数判断矩阵的一致性和权重求解新方法.基于权重可行域定义了区间数判断矩阵局部一致性和局部满意一致性,并建立了判别其是否具有局部满意一致性的数学模型.作为度量区间数判断矩阵一致性优劣的一种有效方法,给出了区间数判断矩阵一致性程度的概念,并对一致性程度较差的区间数判断矩阵提出一种改进方法.以在区间数判断矩阵内搜索一致性水平最好的确定性判断矩阵为目标建立一个新的权重模型,求解此确定性判断矩阵的权重,以此作为区间数判断矩阵的权重,模型由颗粒群算法求解.最后给出了一个例子说明本文方法的有效性.