具有非常数回报率的证券指数跟踪问题的简单脉冲控制

运用随机脉冲控制理论讨论了均值 -方差模式的现金管理指数跟踪问题 ,在回报率随现金比重变化的情况下 ,讨论了证券指数跟踪最优化问题 ,得出了存在简单脉冲控制策略的充分性条件 .     

多相脉冲压缩编码波形产生及压缩处理技术

由线性调频信号导出的P3、P4多相码是一类常见的脉冲压缩信号 ,这类信号具有一些有用的特性。主要研究了P3、P4多相码信号的数字波形产生及压缩处理方法 ,提出了两种基于直接数字合成 (directdigitalsynthe sis ,DDS)技术的多相码波形产生方法。分析讨论了几种降低输出旁瓣电平的压缩处理技术 ,即经典的窗函数幅度加权技术、最小二乘幅度和相位加权技术和压缩后两采样滑窗处理技术。给出了一些计算机仿真结果 ,表明了这几种压缩处理技术的有效性。     

纳米秒脉冲波“摘”除细胞

美国科学家正在研究一种技术，可以让医生在不接触病人身体的情况下去除人体细胞。这一技术现正处于初期研究阶段，研究人员还没有完全清楚其对细胞的作用机理。不过，目前的试验表明，这一技术将有可能用于治疗癌症，也可能有助于加速治愈过程，甚至可以用来清除肥胖细胞。     

集合上非一一变换构成群的条件

利用非空集合A的商集讨论A上一个非——变换f能出现在一个由A上变换构成的乘法群G中的充要条件，并发现G与A的商集上的一个变换群同构．     

基于语言偏好的群体决策的软解法

群体决策模型用于支持系统或专家系统，面临的两个问题是：自然语言与机器语言的匹配以及模型解与决策者意向交融．本文在许多学者大量工作的基础上，试图提出群决策的软化求解模型．主要提出两方面的结果：一是多准则语言偏好的综合；二是采用模糊匹配方法和语言变量的软算法将个人语言偏好聚集为群体可接受决策解．最后给出实例计算以说明操作步骤．该模型可用于人－机交流式ＧＤＳＳ或小群（７～１２人）会议支持系统的软件设计     

具p-Laplacian算子的半正分数阶脉冲微分方程三点边值问题解的存在性与唯一性

该文基于Caputo分数阶微分方程,讨论了一个具p-Laplacian算子的半正分数阶微分方程三点脉冲边值问题解的存在性,主要是利用Banach不动点定理和Schauder不动点定理证明了解的存在性.其主要方法是先找出分数阶脉冲微分方程等价的积分方程,然后构造映射,再运用不动点定理,获得方程解的存在性及唯一性的充分条件.文章最后举例说明了主要结果的应用.     

应用禁忌粒子群算法的车间调度及其并行化实现

为了解决批量生产、制造、装配等车间调度问题,基于Hadoop集群,提出应用禁忌粒子群算法的车间调度及其并行化实现.以某装载机制造车间最小化完成时间为目标,通过使用禁忌粒子群算法对车间调度问题进行求解.结果表明：在车间批量大的情况下,禁忌粒子群算法可得出有效的调度方案,避免算法陷入局部最优解.与现有的智能算法相比,禁忌粒子群算法更有利于实现全局最优解.     

多vCPU环境中基于容器的科学工作流调度策略

现有科学工作流调度研究较少考虑计算资源的多道程序设计,难以同时实现有效的容器共享并优化任务并行度与资源利用率。为了解决以上难点,文章提出了一种分布式多vCPU环境中基于容器技术的分段式工作流调度策略。该策略通过分段调度方法,降低启发式算法的解空间大小,使用带遗传算子的自适应离散粒子群优化算法(ADPSOGA),在设备使用成本的约束下优化各个工作流的完成时间,并制定一种容器与设备间的动态伸缩方案,实现容器的复用并解决单个设备中任务并行时的资源争用问题。结果表明：ADPSOGA的性能优于其他同类启发式算法,并且分段调度方法与容器伸缩方案在工作流调度方面表现出良好的性能,能很好地适应因任务并行度增加所带来的影响。     

基于两类循环码构造3-设计

信道编码理论中最热门的课题之一是利用组合设计和群论等数学知识构造新的循环码.由于循环码具有良好的代数结构,被广泛应用于工程和通信等领域.构造在F_7^m上两类循环码族,第一类码的参数为[q+1,q-7,d],其中d≥6,m≥2且为整数;第二类码参数为[q+1,8,q-9],其中m≥2且为整数.设q=7^m,由已给出的两类循环码的任意非零权重的码字的支撑集在一般射影线性群PGL(2,q)下是不变的,且一般射影线性群PGL(2,q)在射影直线PG(1,q)上的作用是3-传递的,从而可以验证对应的关联矩阵构造3-设计.     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。