市场环境下发电公司的动态学习与市场猜测均衡

提出了基于猜测供给函数模型的发电公司动态学习模型，用于分析和预测重复博弈的不完全信息电力市场环境下发电公司潜在的市场力．各发电公司根据公布的前阶段市场运行数据动态地调整其微增响应猜测，使之能够准确反映所有竞争对手相应于市场结清电价单位变化时所愿意引起的出力变化，从而动态调整提交的供给函数以获得短期最大利润．算例分析表明，发电公司动态学习有利可图；经过各发电公司动态学习并不断调整优化猜测供给函数将引导市场最终达到一猜测均衡结果．     

血竭总黄酮对小鼠三叉神经节细胞河豚毒素敏感型钠通道电流的抑制作用

目的:观察血竭总黄酮对小鼠三叉神经节(TG)细胞河豚毒素敏感型(TTX-S)钠通道电流的影响,确定血竭对TG细胞电压门控性钠通道电流产生抑制效应的有效部位.方法:酶解法急性分离昆明种小鼠(1月龄)三叉神经节细胞,应用全细胞膜片钳技术记录TG 细胞TTX-S钠通道电流,观察血竭总黄酮对其影响.结果:在钳制电位为-90 mV时,3种浓度(0.001 %,0.01 %,0.1 %)的血竭总黄酮对锋钠电流的抑制率分别为17.02±5.42 %,33.23±5.12 %,49.30±5.14 %(P值均小于0.05),抑制效应呈典型的浓度依赖性,血竭总黄酮对TG细胞TTX-S锋钠电流的半数抑制浓度(IC50)为0.101 3 %.结论:血竭总黄酮是血竭抑制TG细胞TTX-S钠通道电流的有效部位,该研究为血竭有效成分的提取缩小了研究范围.     

基于双层符号常数模的多径水声信道盲均衡算法

针对常数模算法(CMA)及符号常数模算法(SCMA)迭代中的大量乘法运算会产生延时的不足，提出了双层符号常数模算法(DSCMA)。该算法采用逐级取符号的办法，将迭代过程中的大量乘法运算转化为比较运算，大大减少了计算量。而基于双层符号常数模的多径水声信道盲均衡器，具有收敛速度快，超量均方误差和计算复杂度小等特点。用负声速梯度信道及深海信道对该盲均衡器性能进行的仿真研究表明：该盲均衡器对多径干扰有良好的抑制作用，对水下数据通信有很强的实用价值。     

IEEE802.11 MAC层协议栈的均衡多线程实现方法

IEEE802.11标准中的媒体接入控制层(MAC)协议栈由包含22个子模块的有限状态机组成.在嵌入式系统的基础上实现802.11MAC层协议栈时,可以有多线程和单线程的设计方法,但它们都难以达到效率均衡的效果.这里提出的均衡多线程的设计方法,兼顾了系统效率和可实现性的要求,获得了良好的效果.仿真实验结果验证了此方法的高效性.     

一种ad hoc网络可靠性度量——网络均衡度

通过网络节点的重要性,定义了网络的均衡度,从而用来衡量网络的可靠性.该度量反映了网络的抗毁性、生存性以及有效性,是一种衡量网络可靠性的有效尺度.     

一种用于多径衰落水声信道的盲均衡算法仿真研究

在水声数字通信中，严重的多径衰落和多普勒频移是影响通信性能的两个主要因素。研究了一种分数间隔判决反馈盲均衡结构，以有效地克服水声信道多径衰落的不利影响。同时，针对水声信道的时变多普勒特性，在分数间隔判决反馈结构的基础上，提出了一种修正常数模分数间隔判决反馈盲均衡与二阶数字锁相环相结合的盲均衡算法，以纠正信道引入的载波相位旋转。最后通过计算机仿真，将该算法与常数模波特间隔判决反馈盲均衡算法进行了性能对比，仿真结果证明了该算法的有效性。因此，该算法具有良好的实用性和应用前景。     

改进的BP人工神经网络预测软土地基固结沉降量

采用改进的BP人工神经网络较强的非线性映射能力和学习能力,提出了一种有效的沉降预测方法,并用于深港西部通道软土地基固结沉降量的预测.本方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高,与实测值较吻合,简便易行,因而具有广泛的工程实用价值.     

退化图片的图像增强方法研究

采用直方图均衡和灰度匹配变换的图像增强方法对退化图片细节进行了增强处理，在灰度匹配变换中分别采用单映射（SML）规则和组映射规则（GML），并对它们的特点进行了比较分析．实验结果表明，用SML和GML能更好地增强细节．特别是GML能有效减小其匹配后的直方图与匹配函数之间的误差．     

ATIS环境下的网络交通流逐日动态演化研究

基于出行者逐日路径选择过程,建立出行者路径选择模型和逐日路径选择学习模型. 在2条平行路径的简单路网中进行多次数值实验,结果表明：网络交通流演化是否稳定,以及能否达到随机用户均衡态,与出行者对昨日感知行程时间的依赖程度和先进的出行者信息系统市场占有率两者都有关系. 当出行者对昨日实际行程时间完全依赖时,路网系统始终偏离随机用户均衡态;当出行者对昨日感知行程时间完全依赖时,出行者集中选择一条路径,并且网络交通流演化稳定.     

一种云环境下的虚拟机负载均衡算法

针对多数负载均衡算法都以虚拟机的CPU、内存等资源的利用率作为优化目标,而未考虑虚拟机上总任务工作时长不均衡导致任务总等待时长增加的问题,提出一种结合随机森林分类器的粒子群优化算法用于解决虚拟机的负载均衡问题.该算法不仅均衡了虚拟机的CPU利用率和内存利用率,也将虚拟机上总任务工作时长作为优化目标,以达到均衡虚拟机资源利用率,同时减少任务总等待时间的目的.仿真实验结果表明,该算法能有效解决虚拟机的负载均衡问题.