G-非扩张映射有限族的多步迭代方法及其数值实验

在带有有向图的一致凸的Banach空间中,构造了一种关于G-非扩张映射有限族的公共不动点的多步迭代方法,并利用所构造的迭代方法证明了G-非扩张映射有限族的强、弱收敛定理,最后给出数值例子验证所提出的迭代方法的有效性。     

填充床放电等离子体反应器对铜绿微囊藻的去除

研究了多根高压电极型填充床放电等离子体反应器对铜绿微囊藻光密度的去除.探讨了高压电极材料、气量、峰值电压和脉冲频率对填充床放电等离子体反应器中铜绿微囊藻光密度去除的影响.结果表明:高压电极材料对铜绿微囊藻光密度的去除不太明显;铜绿微囊藻光密度去除率在处理当天随气量、峰值电压、频率增加而增强的作用效果不明显;而是在放置培养期间,铜绿微囊藻生长受抑制的程度加强,光密度去除率增加.     

L2(R)的子空间仿射伪框架

引进广义多分辨结构与子空间伪框架的概念.给出Paley-Wiener子空间的广义多分辨结构的构造.类似于S.Mallat的金字塔算法,建立了广义多分辩结构的塔式分解格式.得到塔式分解格式存在的条件.由此得到L2(R)中的函数的仿射框架展式.     

基于节能的增材制造工艺参数优化方法研究

增材制造技术因其能够一层层打印出复杂的零件而日益备受关注,然而,增材制造技术的工艺参数繁多且相互影响,因此,合理选择工艺参数一直以来是研究的重点.为了解决这一问题,文中提出了基于节能的增材制造工艺参数优化方法.首先,分别建立了常见的增材制造技术,如熔融沉积成形(fused deposition modeling,FDM...     

考虑经纪人投资情绪的委托代理合同研究

从行为金融学角度,提出将经纪人的投资情绪考虑进资本市场的委托代理关系中.通过建立数学模型,分析了非理性经纪人的投资决策给委托人带来的影响,得到了此时委托人与经纪人之间的最优委托代理合同.结果表明,经纪人的乐(悲)观投资情绪可以使委托人的代理成本得到补偿,并且委托人对经纪人的最优激励强度随着经纪人乐(悲)观程度的增加而降低.这说明在一定条件下,经纪人的乐(悲)观投资情绪,对委托人具有积极意义.     

求解DRS多目标优化问题的新颖ε-支配进化算法

首先分析ORS(dominance resistant solutions)多目标优化问题的特点,证明基于Pareto-支配关系的多目标优化问题算法求解该类问题很难收敛.然后,提出一种新的基于ε-支配关系的进化算法-ε-支配进化算法(EDMOEA),给出该算法框架和详细流程.最后,将ε-支配进化算法和NSGA-Ⅱ算法应用于求解一组典型的DRS多目标优化问题和常用的多目标优化测试问题,基于算法的收敛性和Pareto最优解集分布性进行评价和比较分析,表明ε-支配进化算法的有效性.     

群决策的交互式TOPSIS方法及其应用

建立了一种多轮交互逐步逼近满意解的多属性群体决策的综合方法,对决策方案采用扩展的 TOPSIS(technique for order preference by similarity to ideal solution)法进行定性评价排序,以克服一类难以建立解析模型,分析求解困难的多属性群决策问题;设计了群体满意度等软指标来分析计算,判断群体一致性的达成,最终得出群体满意的方案排序.通过应用实例,说明了该方法的有效性和可行性,初步提出了可作为建立一类实际的群决策支持系统的方法和技术框架.     

面向多用途的数学概念知识分层表示方法

着重介绍NKIMath中数学概念的知识表示方法.首先给出了NKIMath知识系统的体系结构,分析了获取数学知识的不同用途.在次基础上给出了一种融合了本体、框架和逻辑综合的知识表示方法,将知识分为谓词逻辑层、知识描述层和概念关系层,不同层次可以满足不同用途的需求,详细给出了数学概念知识表示的基本模式以及参数表示形式.NKIMath可以很容易地实现与W3C推荐的数学文档标注语言OMDoc之间的相互转换,同时在知识表示的多粒度、多语言版本知识自动生成等方面优于OMDoc.     

多任务多联盟并行生成：模型与求解

联盟生成是MAS的一个关键问题,现有的工作主要研究如何针对一个任务生成最优联盟,很少考虑多任务多联盟生成问题(MMG).对MMG问题建立了模型,并进行了分析.在系统能力受限的条件下给出一种并行算法,首先找出最优可达任务集,再针对每个任务生成相应的联盟,从而实现了问题的分布并行求解.最后通过仿真试验说明了此算法的有效性.     

多变量离散灰色模型及其性质

构建了多变量离散灰色模型,并将该模型与传统GM(n,h)模型对比研究,通过系数变换,该模型可以和GM(n,h)模型相互等价,从而架构了离散灰色模型与传统灰色模型的研究桥梁.在此基础上研究了数乘变换对其参数取值的影响,结果表明模型的模拟和预测值只与因变量的数乘变换有关,而与自变量的变换无关,模型的相对误差与所有变量的数乘变换都无关,这些结果对灰色模型系列性研究有重要意义.