寻求离散变量结构优化设计0－1规划可行集的差商向量法

利用相对差商向量法寻求离散变量结构优化设计０－１规划模型原变量可行集。本法是按各设计变量相对差商的负方向搜索设计变量的“可行基点”，依此求得与０－１规划相对应的原设计变量的可行集；目的是使“可行基点”更好地逼近最优解，以减少优化过程的迭代次数，提高计算效率。     

某类群之增广理想及其增广商群的基底

令H是任意非Abel有限群G的完全正规子群,记△n(G)为整群环ZG的n次增广理想,Qn(G)为增广商群△n(G)/△n 1(G).当G/H为循环群或基本p-群时,给出了△n(G)的一组基底,确定其增广商群Qn(G)的结构.     

求解TSP 问题的离散粒子群优化算法

以旅行商问题为例,提出了一种离散粒子群优化算法,根据优化问题及离散量的特点,对粒子的位置、速度等量及其运算规则进行了重新定义,为抑制早熟停滞现象,为粒子和粒子群分别定义了个体多样性和微观多样性,算法中定义了排斥算子来保持粒子群的多样性,使用高效的学习算子来提高算法的局部求精能力,使算法在空间探索和局部求精间取得了很好的平衡,与领域中的其它典型算法进行了仿真比较,结果表明,离散粒子群优化算法具有很好的性能.     

环的广义幂级数扩张的若干性质

研究环R的以严格偏序么半群S为指数集的广义幂级数扩张[[RS,≤]].讨论R为c-可换环、R为p-环时,广义幂级数环[[RS,≤]]具有的性质.指出商理想(I:J)的扩张[[(I:J)S,≤]]与扩张的商理想([[IS,≤]]:[[JS,≤]])之间的关系.     

遗传算法求解TSP问题的MATLAB实现

以遗传算法求解旅行商问题（TSP）为例,提出一种改进的交叉和变异算子,深入讨论了各个遗传算子的程序实现,并给出其算子的MATLAB程序编码,最后用5个城市的非对称TSP进行仿真分析.结果表明,改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的,证实TSP问题是遗传算法得以成功应用的典型例子.     

L-Fuzzy商群的分解定理

借助Lα集合套和Lβ套理论给出了L-Fuzzy商群的分解定理，并给出它们在代数中的应用．     

基于Hopfield网络的极小值问题学习算法

针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 ,结果能够以很高的比率收敛于最优解     

改进遗传交叉算子求解TSP问题

遗传算法中的交叉算子最根本的作用就是要使子代继承父代的优秀基因。本文着重考虑了用遗传算法求解TSP问题中遇到的交叉算子，根据TSP问题的特点，构造出一种能很好继承父代优秀基因的交叉算子；实例计算表明该算法收敛速度快，从而可以进一步改善遗传算法的性能。     

具有循环中心和小中心商的有限p群

本文证明中心循环且中心商为p~5阶群的有限p群能分为15个互不同构的类。     

自共轭四元数矩阵积与Hadamard积的特征值的一些不等式

给出了一些四元数自共轭矩阵积与Ｈａｄａｍａｒｄ积的不等式，由此表明在很多情况下四元数自共轭矩阵积与Ｈａｄａｍａｒｄ积的性质是相似的。