基于选择性随机扫描的蠕虫传播模型

分析了蠕虫病毒在一个封闭的计算机群中传播的过程,提出了一个离散的蠕虫传播模型,并且把该模型和CodeRedv2蠕虫的真实传播数据进行了比较,通过比较发现该模型较好地反映了随机扫描蠕虫的传播规律·进一步把该模型做了推广,考虑选择性随机扫描(Selective-randomscan)蠕虫的传播规律,通过推广后的模型可以发现,在一个封闭的计算机群中,各个小网络中的易感主机数变化越大,蠕虫传播的速度越快·     

RED-PD算法的仿真研究

随机早期检测(RED:Random Early Detection)是IETF推荐的一种基于路由器有效的主动队列管理算法,但是在某些情况下,一些数据量很大的数据流会大量占用带宽,从而导致了各流量之间带宽分配的不公平性,甚至产生拥塞崩溃。对M ahajan提出的一种基于RED分组丢弃历史的AQM(Active Queue M anagem ent)算法RED-PD(RED w ith Preferential D ropp ing)进行了深入研究。该算法通过对被检测出的高带宽流的数据包采用提前丢弃的策略,实现带宽分配的公平性。通过仿真发现了RED-PD算法的自适应性,表明此算法有更高的理论和实用价值。     

基于二阶段随机规划的制造/再制造集成物流网络优化设计

基于二阶段随机规划方法提出了一种制造／再制造集成物流网络优化设计模型，据此确定网络中各种设施的数量、位王及物流量分配，以使运营周期内的净收益最大。谊模型的特点是：考虑了制造／再制造混合系统中产品需求量和可回收废旧产品数量的不确定性；考虑了正向物流和逆向物流的设施集成与运输整合以及回收中心的处理技术配备问题。最后，通过一个算例验证了谊模型的有效性。     

模糊随机需求模式下的扩展报童模型与求解算法

将模糊随机需求期望值理论引入对模糊随机需求模式下单周期库存优化问题研究，建立了模糊随机收益期望值最大化的单一产品模糊随机报童模型和多产品模糊随机规划报童模型．并根据遗传算法理论和计算机模糊随机变量模拟技术设计了求解模型的智能算法。     

具有随机损坏率Newsboy产品两阶段决策问题

考虑产品随机损坏率情形下的一个供应商和一个经销商组成的Newsboy产品的供应链系统。研完供应链双方分散决策和供应商管理经销商库存（VMI）两种情形。当双方独立决策时，经销商和供应商分别以各自期望收益为目标决策最优的订货批量和最优生产批量，当完好产品的批量小于经销商的订货批量时，供应商将给予价格折扣；当由供应商管理经销商库存时，供应商在满足经销商期望收益要求的条件下，同时决策生产批量和批发价格。对于损坏率和产品需求为一般分布函数的情况下，研究在两种策略下供应链双方最优决策、双方和整个供应链的期望收益，以及VMI策略实现的条件以及对供应链的价值。最后将指数分布需求和均匀分布损坏率应用到一般模型中，通过算例进行敏感性分析。     

SV-GED模型在中国股市的VaR与ES度量及分析

从分析中国股市指数收益率的统计特征入手,以SV模型为基础,在多种分布情形下测算了沪深两市时变风险值V aR及ES。结果表明:基于GED分布的SV模型(SV-GED模型)较好地刻画了高频时间序列的尖峰肥尾性及波动集聚性与持续性等特性,并对两市指数进行较准确的预测,ES相比V aR能够较准确地估计尾部风险。     

考虑收入因素的旅行时间价值模型研究

时间价值在分析交通行为、定量地评价交通项目的经济效益中都起到十分重要的作用.在随机效用函数理论的基础上对旅客的时间价值进行了深入研究,提出了一种新的效用函数的构建方法和模型参数标定算法,其不仅考虑了传统的旅行费用和旅行时间,而且进一步考虑了旅客收入这一因素.其次运用极大似然估计方法对模型的参数进行标定.最后针对京沪通道相关数据进行了简单的实证分析.     

资产价格的抛物线跳跃扩散模型

以Bibby与Sφrensen(1997)抛物线扩散模型为基础,用一个线性趋势和跳跃加上一个扩散过程为资产价格对数建模,该扩散过程是一个漂移项为0、扩散系数依赖与瞬时的资产价格,该模型称之为抛物线跳跃扩散模型.通过模型成功的拟合了几个不同价格指数数据集合,表明抛物线扩散跳跃模型能够很好的体现资产收益分布的检验特征.开发了基于Milstein的McMC算法,成功的估计了模型的参数及隐含变量,并验证了所开发算法的有效性.     

随机波动模型参数估计的新算法及其在上海股市的实证

研究用马尔科夫链蒙特卡罗(MCMC)算法估计随机波动模型的参数问题.基于“前向滤波,后向抽样”方法提出一种新算法,并将新算法同原有算法进行了比较.然后利用新算法对上海股市进行波动性分析,发现中国涨跌停板制度对波动的持续性估计有着重要的影响,忽视这些因素将会导致波动的持续性被高估.     

基于置乱变换的DCT域二维数字水印算法

提出了DCT变换域上基于人类视觉特性(HVS)的一种水印算法。该算法先把原始宿主图像进行幻方置乱,然后分块DCT,使原始宿主图像的DCT系数能均匀分布在系数矩阵中。添加水印时,首先对二值水印图像进行2×2分块,然后用伪随机序列对分块后的水印信号进行伪随机排序,最后再把排序后的水印图像进行Arnold置乱,并利用人眼视觉特性(HVS)对嵌入的水印强度进行了调整,把水印信号嵌入到原始图像的DCT系数的低频系数上。使水印的嵌入强度在不引起视觉警觉的基础上得到显著提高,有效地提高了检测正确率,增强了水印的稳健性。