最优线性网络编码的分布式构造方法

针对单源组播网络,在合理的假设条件下,提出了最优线性网络编码(在吞吐率最大的前提下编码代价最小)的分布式构造方法。首先对线性网络编码的机理进行分析,得出了不同组播率下编码方案间的内在联系,导出了一个在线测试组播容量的策略;提出的方法以遗传算法为搜索引擎,结合随机线性网络编码,嵌入了在线测试组播容量的策略。通过合理地设计编码系数的生成规则和进化策略,在获得最大吞吐率前提下达到最小编码信道数的同时,构造出相应的编码方案,且编码系数保存在各节点中,从而可以采用确定性网络编码数据传输策略传输数据。仿真结果表明提出的方法是有效的。     

考虑随机需求和库存决策的多商品物流网络设计的优化模型与算法

提出一种将库存控制决策和设施选址模型相结合的优化方法,用来解决一类多商品物流网络优化设计问题, 网络内的用户需求是随机的且服从正态分布,优化设计的目的是在满足一定服务水平的前提下,最小化物流网络内包括建设费用、储存费用 和运输费用在内的总成本费用,建立了一个能同时描述设施选址决策和库存决策的多商品物流网络设计问题的非线性混合整数优化模型,并使用组合模拟退火算法对其进行求解分析,最后的算例计算结果验证了模型和算法的有效性.     

保险资金投资模型及其Markov链模拟

针对保险资金投资的特殊性建立了投资决策的动态模型,并利用近似Markov链计算了数值解. 与经典的Merton模型不同,保险资金投于风险证券的量仅在增资区域中随财富而递增,在控制区域内不会显著增加, 甚至反而可能递减.最后就降息、保险资金现金流与风险证券的相关性、保险公司业绩对最优投资策略的影响进行了敏感性分析.     

基于广义随机Petri网的城市道路公交优先建模与性能研究

针对当前城市道路网存在的交通拥堵问题,根据城市地面交通的特点和公交优先的原则,利用广义随机Petri网通过将变迁分为时间变迁和瞬时变迁,结合禁止弧和赋予各弧不同的优先权, 构建公交优先策略模型,为实施公交优先策略提供理论依据.     

基于排队论的一个物流模型

利用排队论研究了一个物流模型. 货物到达货运站形成一复合泊松过程.每辆货车每次装载货物数量必须刚好为$N$.求得了系统稳态存在的充分必要条件,利用补充变量法求得了任意时刻货运站内的平均货物量以及货车刚到达货运站时货运站内待运的平均货物量.最后给出了一个数值实例.     

能源约束下的我国全要素生产率增长比较——基于技术可变的面板随机前沿生产模型

工业化过程伴随着巨大的能源消耗.本文将能源、资本和劳动力视为重要的生产要素投入,利用技术可变的面板随机前沿生产模型,估算了1995～2004年我国省级的全要素生产增长率(TFPG).进一步将TFPG分解为技术进步、技术效率和规模效率增长.结论显示:(1)样本期内能源的产出弹性显著为正,且从2002年起其产出弹性大于劳动力产出弹性.(2)我国东中西部三个地区TFPG依次递减.(3)技术进步增长是TFPG主要推动力,其次是规模效率,而技术效率对TFPG起到负的影响,且增长逐年递减.     

基于随机分析的公交站点乘客等车时间

分析了公交站点乘客等车过程的随机特性,在公共汽车和秉客均随机到站的条件下,确定了描述乘客在公交站点等车过程中关键状态的一系列随机变量,用图示的方法予以说明.从两个角度研究了公交站点乘客的累积等车时间,并根据随机过程理论推导出其均值的计算公式.结果表明有效控制顺次相邻两公共汽车离开公交站点的间隔时间并尽可能减少其波动可以缩短公交站点乘客的累积等车时间.     

一种结合形状上下文分析的Laplace谱匹配算法

提出了一种结合形状上下文分析的Laplace谱匹配算法.工作主要侧重于如何提高Laplace谱匹配算法对点的位置随机抖动的鲁棒性.首先,使用Laplace矩阵的特征向量和特征值以及双随机矩阵的方法计算初始匹配概率.然后,借助于概率松弛算法,将用形状上下文表示的局部相似性融入Laplace谱匹配算法以优化谱匹配的结果.对真实和合成数据的实验表明该方法具有比较高的精度.     

可跨工位操作的随机混流装配线平衡问题研究

装配线平衡问题是在满足一定约束的条件下,将一系列任务单元分配到各个工位上,使其工作强度与利用率相适应.研究了带有跨工位操作,且任务单元完成时间为随机量的一类特殊装配线平衡问题,目标是缩短整个生产过程中的总任务超载时间;参考机会约束规划的思想,建立了α任务超载时间最小化模型;结合随机模拟和遗传算法设计了混合遗传算法以求解,并通过实例仿真验证了算法的有效性.     

贝叶斯网络推理的一种高精度仿真算法

简要分析了贝叶斯网络推理算法的现状,提出了基于马氏链随机拟蒙特卡罗算法(MCRQMC)的推理方法.在给出高精度推理结果的同时,该推理算法亦能给出推理结果的标准偏差.从理论上对MCRQMC算法与现有的算法进行了比较分析,并采用随机Halton序列、Sobol序列和普通随机序列进行了推理实验.结果表明MCRQMC算法在同样样本数量的情况下,推理精度显著优于现有算法.