简单系统决策与复杂系统决策:对决策范式中分化和转换的一种理解

讨论了由规范决策(NP)到描述决策(DP)研究范式的分化问题。基于复杂性思维,分析了简单系统决策和复杂系统决策的区别;指出:基于NP/DP发展起来的决策理论实际上只对应简单决策系统范围。探讨了面向复杂决策系统(CDS)的新决策研究范式:复杂性范式(CP)的内涵;并把CP与NP/DP做了比较,指出在信念、学科基础、决策范围、方法论、理论体系上的一系列区别;最后提出了CP的体系架构。     

机会约束下的均值-VaR组合投资问题

结合均值一方差模型和机会约束模型提出在允许卖空时的机会约束下的均值-VaB模型，它是以期望收益率与置信水平为导向的．在假设投资收益率服从正态分布的条件下，建立了其数学模型，讨论了最优解的存在性与唯一性，得到了最优解的解析表达式，并用Matlab语言给出求解程序，最后举例予以说明并验证了两个重要结论．     

热轧钢管主生产计划模型与算法研究

建立了热轧无缝钢管主生产计划问题的混合整数线性规划模型．该模型可归结为多阶段多产品带有能力约束的批量问题，但与传统批量问题存在以下不同：①充分反映了钢管企业与其它行业的不同工艺特点；②目标函数追求最大化现金流而不是最小化成本；③允许订单积压；④考虑库存能力约束；⑤忽略设置时间及成本。但引入了最小生产批量约束．鉴于该问题的NP难性，使用两种基于优化的启发式算法进行求解，并提出两条策略加以改进．     

一种动态调整的改进微粒群算法

微粒群算法是一种新型的进化计算方法，已在许多领域得到了广泛的应用．通过对基本微粒群算法的分析，发现基本微粒群算法在计算过程中使用Lebesgue测度为0的线段进行搜索，较易得到过旱收敛现象．据此，提出了一种改进的微粒群算法，该算法在运行过程中能动态调整极限位置，从而使得每个微粒的极限位置在其所经历的最好位置与整体最好位置所形成的动态圆中分布，由于在搜索空间中使用测度为正的区域对定义域空间进行搜索，能以较大概率跳出局部最优点．实例仿真结果验证了方法的正确性和有效性．     

复杂网络中的社团结构分析算法研究综述

许多实际网络中都存在着社团结构.为了寻找大规模复杂网络中的社团结构,人们提出了很多算法.本文综述了近几年来比较有代表性的一些算法.首先介绍了计算机科学中最有名的谱平分法和Kernighan-Lin算法,然后介绍了社会学中具有代表性的分裂算法和凝聚算法,并着重分析了最新提出来的一种寻找网络中彼此重叠的社团结构的派系过滤算法.最后指出了进一步的研究方向.     

基于混合遗传的粗集理论在工期目标实现中的应用

提出了一种基于混合遗传算法的相对约简算法,把模拟退火融入到遗传算法中形成混合遗传算法,提高了遗传算法的优化效率,并用这种混合遗传算法寻求最小条件属性集及最小属性值约简.并把该算法引入到工程管理中,提出若干条决策规则,工程管理人员按照这种决策规则进行施工过程的管理,确保在预定时间内完成工程任务.如果对整个施工过程的每道工序都提出决策规则,就可以实现施工过程的智能化管理.     

Sigma点卡尔曼滤波及其应用

针对扩展卡尔曼滤波(EKF)不易调整、难于应用、只对更新时间步长内局部线性假设成立的非线性系统适用等不足,近年来提出了一些卡尔曼滤波向非线性系统扩展的新方法。根据均值与协方差信息按非线性映射传播的特点,将它们归类为Sigma点卡尔曼滤波(SPKF)方法。在简要说明加权统计线性回归技术的基础上,系统介绍了SPKF的形式及算法,对其应用情况进行了总结和展望,指出可采用SPKF替代EKF以获得更好的性能。     

基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。     

一种区间值聚类的数据挖掘方法

提出了一种区间值聚类的数据挖掘方法。该方法首先将数据库中的数据按照属性进行聚类,将它们划分为若干区间,对于同一区间中的数据赋予相同的编号,以此处理直至数据库的最后一个属性。在完成这种转换后即可使用关联规则的挖掘方法。该方法与传统的数据挖掘方法相比更加符合实际。大量的仿真数据集和真实数据集的实验结果表明该算法是有效的。     

改进遗传算法及其在背包问题中的应用

介绍了一种改进的遗传算法,给出了应用该算法的具体步骤。该算法通过使用二元染色体编码方式,利用基因处于不同状态的概率来表示等位基因,既使染色体具有了更多的信息量,又能够保证遗传算法的收敛性。通过旋转变换实现了染色体的进化,提高了算法的全局搜索能力和收敛速度。并利用组合优化中典型的背包问题对算法进行了验证,并和基本遗传算法的结果进行了比较,验证了算法的有效性