基于遗传算法的多扇区移交点交通流量优化

以扇区之间的移交点为研究对象,在扇区容量受限的情况下,将尾随间隔(MIT)与时隙分配相结合对进入扇区的航班流量进行优化管理,以保证扇区之间的航班运行通畅。以最小航班累积延误成本为目标函数,并通过流量分配得出移交点的MIT,同时使用遗传算法优化在满足MIT的情况下航班通过移交点进入扇区的顺序,并求得最低延误成本,得到的最低延误成本比使用先到先服务的传统策略所得到的延误成本降低了18. 6%。     

面向港口复杂装卸系统的动态机会维护策略

针对以不同衰退特征设备组成的港口复杂装卸系统,提出了设备层-系统层交互的动态机会维护策略,以支撑自动化码头的智能维护决策.引入维护效果和外部环境工况,提出了独立设备的综合衰退演化规则,并结合多目标价值理论和动态循环决策模式,建立设备层多目标预知维护规划模型.在此基础上,分析串联设备间的相互依赖性,利用设备停机的组合维护机会,建立了多设备维护优化调度的联合区间轴策略,对关联设备的预知维护作业采取有针对性的作业合并.数值实例结果证明,所提出的方法可显著降低系统整体维护成本,提供具有可行性、实时性、经济性的系统层维护优化方案.     

马氏转移对数正态模型参数置信区间的Bootstrap估计

马氏状态转移对数正态模型参数的区间估计很难得到。文章提出的Bootstrap法不仅能在Excel环境下克服似然函数关于参数求导以及求导后对随机变量求期望的困难,而且能弥补使用费希尔信息量的倒数I(Θ)-1低估估计量波动的缺陷,同时能方便地得到估计量的分布和协差阵,为研究模型系数估计的稳定性提供了切实可靠的统计方法。     

Gompertz分布TFR模型简单步进应力加速寿命试验的统计分析

给出了Gompertz分布产品的简单步步加试验损伤失效率模型下参数的极大似然估计和拟矩估计,并通过模拟例子说明该方法是可行的．另外,还给出了参数的区间估计．     

人工智能应用中基于区间代数的时态推理

时态表示和推理是人工智能领域的重要研究内容之一,它的应用范围分布很广,从逻辑基础研究到知识系统的应用.区间代数是一种独立的与领域无关的时态理论.用区间代数能表示不确定的时态关系,可以很方便地用于时态推理,表达能力强;时态关系的区间表示比较直观,可理解性强;同时区间代数可以进一步扩展到二维空间领域,即将区间代数拓展为矩阵代数,实现二维空间推理.在一维时态推理中,将时态的区间表示和矩阵表示相结合,在提高计算效率的同时,保持了形象直观的时态表示.     

异地配置的雷达与电子支援措施异步航迹关联

针对异步条件下雷达与电子支援措施(electronic support measurements, ESM)航迹关联问题, 通过分析方位角异步测量值对交叉定位原理的影响, 提出一种无需时域配准的航迹关联算法。根据传感器存在时延以及采样率的不同, 给出不等长航迹序列的等长区间变换以及异步航迹交叉定位的区间化方法, 通过计算区间序列离散度实现异类传感器航迹关联。通过仿真验证, 区间序列离散度不受噪声分布的影响, 且对数据集整体特征的求解避免了传统算法中的逐点运算, 有效提高了算法运算率。与传统算法相比, 可在多种测量误差场景下对异步航迹直接进行准确关联。     

基于混合阈值的清除重复间隔阈值经验模态分解去噪方法

经验模态分解(Empirical mode decomposition,EMD)被认为是一种有潜力的非线性非静态信号去噪方法。传统的经验模态分解阈值去噪在零点附近存在不连续性的缺点,Kopsinis提出了EMD-IIT和EMD-CIIT方法,但这两种方法对阈值过于敏感,即区间极值轻微的偏差就有可能导致去掉整个区间曲线,因此本文提出一种混合阈值算法,结合了EMD-DT和EMD-IT各自的优势。仿真结果表明此去噪算法具有较好的效果。     

用数理统计方法改进中位数公式

本文针对组距式资料的中位数计算进行了讨论,指出了传统公式的不足,改进了中位数位置的确定标准,提出了用均匀分布次序统计量的数学期望来估算中位数的方法,并在此基础上推导出新的中位数计算公式。