基本蚁群算法的A.S.收敛性研究

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法，虽然该算法已经在众多组合优化领域中得到广泛应用，但是对其收敛性尤其是A．S．（AlmostSurely）收敛性问题的研究还存在很多空白．本文在介绍蚁群算法基本原理的基础上，以Markov链和离散鞅作为研究工具，对基本蚁群算法的A．S．收敛性问题进行了理论证明，把最优解集序列转变为下鞅序列来考察残留信息素轨迹向量的收敛性，随后提出了基本蚁群算法首达时间的定义，并对基本蚁群算法首次到达时间的期望值进行了理论分析．     

关键词检测系统中废料模型技术的研究

关键词检测是语音识别中一个重要的研究方向．关键词检测技术的重点之一就是代表非关键词语音的模型，不论识别系统的方法怎样，大部分是采用废料模型的，而废料模型的结构和类型对整个系统的性能有很大的影响．提出了一种基于音节格的废料模型．实验表明，与传统的基于音素类的废料模型相比，关键词的检测率有了很大的提高．     

具有Markov跳跃参数的一类非线性系统的鲁棒反馈镇定

利用随机控制的Lyapunov设计方法,研究了一类带Markov跳跃参数的随机非线性混合系统的鲁棒控制问题.给出了受方差不确定的Wiener噪声干扰的跳跃严格反馈系统的镇定设计,该设计可使稳态误差在4阶矩意义下收敛到一个小范围内.     

基于市场的再制造P制造系统集成库存随机最优控制研究

在逆向物流中,再制造零部件的数量具有不确定性.根据这一特点,将其看成是随机参数,给出了再制造/制造系统集成库存模式.基于市场对再生品和新产品的不同需求,利用马尔科夫决策理论对具有随机再制造零部件的再制造/制造系统集成库存进行研究,考虑再制造零部件单位成本、新零部件(新购或新制造)单位成本和固定成本及有缺货赔偿的情况,给出了马尔科夫决策过程模型,得到了随机最优控制策略,并用案例进行分析验证.     

动态贝叶斯网络在复杂系统中建模方法的研究

提出了用动态贝叶斯网络(DBN)对复杂系统进行建模的有效方法。基本思路是将扩展后的隐变量引入了DBN的演化过程中来建立马尔可夫模型,并给出了引入扩展后的隐变量的DBN结构学习算法框架。进而,利用贝叶斯概率统计方法对后续时间片的充分统计因子进行了估计,并通过当前已存在的充分统计因子和估计的充分统计因子对基于时间变化的转移概率进行了学习。原理性分析和仿真实验结果也验证了该方法的有效性。     

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.     

相邻k-out-of-n:F多状态可修系统的可靠性分析

针对相邻k-out-of-n:F多状态可修系统可靠性指标计算难的问题,提出了两种求解该系统可靠性指标的方法。当系统部件寿命和修理时间都服从指数分布时,方法一首先利用马尔可夫过程理论获得部件的可用度,再用部件的可用度获得系统的瞬态、稳态可用度;方法二针对状态空间巨大的情况,先以一定的标准对状态空间进行截尾,再应用马尔可夫模型获得系统的稳态可用度、首次故障前平均时间、稳态故障频度等可靠性指标。最后通过数值算例说明了所提出方法的有效性。     

基于隐Markov树的设备状态综合诊断模型

为了充分利用小波系数之间的统计相依性以更有效地诊断设备状态,提出了一种基于隐Markov树(HMT)的综合诊断模型。首先通过主成分分析将来自多个传感器的信号转换为主成分,求出各主成分对应的频谱,然后通过比较对已训练的各HMT模型的适应度,运用Bayes决策融合法则得到设备状态综合诊断决策。为了克服HMT模型存在的计算溢出困难,采用尺度变换对EM算法进行了改进。通过两个实例验证了该综合诊断模型具有较高的诊断准确率。     

影响酸碱滴定突跃的因素及化学计量点位置的商榷

本文推导出了强酸强碱、一元弱酸弱碱、多元弱酸弱碱滴定突跃、化学计量点的近似计算式,用公式说明了影响滴定突跃的因素及化学计量点的位置,并得出了一些重要结论.