随机资源分配问题建模和随机模拟遗传算法求解

为了最大限度地满足用户对紧缺随机资源的需求,对随机资源分配问题建立了相关机会多目标规划模型和相关机会目标规划模型,通过表示各个(级)目标事件的诱导约束,建立决策向量和机会函数之间的关系,并运用随机模拟遗传算法求解模型。     

区间有理曲线的降阶

针对用低阶区间有理曲线来界定高阶区间有理曲线的问题，提出了线性规划和最佳一致逼近两种不同的解决方法，并以实例验证，结果表明最佳一致逼近方法比线性规划方法有更佳的逼近效果并能提供更紧的界．     

奥运通勤线路公交调度问题研究

奥运通勤线路上的人员调度问题可以归结为公交人员调度问题,解决公交人员调度通常采用"生成与选择"模式,此种模式具有的局限性使之不能满足解决奥运特色通勤线路上人员调度的要求.针对多条运营线路的奥运特色通勤线路人员调度问题,给出了奥运特色通勤线路人员调度问题的改进模型,模型的目标是在满足工作时间、就餐时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小.本文对已有蚁群算法解决车辆路径优化问题的算法进行了改进.对算法中相应的转移规则和轨迹更新规则进行了重新设定,改进了算法转移策略和信息素更新策略.给出了算法的实现步骤.通过仿真,对模型的正确性进行了验证.证明了改进蚁群算法解决奥运特色通勤线路人员调度问题的高效性和较强的适用性.     

基于最小二乘支持向量机对偶优化问题的核偏最小二乘

提出了一种基于对偶优化的核最小二乘(KPLS)方法,把KPLS用最小二乘支持向量机的形式表示.推导了KPLS对偶优化形式的公式,且使其具有最小二乘支持向量机的风格.在初始空间中构造优化问题,应用核技术在特征空间中解对偶问题,这种解与非线性的KPLS具有相似性.实验验证了这种方法的效果,表明了该方法的有效性和优越性.     

低碳钢碳氮析出物的热力学计算

钢中的碳氮析出物通过细晶强化和析出强化方式对钢的力学性能有非常重要的作用. 基于规则溶液的双亚点阵模型(其中一个为金属亚点阵,另一个为间隙原子亚点阵)建立了碳氮化钛、氮化铝以及硫化锰的热力学计算模型用以研究析出物的析出开始温度、给定温度的奥氏体成分,并将这一结果应用于CSP过程. 经计算得Ti(CxN1-x),MnS和 AlN的析出温度分别是1 200 ℃,1 440 ℃和1 010 ℃,最大的体积分数分别为2.315×10-5,4.18×10-4和3.1×10-4. 对比发现热力学的计算结果与Thermo-Calc的计算结果和有关文献的实验数据有较好的一致性.     

V和V-N微合金化低碳钢碳氮化物的形变析出

通过热模拟压缩实验考察了V和V-N微合金化低碳锰钢在860~740℃范围内多道次变形时的组织演变和碳氮化物析出规律及其相互影响.结果表明,含V钢中添加少量的N促进了变形奥氏体中V的碳氮化物(尤其是氮化物)的析出和形变诱导铁素体相变.V的碳氮化物析出降低了奥氏体中固溶的V,从而减弱了固溶V对形变诱导铁素体相变的抑制作用.碳氮化物析出在奥氏体的局部区域造成贫碳区,也促进了铁素体形核.在相同处理工艺下与V钢相比,V-N钢中铁素体内碳氮化物开始析出的时间短,析出相的数量多,长大速度慢,分布弥散.     

T_1与T_2之间的几个分离公理

讨论了T1与T2之间的几个分离公理.     

α-(NH_4)_6[SiW_(11)(H_2O)O_(39)]·xH_2O光催化降解亚甲基蓝溶液的研究

以标题化合物为催化剂,在紫外灯辐射下,研究了模拟染料废水亚甲基蓝溶液的光催化降解的反应,详细讨论了催化剂投加量、亚甲基蓝溶液的初始浓度、酸度等对催化脱色效果的影响.结果表明,100mL的亚甲基蓝溶液在紫外灯辐射下最佳的浓度为5 mg/L,催化剂用量为0.11g/L,溶液酸度为pH=1;在不改变溶液酸度的情况下,外加氧化剂H2O2能够显著加速亚甲基蓝的催化降解效果.     

非线性反问题求解的参数微分正则化方法

讨论了非线性反问题的求解问题,将具有大范围收敛特性的同伦方法引入到非线性反问题的求解之中,籍此克服非线性反问题常规求解过程中局部收敛的缺陷;结合吉洪诺夫正则化方法,以解决计算Frechet导数时病态的问题.在此基础上,提出了一种用于求解非线性反问题的参数微分正则化方法,给出其构造过程,并且证明了参数微分正则化方法解的存在性和收敛性.     

灰色数列预测在我国税收预测中的应用

准确预测税收总量,对于有效地进行市场经济条件下的宏观调控有着重要的意义。定性分析了我国1992到1997年的税收数据,引入了均值生成算子对原始数据进行处理,建立了GM(1,1)模型,从而发现、掌握税收数据的变化规律,并对未来数据进行了定量预测。为了充分利用新信息,进一步提高预测精度,对数据进行了新陈代谢,再次建模预测。结果表明,用GM(1,1)模型对税收数据进行预测,不仅所需样本小、信息少,而且建模简单,具有很好的预测精度。