不同约束下多产品报童问题解的比较研究

不同约束形式代表决策者不同的决策过程。传统多产品报童问题只考虑预算和能力等线性约束,而不涉及损失约束,显然有违真实的决策过程。为说明损失约束模型不同于预算约束模型的决策特点,通过算例对两个模型的解进行了分析和比较,总结了各自的决策特点。预算约束模型参照基于预算边际效用删除法和一般迭代方法(GIM法)求解。损失约束模型应用基于损失边际效用排序的删除法与线性近似规划法求解。另外对GIM法中衡量误差的公式作了修正。     

睡眠剥夺影响大脑功能区状态的非线性评价

采用近似熵研究睡眠剥夺（sleep deprivation，SD）对脑认知功能的影响，评价SD引起的大脑功能区状态的非线性变化．12名受试者在正常睡眠和一夜SD之后分别接受视觉注意力测试，记录自发脑电和诱发脑电，采用二维插值构建19导脑电近似熵脑信息图（brain information map，BIM）．结果表明，在SD状态下，自发脑电的近似熵在全脑范围内有不同程度的下降，额叶处大脑偏侧性发生变化，复杂度的中心从左脑转移到右脑；前额叶处诱发脑电近似熵值降低，而顶叶和颞叶处则升高．脑电近似熵可以作为指标来评价SD对脑认知功能的负向影响，BIM的变化趋势与从生理学及影像学角度的分析相吻合，与线性方法的研究结论一致，在一定程度上可以反映大脑功能状态，提供一条评价脑功能区状态变化趋势的思路．     

港口狭缝衍射边值问题的近似匹配法

对于入港口具有长而薄的狭缝孔道开口的衍射情形，研究通过狭缝衍射边值问题远场解与近场解的匹配问题。建立一种具有广泛意义的近似匹配方法，不仅得到与「１，２」类似的结果，而且具有二阶意义的近似性。     

面向探索式搜索过程的查询推荐

查询推荐是一种提高用户搜索效率的重要工具,但是传统的推荐方法对于探索式搜索的推荐效果不好.针对此问题提出了一种新的面向探索式搜索过程的查询推荐方法,即根据用户搜索的行为模式,通过试探性查询重构和确认性查询重构两个过程,对探索式搜索过程进行建模,并根据影响探索式搜索过程的三种因素提出了一种排序算法,将确认性子查询中的查询推荐给用户.通过与传统推荐方法的对比实验验证了本模型及其推荐方法的有效性.     

LiH(D,T)同位素分子从头算的解析势能函数

首先, 利用LiH实验光谱常数和同位素效应推导出LiT分子的光谱学常数. 根据双原子分子的光谱学常数, 力常数, 解析势能函数参数同实验测量的光谱常数间的关系, 推导出LiH和LiD分子的力常数和Murrel-Sorbie解析势能函数参数. 其次, 在核间距平衡点两侧谐振频率范围内取若干点, 用量子化学QCISD(T)方法和6-311++(3df, 2pd)基组对LiH及其氢同位素分子进行单点能计算, 并在Born-Oppenheimer近似下用核动能对电子能量进行修正, 而后进一步拟合为Murrel-Sorbie解析势能函数形式, 得到LiH及其氢同位素分子从头算的解析势能函数参数和力常数. 最后, 对比两种方法推导出的各项参数, 结果说明从头算的修正近似方法是合理的, 可以应用到三原子同位素分子解析势能函数的研究中.     

基于LBS的连续查询位置隐私保护模型的动态规划算法

针对现有的算法大多都是静态位置隐私保护的,如果将静态算法应用于动态的连续查询中,会导致位置隐私泄露,提出了一种基于连续查询的动态规划改进算法,旨在保护用户的位置隐私,仿真实验结果证明:该算法在匿名处理时间、匿名成功率和轨迹扭曲度等方面优于现有算法.     

支持数据动态更新的XML编码研究

提出一种支持数据动态更新的编码方案SDUE,该编码将结点位置信息进行分解,避免记录冗余信息,从而有效地节省了存储空间.此外,SDUE还能有效地支持数据更新.在查询方面,由于SDUE编码记录了结点路径信息,在路径查询中避免了结构连接操作,有效地提高了查询效率.实验结果表明,与其他编码相比,SDUE编码在空间存储利用率、结点更新效率和查询速度方面都有较明显的优势.     

运用同伦摄动法结合参数展开法求解强非线性问题

运用同伦摄动法结合改进的Lindsted-Poincare法的参数展开法求解了两个强非线性振动系统,得出了较高的近似解,进一步证明了此方法的有效性.     

一种有效的传感器网络区域查询算法

近年来,无线传感器网络基于事件查询的算法引起很多国内外学者的关注,也因而产生了不少的相关算法,它们大多主要体现在节点移动上。本文主要分析了现有的窗口查询算法的优缺点,针对当窗口中某个查询节点没有被收集而造成的空洞现象进行处理,以及在选择下一查询节点时考虑能量与距离的因素,提出新算法EQA(effective area query algorithm)。通过对算法进行仿真与分析,并与IWQE和ESA算法进行对比,结果显示新算法在网络耗能、查询质量、网络生命周期等方面都得到提高。     

基于LMD近似熵和SVM的自适应重合闸方法

自适应重合闸的功能是快速、准确地辨识故障性质及捕捉电弧熄灭时刻.在分析瞬时性故障和永久性故障断路器跳闸后的端电压波形复杂性的基础上,提出了局部均值分解(LMD)、近似熵和线性支持向量机(SVM)相结合的自适应重合闸整体实现方案.利用LMD分解故障信号得到若干个PF分量,选取前3个PF分量算出其近似熵值构成三维特征向量,将三维特征向量作为SVM的输入量来区分故障性质和捕捉电弧熄灭时刻.线路故障仿真结果表明,该方案可智能识别故障性质和捕捉电弧熄灭时刻且具有一定的抗噪能力.