线性流形上反对称次对称矩阵反问题的解

令S={A∈ASn｜AZ=Y,ZT1ZT+1YT2=YT2,Y1Z+2Z2=Y1,ZT1Y1=-YT2Z2,Y,Z∈Rn×m},这里(ZT1　ZT2)=ZTD,(YT1　YT2)=YTD.研究了如下问题:问题Ⅰ　已知X,B∈Rn×n,找A∈S使‖AX-B‖=min.问题Ⅱ　给定A ∈Rn×n,找^A∈SE使‖A -^A‖=min A∈SE‖A -A‖.这里SE是问题Ⅰ的解集合,给出问题Ⅰ的解集合表达式和问题Ⅱ的逼近解.     

多元Kantorovi型Meyer-Knig-Zeller算子在Orlicz空间中的逼近阶

在Orlicz空间L*M中研究二元Kantorovi型Meyer-K nig-Zeller算子的逼近,给出一种逼近强型正定理.     

一类子矩阵约束下矩阵反问题的拓广

利用矩阵的广义逆和广义奇异值分解,讨论了子矩阵约束下左右逆特征值问题及其拓广,给出了其有解的充分必要条件及在有解条件下的通解表达式,并得到了此问题的最佳逼近解,而且用数值算法来验证求最佳逼近解的有效性．     

近似2-连通k-支配容错虚拟主干网

由于无线网络存在节点失效、链路断裂等特性,虚拟主干网需要具备一定的容错性。利用2-连通k-支配集作为容错虚拟主干网的模型。通过分析单位圆盘图中极大独立集的性质和连通图的块-割点树结构,首次设计出在无线自组织网络中构造2-连通k-支配虚拟主干网的近似算法。从理论上分析了该算法的时间复杂度,并证明了该算法的近似比为常数。     

A new adaptive state space construction method for the mobile robot navigation

In order to solve the combinative explosion problems in a continuous and high dimensional state space, a function approximation approach is usually used to represent the state space. The normalized radial basis function （NRBF） was adopted as the local function approximator and a kind of adaptive state space construction strategy based on the NRBF （ASC-NRBF） was proposed, which enables the system to allocate appropriate number and size of the basis functions automatically. Combined with the reinforce- ment learning method, the proposed ASC-NRBF method was applied to the robot navigation problem. Simulation results illustrate the performance of the proposed method.     

双色线性激光场中电子与氦原子的散射研究

应用玻恩近似理论,在一种特殊的散射模式(双色线性激光场的极化方向在电子的入射方向和出射方向所确定的平面内,并且极化方向与电子的入射方向有ψ0=38°的夹角)下,利用静电屏蔽的Yukawa势,计算了双色线性激光场中氦原子被电子散射的微分散射截面。从计算结果中可以看出,光子能量、激光强度以及交换光子数的不同对微分散射截面的变化趋势都有较大影响。     

高斯粗糙面透射波散射系数的基尔霍夫驻留相位法

采用高斯粗糙面来模拟实际粗糙面,根据基尔霍夫驻留相位近似法研究了粗糙面下方介质2中的电磁散射,结合高斯粗糙面的自相关函数导出了不同极化状态下高斯粗糙面透射波散射系数计算公式。通过数值计算得到了不同极化状态下高斯粗糙面透射系数随散射角、散射方位角及入射波频率变化的曲线,讨论了粗糙面参数和入射波频率对不同极化状态透射系数的影响,得出了高斯粗糙面透射系数的基本特征和随频率变化的特征。结果表明粗糙面高度起伏均方根和相关长度对高斯粗糙面透射系数有显著影响,而入射波频率则对其无影响。     

单车型确定性动态车辆调配问题

给出了单车型确定性动态车辆调配问题的定义,引入网络图描述该问题.建立了问题的线性规划模型,鉴于线性模型的缺点,利用函数逼近技术构造一个特殊的线性函数来近似目标函数中未来时段部分,从而建立起问题的时空分解模型,把问题从时间和空间上分解为多个单时段单节点问题,并根据单时段单节点问题特点设计简单的排序求解方法.最后,给出了模型的完整求解过程,从而使问题得到有效地解决.     

基于粒子群算法的非规则LDPC码度序列设计

研究了非规则低密度奇偶校验（low-density parity-check, LDPC）码度序列阈值计算方法,详细讨论了构造具有较高阈值度序列的步骤与约束条件的处理,提出了一种基于粒子群优化（particle swarm optimization, PSO）算法的度序列优化方法。仿真了此方法的寻优效果,给出了一些接近Shannon限的优秀度序列和分析比较。     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.