下层为多目标的两人两层决策问题的模型及优化方法

本文针对上层为单目标,下层为多目标的两人两层决策问题,建立了它的数学模型和决策机制,然后将其转化为单层的非凸优化问题。采用外部逼近算法求解此非凸优化问题的全局最优解,这为两层决策问题提供了一种求解的途径,同时为该类问题的决策支持系统的研究是有意义的。     

ADAPTIVE STOCHASTIC APPROXIMATION FOR MEASUREMENT WITH CORRELATED NOISE

A multidimensional adaptive stochastic approximation procedure trun-cated at randomly varying bounds is studied for the regression function observedwith correlated noise.The algorithm is proved to be asymptotically efficient.Theresult of the paper generalizes the one shown in[1]for the observation noise be-ing i.i.d.random vectors and under other restrictive conditions imposed on theregression function.     

基于信号重构的一种系统仿真方法

本文根据信号重构的思想，提出了一种系统仿真方法。该方法是对时域矩阵仿真方法的扩展，即保留了时域矩阵方法快速性的特点，又提高了仿真精度。文中还对该方法的截断误差做出了估计，并证明了该方法的收敛性。最后，通过仿真例子说明了该方法的有效性。     

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.     

基于绿灯时间等饱和度的离线Q学习配时优化模型

首先对传统的绿灯时间等饱和度概念进行了扩展,提出了分级绿灯时间等饱和度。在此基础上,针对分级绿灯时间等饱和度目标,构造了奖赏函数,建立了定周期和变周期两种模式下的四种离线Q学习配时优化模型。相对于在线Q学习模型,离线Q学习模型更适合交叉口信号配时优化,变周期模式的离线Q学习模型可以获得解的结构、最优解的分布,这是传统配时理论不具备的。算例结果表明,定周期模式下最优解是唯一的。变周期模式下最优解是不唯一的,呈带状,奖赏分级模型比奖赏不分级的最优解更加集中。     

Bernstein-Kantorovich算子线性组合同时逼近的点态估计

借助于Ditzian-Totik光滑模ωψλr(f,t)(0≤λ≤1)给出了Bernstein-Kantorovich算子线性组合同时逼近的点态估计.     

基于SSP抛物线方程方法计算电磁散射问题

文章通过引入分裂步Pad楸平乖旄呓譙SP抛物线方程算法,并将该算法应用于电大目标的电磁散射特性分析中.对理想导体柱电磁散射的算例表明,该算法较传统抛物线方法在计算精度上有显著的提高,并减小了旋转次数,节省了计算时间.     

基于pi-sigma神经网络的模糊建模与控制及其仿真研究

提出了一种基于高木-关野模糊系统的pi-sigma神经网络结构、学习算法,并分析了学习算法的收敛性.用这种混合型pi-sigma神经网络系统去实现模糊规则及其隶属函数的修正,从而得到模糊推理的自适应性.在设计过程中,引入Zadel模糊取乘算子,使之适合基于梯度的学习算法.最后的仿真结果表明此种网络的有效性、优越性并且在非线性建模、控制等方面有重要的应用价值.     

“重述神话”中自由与秩序的困惑——论《青蛇》与《人间》对“白蛇传”的“神话重述”

作为同一神话传说"白蛇传"的"神话重述",李碧华的《青蛇》与李锐的《人间》在依据原神话题材的基础上做了突破性的尝试。重述过程就是再创作的过程,重述作品也必然带有重述者对现实生活的当下思考。《青蛇》与《人间》对"白蛇传"的演绎是不同的,但两部作品都充满了对自由与秩序的困惑,也正是这一困惑决定了人物的前途命运以及文本的内蕴走向。     

线性常微分方程定解问题的格林函数

研究了二阶线性常微分方程定解问题的格林函数方法,具体计算了初值问题和边值问题的格林函数,并证明了格林函数的对称性。本文得到的结果不仅可以用于求解常微分方程定解问题,而且为数学物理方法课程中格林函数方法的教学奠定了基础。