基于MapReduce模型带准备时间的平行机调度优化

研究了一类基于MapReduce模型的平行机调度问题.每个工件包含Map和Reduce两道加工工序,Map工序可以分割为若干个子任务,并且在多台平行机上同时并行加工,Reduce工序只有在该工件的所有Map工序的子任务加工完成后才能进行,而且Reduce只能在一台机器上加工且不可中断.结合工件具有释放时间和加工准备时间等约束,以最小化最大完工时间为目标,构建了混合整数规划模型,并设计了采用差分变异策略和逐维Levy扰动机制的改进正弦余弦算法来求解该模型.最后,利用数值仿真实验与标准正弦余弦算法及遗传算法进行对比,实验结果表明,运用改进正弦余弦算法求解的结果与下界值的平均相对偏差GAP为3.02%,较标准正弦余弦算法以及遗传算法的效果提升显著,显示了该改进算法的有效性.     

基于企业声誉的行业协会功能研究

经过30年的改革开放,行业协会成为我国政府退出或转变其行业控制权的一种制度选择。本文在文献研究的基础上,提出行业协会功能的实现,可以促进企业声誉的形成与维护。一方面,行业协会可以为企业提供交流平台,使得声誉信息可以在企业之间低成本、快速地流通;另一方面,通过行业协会专业、灵活的仲裁功能,抑制企业的机会主义倾向。     

有序分位加权集结算子及在激励评价中的应用

为在信息集结过程中体现指标值的相对发展水平,提出了一种新的集结方法,即有序分位加权集结算子.该算子尤其适用于激励评价问题,其主要特征是用分位数表示指标值的相对发展水平,并且在信息集结过程中融入了决策者不同程度的激励偏好.通过性质分析,发现该算子具有置换不变性、界值性和条件单调性等特征.进一步,以算例的方式分析了该算子在激励评价中的应用问题,发现该算子在信息集结中通过权重加和不等于1的方式能够放大或缩小集结值,从而凸显被评价对象之间的差异,实现激励的目的.     

基于多元共生遗传神经网络的藻类预测仿真

提出一种多元共生遗传神经网络(PGANN),从遗传算法和神经网络——进化和学习两方面及其相互关系着手完善进化过程,以提高优化效果和泛化能力。该算法包括一个共生平衡交叉算子,一种多元选择策略和一种神经网络的分级优化策略,其中共生平衡算子能够兼顾进化过程中的方向性、多样性和自适应性;多元选择策略能够适应进化过程不同时段对选择压力不同的需求;而分级优化使运算规模和运算速度之间的矛盾得到缓解。将该改进的遗传神经网络PGANN应用于水库和湖泊有毒的优势蓝绿藻爆发预测,取得了满意的效果。     

状态变权的公理化体系和均衡函数的构造

改造了原始的状态变权向量公理化定义,给出了若干变权实例,构造了两种常用的均衡函数     

多输入非线性串级系统的自适应控制

对一大类含有未知参数的多输入非线性串级系统 ,基于 backstepping递推设计方法 ,进行了自适应控制设计。当自适应控制律作用于该系统时 ,闭环系统的所有信号是有界的 ,并且原系统的状态收敛于零.     

一类混合单调算子方程组解的存在和唯一性定理

利用锥与半序理论和迭代技巧,给出了具有凹凸性但不具有任何连续性和紧性条件的混合单调算子方程组的解的存在唯一性定理,所得结果拓展了文献[1]中的混合单调算子方程的相应结果。     

某类解析函数的若干性质

定义了一个新的解析函数类C(λ,β,A,B),它是杨定恭一文中的函数类推广,并导出了C(λ,β,A,B)函数类的偏差定理,实部的估计和系数估计等性质.     

K-S方程的精确边界控制

运用Fourier基函数的展开以及Fourier变换的方法研究带有周期边界条件的Kuramoto—Sivashinsky方程在有限时间区间[0,T]上的精确控制．首先研究线性化K—S方程的精确控制,运用Reimann—Lebesgue收敛定理以及Riese基函数的性质证明了在给定的时间T〉0,对于两个任意给定的函数u0（x）,u1（x）属于一定的Sobolev空间,总能找到一个控制函数使得线性化K—S方程有一个存在于某一合适的空间的解u（x,t）使其满足u（x,0）=u0（x）,u（x,t）=u1（x）。然后结合线性化K—S方程的精确控制,再通过定义Fredholm算子并应用此算子的一些理论可以找到K—S方程的控制函数,使其达到精确控制．     

实Hilbert空间H中的一个新半序-φ半序

该文定义了实Hilbert空间H中的一个新半序-φ半序,然后在此基础上讨论了由φ半序导出的锥P,φt0的若干基本性质,最后给出了在这种半序下混合单调算子的几个不动点定理.