基于电子化供应链管理的动态定价数学模型的研究

随着不确定性因素在商业交易中的越来越突出的影响,考虑价格随机波动的动态定价研究成为管理经济学的重要课题.作者把随机误差所带来的不确定因素引入制造商主导定价数学模型,引入零售价格的期望、方差和转移价格的期望,将不完全信息博弈转化为完全信息博弈,并结合最优生产和存储模型,运用泛函极值方法解决供方先动需方后动的转移价格定价问题.获得了最优转移价格的预期pe1的结构模型和预期价格与价格波动的比例关系,进而指出掌握定价主动权的制造商一方掌控了大部分利润.     

量子人工鱼群算法

融合量子计算与智能优化的新型高效优化算法层出不穷,成为现在优化算法研究的主流.为此,将量子计算引入到人工鱼群算法中,提出一种新型的量子进化算法———量子人工鱼群算法.该算法用量子计算的方法重新描述了人工鱼的行为,用量子比特对人工鱼进行编码,用量子旋转门实现人工鱼的更新操作,用量子非门进行人工鱼变异,从而实现了目标的优化求解.并分别以函数极值和TSP问题为例进行了仿真,验证了算法的有效性.     

永暑礁风暴潮增水极值预报初探

本文基于南沙永暑礁1991～2003年共13年的热带气旋资料、逐时潮位资料和潮位预报资料,利用经验统计预报中的极值预报方法对永署礁的风暴潮增水极值预报进行了研究。结果表明：模型对从永暑礁右侧经过的热带气旋引起的增水极值的预报,精度较高。     

改进的相控阵雷达信号检测方法

针对传统雷达信号检测方法对相控阵雷达信号检测概率较低的问题,提出了一种结合小波降噪和极值序列法的信号检测方法。该方法采用小波阈值降噪法对雷达信号进行预处理,以提高侦收信号的信噪比,利用极值序列法在高信噪比下检测精度较高的优势,完成对信号的准确检测和参数的精确估计。仿真结果表明,与传统检测方法相比,该方法在低信噪比下对相控阵雷达信号的检测概率平均提高21.8%。     

无约束极值条件的一个证法

无约束极值条件是最优化理论的重要组成部分，在理论上和实践上都有重要意义，约束问题的最优性条件是它的逻辑推广，解约束最优化问题的一种策略是解一系列无约束问题。本文首先介绍Ｒａｙｌｅｉｇｈ商定理，然后利用Ｒａｙｌｅｉｇｈ商定理给出无约束极值条件新的严格证明。这种方法比已有证法更简明，对那些不熟悉序列极限理论的读者，在学习和掌握最优化理论方面，有一定的实际意义。     

帆板运动的力学探讨

本文讨论了逆风使帆的力学原理，并据此找到了为尽快到达上风头方向目的地所应取的特定的航向角及帆面角的角度．最后对提高帆板运动水平提出了一些建议．     

湘江流域多源降水与气温产品组合的径流极值模拟精度评价

为探究卫星遥感、再分析产品等多源数据组合径流极值模拟的精度,选取湘江流域TRMM、PERSIANN-CDR、CFSR以及实测数据的8种降水与气温组合,利用水文模型探究不同组合在各径流极值序列中的模拟精度。结果表明：在无实测数据的组合中,TRMM降水与CFSR气温、PERSIANN-CDR降水与CFSR气温2种组合的模拟结果分别最接近径流极高值与径流极低值实测值;除基准组合(实测降水、实测气温),实测降水与CFSR气温、TRMM降水与实测气温分别是径流极高值、径流极低值模拟精度最高的组合;在各径流极值序列中,CFSR降水与CFSR气温、CFSR降水与实测气温2种组合皆严重高估径流极值,最大高估可达651%,表现出模拟误差随径流值减小而增大的特征,其余组合皆低估径流,最大低估可达67.48%,且呈现出误差随径流值减小而减小的特点;降水产品在不同的径流极值序列中表现出的极端降水特征不同,径流极高值序列中TRMM较其他2种降水产品更能反映极端降水的发生频率以及无雨历时等特征,径流极低值序列中PERSIANN-CDR降水对极端降水强度、总量以及连续湿日特征的体现最好。     

基于EMD改进算法的欠定混合盲分离

为改善拟合效果,针对经验模态分解(empirical mode decomposition,EMD)算法存在的端点效应,提出一种改进的EMD算法——端点极值延拓方法.利用改进的EMD算法对观测信号进行分解,将分解分量连同之前的观测信号构成新的观测信号,从而将欠定情况转化为超定情况,最后利用独立成分分析(independent component analysis,ICA)算法得到源信号的估计.通过仿真实验对比,证明了本文算法的有效性.     

泛系之道：泛系化扬弃扩变的极值原理——Hilbert第6／23问题和Walsh猜想的变解

本文论述泛系之道（泛系极值原理），有关内容包括对数理工医文社史哲理法的感悟与再论识。特别是它的进一步泛系化扬弃扩变／／泛系变分运筹相对论提供Hilbert问题和Walsh猜想变解的具体模式。     

基于反馈学习粒子群算法的极值搜索控制

将基于反馈学习的粒子群 (Feedback Learning Particle Swarm Optimization,FLPSO) 算法引入极值搜索控制中,并且应用经典跟踪参考信号的方法,进一步改善极值搜索控制的性能.仿真结果显示,算法使系统控制输出平稳,并且系统性能输出快速渐进收敛到最优值,改善了基于格拉姆矩阵设计的极值搜索控制算法中存在的输出震荡问题.