广义伪Ricci对称Sasakian流形

Chaki引入了非平坦黎曼流形(M^n,g)(n≥2)，并称之为伪Ricci对称流形，记为(PRS)n，在此基础上Chaki和Koley定义了一类非平坦黎曼流形，并称为广义伪Ricci对称流形，记为G(PRS)n。讨论了广义Ricci对称Sasakian流形，证明了如果向量场ρ,λ和μ中任意2个正交于ξ，则第3个也正交于ξ。另外计算了广义伪Ricci对称Sasakian流形的数量曲率的值。     

确定Fmin的一个算法

构造了一个求解最小函数依赖集Fmin的计算机算法．该算法将求解Fmin的逻辑推理过程包装在一个C 函数之中，通过运行与此函数相配套的程序，可以快速、准确地获得与所给函数依赖集F等价的Fmin从而使求解Fmin的过程方便、快捷．     

国际贸易中的最小质量标准研究

提出最小质量标准(MQS)作为贸易技术壁垒(TBT)来考虑，因为贸易技术壁垒的实质就是设定一个高于进口产品质量的标准，以阻碍进入．在此前提下，根据当前企业所遭遇的贸易技术壁垒的实际情况，考虑了在一个开放的经济体中，在两个国家生产技术非对称的情况下．技术的非对称对于企业利润的影响以及国内外企业的利润及社会福利随MQS的变化情况．研究结果表明．当政府设定MQS，国外企业的利润增加，本国企业的利润减少，但消费者剩余增加，且消费者剩余的增加幅度要大于本国企业利润的减少，故社会福利增加．因此，政府有动机设定MQS．     

基于最小方差控制的闭环辨识信号设计

讨论了系统辨识实验信号的设计方法．从实际控制器和理想控制器间误差的角度出发，评价系统性能指标为系统在实际和在理想控制器控制下输出误差的平方均值最小．当输入信号或输出信号能量有限时，分别推导出辨识输入信号功率谱密度．当控制策略为最小方差控制时，给出信号功率谱的具体表达式．结论对在最小方差控制下的闭环辨识信号设计有指导作用．     

广义共轭留数边界元法电除尘器电场解析

将广义共轭留数法引入于边界元法，改变矩阵方程与高斯消去法相结合的原传统结构，按照指数函数规律缩短解题时间。自由度数越多其效果越显著。仅就电除尘器电场和电势的小规模数值结果，与实验结果相符。证明这种方法是有效的，计算速度比传统的边界元方法快两倍。     

缩影为Kn的图式流形同胚分类算法

讨论了缩影为Kn的图式流形的2种同胚分类算法,提出了最小方阵判断法和最小方阵计算法,并使用这2种方法,计算出了缩影为3到9个顶点的完全无向图的同胚类型的个数,给出了各个类型的图式流形代表元.     

BP神经网络在路径规划中的应用

神经网络由于其具有对数据大规模并行处理及对知识有较强的融合能力的优点，因此将它应用于机器人路径规划中，但是BP网络极容易陷入局部极小值，应用加权策略解决了此问题．仿真结果表明，BP神经网络应用于移动机器人路径规划具有正确性、高效性、实用性和智能性等优势．     

多载波CDMA中的多用户判决反馈检测器

提出了基于多载波的最小均方误差(minimummean squarederror,MMSE)多用户判决反馈检测器(deci sion feedbackdetector,DFD)。MMSEDFD具有结构比较简单且性能优于线性多用户检测器(LMMSE)的特点。多载波系统相对于传统的单载波系统能够有效地消除频率选择性衰落。在多载波的合并上,采用了等增益合并(equalgaincombination,EGC)和最大比合并(maximalratecombination,MRC)方式。仿真表明,MC DS/CDMA系统中的MMSEDFDEGC接收机和MMSEDFDMRC接收机相对于LMMSE接收机可以提高系统性能,特别是MMSEDFDMRC接收机能够明显提高系统性能。     

一种稳健的自适应波束形成方法

基于线性约束最小方差(linearlyconstrainedminimumvariance,LCMV)波束形成原理,根据贝叶斯估计理论,提出了一种基于加权的波束形成方法。该波束形成方法能够很好地克服LCMV波束形成对期望信号DOA误差特别敏感的弱点。仿真试验表明,该方法性能稳定,对期望信号DOA误差具有很好的稳健性。     

求解度约束最小生成树的单亲遗传算法

提出了求解度约束最小生成树问题的单亲遗传算法.该算法首先利用Prufer数对生成树进行编码;然后精心地设计了一个随机地产生初始种群的方法,用这种方法产生的初始种群,不会含有任何不可行解;在遗传操作中只使用选择和变异操作,共设计了三种变异操作,其中两种变异操作均不会产生不可行解,只有一种变异操作可能会产生不可行解,需要作树的度的检查和修改;这样就大大的降低了不可行解产生的机会,从而提高了遗传算法的效率;而且只使用变异算子,有效的避免了早熟收敛现象的产生;通过大量的数值试验,表明该算法简单,高效,收敛率高;最后对此算法做了适当推广,并给出了它求解TSP问题的具体步骤和实例。