子任务调度和时延联合优化的MEC卸载方案

移动边缘计算(mobile edge computing, MEC)为5G超低时延业务提供了解决方案。如何设计低时延、高效率的任务卸载方案,是MEC面临的主要难题之一。为此,针对端-边协同MEC服务场景,研究了大型计算任务的低时延、低能耗部分卸载方案,通过将用户任务划分为多个有顺序依赖关系的子任务并构建子任务的有向无环关系图,设计了能够最小化卸载时延的子任务调度方案,提出了基于任务复制的最早卸载执行算法,解决了能耗受限下的任务最小时延卸载计算。仿真结果表明,提出的MEC卸载方案能够有效减少任务处理时延,降低系统能耗。     

指数自回归模型的辨识的研究

本文讨论了指数自回归模型的辨识问题，证明了该模型的最小二乘问题的非凸性，并给出其保证凸性的条件，最后运用混合算法，辨识了该模型，并用数值算例加以说明。     

庄家控股模型的解法及解的性质

在对庄家控股模型进一步细化的前提下，讨论了模型的求解限制条件，并在给定参数下，利用制约函数法得到了模型的数值解．通过对其数值解的对比分析，进一步了解了非有效证券市场条件下庄家的控股规律，并证实了模型是对现实市场中庄家控股行为的较为合理的描述．最终指出，模型中的参数研究将是把模型用于现实分析中的关键．     

基于成本最小化准则的法定偿付能力设置

国际上正在酝酿着保险监管的改革,使法定偿付能力设置更合理是改革研究的重点内容之一。传统的研究通过V aR方法计算偿付能力,但是该方法自身不能确定最合适安全水平。提出在最低可接受安全水平之上,使投保人成本负担最小化的法定偿付能力设置准则。在具体建模时,考虑到投保人的风险厌恶性质,在度量投保人因保险公司破产造成的损失时使用了扭曲风险测度。该准则得到的偿付能力具有合理的经济解释,为监管机构设置保险系统的安全水平提供了决策依据。     

基于统计学习理论的小波神经网络优化

传统的离散仿射小波神经网络训练都是建立在大样本基础上的,当样本数量较少时,不能保证网络的泛化能力。在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法。首先根据样本数据和小波基函数的时频局部化特性构造隐含层函数集,并按照小波基函数的能量大小来建立函数嵌套结构,然后采用自适应正交最小二乘法来训练网络权值,保证训练的小波神经网络结构风险最小化。仿真表明该方法不仅具有较高的收敛速度,而且最大限度地保证了网络的泛化能力。     

如何提高数字网络语音室系统中自主学习模式的使用效率

探讨了数字网络语音室系统在听力教学中的优势，提出了一个提高其使用效率的解决方案。     

废水零排放的一种复合型方法

提出了一种复合型零排放方法．即通过回用、再生回用、再生循环实施的废水最小化来确定系统中最小新鲜水耗量，然后采用分布式废水治理系统，利用常规治理方法使废水达到深度治理要求的进口浓度．深度治理产生足够品质的水通过再生循环可满足新鲜水使用过程的用水要求．实例证明了废水零排放的可能性和所提方法的可行性．     

基于活动轮廓模型的DP修正算法

活动轮廓模型（ｓｎａｋｅ）是在现时图像处理和计算机视觉中用于实现对象的边缘检测或轮廓提取的有效工具．本文在讨论用最优化方法——动态规划（ＤＰ）算法求解ｓｎａｋｅ 最小能量的基础上提出了对ＤＰ的修正算法,给出了计算机模拟结果．     

几种典型负载下方波电压源逆变器总谐波失真度的最小化

分析了电压源方波逆变器的总谐波失真度（ＴＨＤ）与其波形宽度之间的关系,建立了这种逆变器的一个数学模型．结果显示当接入角为２３．２２ 度时输出电压的总谐波失真度最小,而输出电流的ＴＨＤ 情况与负载有关,给出了一些典型负载情况下的ＴＨＤ 的分析结果     

基于模糊遗传优化支持向量机的系统辨识研究

在实际应用中支持向量机的参数选取问题一直没有得到很好地解决,限制了其应用。为了能够自动获取最优的支持向量机参数,提出了基于模糊遗传算法的SVM参数选择方法,用模糊逻辑在线调整遗传算法的交叉概率pc和变异概率pm,并采用基于模糊遗传优化的支持向量机回归和BP神经网络对非线性系统辨识问题进行了研究。仿真结果表明,在小样本情况下,支持向量机比神经网络具有更高的系统辨识精度和更好的泛化能力。