Network expansion by adding arcs and/or nodes

In this paper, we consider a new network improvement model, which is to expand a network by adding new arcs and/or new nodes to satisfy the excess demand. For the new arcs and new nodes, there are constructing costs for. building these new facilities.The purpose of. our model is to minimize the total constructing cost. It is found that even if the constructing costs for all new nodes are zero or all new arcs are zero, solving the problem within an approximation ratio O(ln(|V1|+|V2|)) remains NP-hard, where V1 is the original node set, and V2 is thecandidate node set. We also present an MIP formulation for the problem and propose some heuristic ideas to solve the problem.     

带惩罚项的自适应非参数回归方法

针对曲线拟合问题，提出了用带惩罚项的自适应非参数回归方法来确定一组数据的拟合函数，并主要讨论了此方法中正则化参数的确定问题，其中包括凭主观选择法和交叉验证法以及通过非线性函数方程来确定下则化参数．最后，采用Matlab编程对一些实际例子进行了试算，其中应用了不同的方法，并且对一个实际问题采用不同方法进行了处理，并做出了比较．通过比较可看出，用带惩罚项的自适应非参数回归方法来确定一组数据的拟合函数的效果良好．     

二次背包问题的秩二松驰

把对最大割问题进行秩二松驰的思想应用到二次背包问题上,得到二次背包问题的秩二松驰模型.应用罚函数法求得该模型的最优解,再利用扰动算法将该最优解转化成二次背包问题的解.     

河蚬Corbicula fluminea(Müller)的核型分析

本文报导对河蚬(Corbicula flumines)体细胞染色体数的统计及其大小测量,并与蚬属的另外两种进行了核型的比较分析。     

非光滑最优化方法的应用领域

非光滑最优化是数学规划中近年来研究十分活跃的一个分枝,已经提出了不少数值方法和算法。它们有相当广泛的应用领域。本文将对能应用这些方法来求解的问题作一扼要的介绍。内容包括:极小化极大函数问题,精确罚函数,分解问题等。     

一种同位网格上的迎风Galerkin 有限元方法

通过 Green定理将对流项变量从微分算子中分离出来 ,从插值函数入手引入迎风格式 ,是对强对流问题 Galerkin有限元计算中对流项变量的一种新的处理方法。按这种方法采用局部斜迎风格式及速—压同位网格公式 ,构成了一种对高 Reynolds数流体流动数值模拟比较有效的有限元方法。数值试验表明 ,采用该方法能较好地提高计算精度。     

多重网格法求解原始变量形式的Navier-Stokes方程

采用多重网格法 ,求解原始变量形式的Navier Stokes方程 .控制方程在交错网格上离散 ,并采用SIMPLE算法计算 .为加速收敛 ,结合使用适合非线性方程的全近似格式的多重网格法FAS .文章计算了雷诺数Re =10 0 ,10 0 0时不可压粘性流体绕圆柱的流动 .计算结果与实验结果和国外的计算结果基本吻合 ,说明了该方法的准确性和有效性     

惩罚因子法的简化

惩罚因子法是解线性规划的一种方法，本文根据初等变换的性质，结合惩罚因子的特点，针对线性规划中的基变量和非基变量的关系，对含惩罚因子的单纯形表进行了简化，使计算减少了工作量，提高了准确率。     

多波形信号发生仪中正弦波形的进化策略

提出了一种新的进化策略,并用于多波形信号发生仪中正弦波形逼近的优化设计。该方法的主要优点是实现了优化、运算量小、通用性强。通过模拟计算验证了该方法的有效性。     

运筹学危机与软件工程

本文探讨了我国运筹学的危机及其产生原因,提出了解决这种危机的一种有效途径——将运筹学实践与轨件工程学紧密结合起来,针对运筹学的“问题描述”阶段,本文讨论了一些有关的软件工程技术,对运筹学的研究、应用和教学有一定参考价值。