基于TLP经验模型的本体学习算法

将TLP和本体回归算法相融合,提出基于TLP经验模型的本体相似度计算和本体映射算法。新算法继承了TCP的特点,使其具有无偏参数估计的特征。将新算法应用于GO本体和物理教育本体,通过实验结果表明新算法对特定的应用领域具有较高的效率。     

一类具有一般保费收入的离散时间风险模型

研究一类具有一般保费收入的离散时间更新风险模型,模型中假设索赔的间隔等待时间服从离散的 Km 分布。利用鞅技巧得到了模型的Lundberg基本方程并讨论了该方程在单位圆内根的情况。利用Lundberg基本方程的根研究了Gerber‐Shiu期望贴现惩罚函数的概率生成函数,并且获得了初值为零时惩罚函数的分析表达式。作为推论,得到了破产前盈余及破产发生时赤字的贴现密度等相关破产量的显性表达。给出了破产发生时赤字的贴现密度的概率生成函数的具体计算公式。     

基于众数回归的变系数模型统一变量选择

研究了众数回归下变系数模型的统一变量选择问题.利用B样条基函数近似非参数部分,在众数回归下建立SCAD惩罚函数同时选择变系数模型中的重要变量并且识别具有常数效应的协变量,在一定条件下, 证明惩罚估计量相合性和稀疏性,通过数值模拟评估所提出的变量选择方法的有效性.     

不适定线性二层规划问题的一种新的激励模型

针对不适定线性二层规划问题，考虑将部分合作模型中参数合作度更改为变量激励份额，由上层决策者适当分配激励份额给下层决策者，从而使得下层决策者心甘情愿与其合作.首先给出对应的激励模型，并给出与之相对应的罚问题.然后，证明了解的存在性，并设计相应算法来获得原二层规划问题的最优解.最后，数值实验不仅验证了该方法的可行性，并且结果显示，该文激励模型的最优值要优于部分合作模型的结果.     

求解随机互补问题的可微罚方法

【目的】研究随机互补问题的期望值模型。【方法】借鉴罚函数法和样本均值逼近方法求解随机互补问题的期望值模型。【结果】在适当假设下，证明了样本均值逼近问题最优解的收敛性和收敛率。【结论】所得结果为研究随机互补问题提供了新的思路。     

遗传算法在大电网风险分析中的应用

系统元件故障具有随机性和不确定性,以概率分析的方法来研究大电网的风险水平对于电力系统的规划和安全分析都有着重要意义.介绍大电网风险分析和遗传算法的基本原理,将遗传算法应用于求解电网风险分析中的最优负荷削减量问题,并给出具体的实现步骤,特别给出了利用罚函数法构造遗传算法适应度函数的具体方法.以RBTS和IEEE RTS测试系统为例进行算例分析,验证提出的遗传算法具体实现方法的正确性,同时指出遗传算法对初始值比较敏感,实际使用过程中应注意选择合适的初始值.     

二维低波速Helmholtz方程的异质多尺度-内部惩罚间断有限元方法

将异质多尺度方法和内部惩罚间断有限元方法相结合，构造了求解二维低波速Helmholtz方程的异质多尺度-内部惩罚间断有限元方法，并在局部周期条件下给出了算法的最佳误差估计。     

稳定增强生成对抗网络在壁画的超分辨率重建

针对古代壁画分辨率低、纹理细节模糊不清导致壁画观赏性不足和研究价值不高的问题，提出了一种稳定增强生成对抗网络的超分辨率重建算法（stable enhanced super-resolution generative adversarial networks, SESRGAN）。以生成对抗网络为基础框架，生成网络采用密集残差块提取壁画特征，使用VGG（visual geometry group）网络作为判别网络的基本框架判断输入壁画的真假，引入感知损失、内容损失和惩罚损失三个损失共同优化模型。实验结果表明，与其他相关的超分辨率算法进行比较，峰值信噪比平均提高了0.4~2.62 dB，结构相似性提高了0.013~0.027，主观感知评估也有提高。     

基于改进天鹰优化器的抱杆结构优化

为了提高抱杆设计的安全性和经济性，提出一种基于改进天鹰优化器的抱杆结构优化方法。根据抱杆工程实例，建立轻量化设计模型。将角钢杆件的截面尺寸作为优化变量，采用罚函数法处理许用应力，位移和屈曲系数三种约束条件。为了解决天鹰优化器局部搜索能力不足的问题，使用混沌映射进行种群初始化，使首代种群在搜索空间内分布更加均匀，并引入新的平衡方式使算法在迭代后期仍具有全局搜索能力，同时加入非线性参数增强局部搜索能力，引入反向学习策略增强算法摆脱局部最优的能力。十杆平面桁架结构尺寸优化算例结果验证了改进算法具有更好的寻优能力。抱杆结构轻量化设计结果表明，改进的天鹰优化器提供的设计方案更佳，抱杆质量减轻了16.55%。改进天鹰优化器能够有效处理平面桁架和空间杆系结构的优化设计问题。