科技创新:构建和谐社会的关键所在

作为"第一生产力"的科学技术承载着社会和谐发展的价值,是和谐社会系统运行的核心动力.科学技术通过促进生产力发展、促进人与自然协调发展和推动人与社会的协调发展体现出科学技术在构建和谐社会中的经济价值、生态价值和人文价值.     

基于瑞利分布的计量型序贯网图检验

针对瞄准发射系统中着落点位置通常服从瑞利分布的事实,研究了计量型检验问题,建立了基于瑞利分布的序贯网图检验.采用搜索和迭代的计算机程序,可以得到计量型序贯网图检验方案.通过实例将序贯网图与计量型定数检验和计量型序贯概率比检验进行比较.结果显示,计量型序贯网图检验在减小最大样本量方面有更好的效果,更适用于高成本的抽样检验.     

搜索3个目标的最优方法

研究如下搜索模型:原始搜索空间G含有n个外观相同的硬币,其中n-3个是具有相同重量的好币(好元),其余3个是重量相同且重于好元的较重硬币(搜索目标),最终目的是找到一个最优算法,它能够借助两臂天平用尽可能少的试验次数从搜索空间中识别出全部3个搜索目标.文章通过建立有效的搜索方法,证明了最小试验次数或者等于信息论下界或者超过信息论下界1次并且对于无穷多个区间,信息论下界均是可以达到的.     

序列模式挖掘算法的分析与比较

序列模式挖掘是数据挖掘中一个非常活跃的研究主题.迄今为止,围绕算法效率这个主题,人们作了大量的工作.一方面,从算法的设计策略入手;另一方面在实现算法所采用的数据结构上做文章;也有的甚至通过对所挖掘的模式进行限制以达到提高算法效率的目的.并对目前已有的各种典型算法作了详细的分析与比较,而且做出了适当的评价.     

货车移动遮断影响下的跟驰风险异质性建模

基于移动瓶颈理论和交通流理论构建“货车移动遮断”效应模型,解析货车移动遮断形成机理,选用无人机采集货车移动遮断场景中车辆行驶视频数据并提取高精度车辆跟驰轨迹样本,基于此提出考虑冲突可能性和冲突严重度的小客车跟驰风险评价方法和分级标准,利用RP-ORP模型构建了考虑异质性跟驰风险概率预测模型。结果表明：货车移动遮断动态影响交通流稳定性,其形成过程包括减速跟驰和加速超车两个阶段;考虑异质性的RP-ORP模型能实现特定条件下小客车跟驰行为处于不同风险等级的概率预测,且拟合优度高于FP-ORP模型高;货车纵向加速度、跟驰车头间距、跟驰持续时间、小客车与货车速度差、激进型驾驶员5个变量显著影响小客车跟驰风险水平,且跟驰持续时间和激进型驾驶员2个变量具有随机参数特性。     

考虑全局资源闲置成本的分布式RCMPSPTT

在考虑资源转移时间的分布式多项目调度问题中,增加考虑资源闲置成本,对于多项目共享资源的协调决策具有重要影响.基于多Agent系统建立以单项目完工时间为优化目标的局部调度模型,并采用遗传算法求解初始局部调度计划;同时考虑项目延期成本、全局资源转移成本和闲置成本,以多项目总成本为优化目标建立全局协调决策模型,设计基于贪婪转移策略的序贯博弈谈判机制协调全局资源的分配和转移,并根据协调结果调整单项目局部进度计划;以MPSPLIB问题集开展实验研究.研究结果表明:协调时考虑全局资源闲置成本能更好的协调全局资源的分配和转移;与无博弈随机分配和转移的协调机制相比,基于贪婪转移策略的序贯博弈谈判机制可以有效地降低多项目总成本.     

采空区上方边坡稳定性分析

分别根据《三下采煤规程》采动坡体稳定性预测方法和瑞典条分法对采空区上方边坡稳定性进行了验算,并用大型有限元分析软件ADINA进行了二维模拟,得出了预计边坡稳定性系数、条带开采后引起的地表移动和变形最大值等数据,具有一定的工程应用价值。     

行人运动仿真研究综述

行人运动仿真是近年来仿真领域研究的热点之一。从行人运动仿真的研究意义和研究内容出发,介绍了国内外行人运动仿真研究发展历程和研究现状,论述了行人运动仿真模型的三种类型,分析了成本效益元胞模型、元胞自动机模型、磁场力学模型、社会力学模型、排队网络模型五种典型的行人运动仿真模型的原理和适用条件。最后探讨了目前行人运动仿真研究中存在的问题及未来的发展前景。     

基于平方根UKF的多传感器融合跟踪

为了提高融合算法的精度,将UKF(Unscented Kalman Filter)算法与多传感器顺序滤波融合跟踪算法相结合,提出了基于UKF的多传感器序贯融合算法.UKF算法利用非线性方程自身的传播,估计系统状态,避免了对非线性方程线性化的过程.顺序滤波融合算法用同一时刻的量测依次更新状态,计算复杂性低.仿真结果表明,UKF顺序滤波融合跟踪算法比传统的扩展卡尔曼滤波(EKF)算法有更高的跟踪性能,是一种有效的非线性融合算法.     

DMGSP:一种快速分布式全局序列模式挖掘算法

为了解决分布式环境下挖掘全局序列模式常产生过多候选序列,加大网络通信代价问题,提出了一种基于分布式环境下的快速挖掘全局序列模式算法--DMGSP.该算法将分布式环境下的各站点得到的局部序列模式压缩到一种语法序列树上, 避免了重复的序列前缀传输. 采用合并树中结点序列规则和项序扩展策略,对非频繁序列进行剪枝,有效地约简了候选序列,减少了网络传输量,从而快速生成全局序列模式.算法分析和实验结果表明,在大数据集环境下的DMGSP算法性能优越,能够有效地挖掘全局序列模式.