考虑通货膨胀影响的最优消费投资模型

最优消费投资问题是指投资者的资产在消费和投资之间进行分配,期望在时间区间[0,T]或[0, ∞)的消费效用或终值财富效用最大化.研究了在金融市场和消费市场上同时存在通货膨胀或通货紧缩情况下的最优消费投资问题,建立了通货膨胀折扣率的随机模型及最优消费投资模型,利用鞅方法和随机分析理论,求得了控制问题的值函数和具有反馈形式的最优消费投资过程.     

构造应力型开采地表沉陷规律及其工程处理方法

分析了构造应力型开采地表沉陷宏观破坏特征,揭示了构造应力型开采卸载地表沉陷的力学本质,建立了构造应力型开挖地表沉陷的力学模型,指出现有的自重应力型地表沉陷规律的理论方法不适用于构造应力型地表沉陷规律的研究;引入概化地应力概念,导出了构造应力作用下地表变形的预计公式体系.从工程应用出发,提出了综合考虑自重应力与概化地应力2种效果迭加来研究构造应力型地表沉陷规律的方法,并建立了相应的研究步骤与程式.     

基于相关机会规划的多机器人觅食过程的参数优化

针对随机环境中以觅食为任务的多机器人系统,在建立其整体数学模型基础之上,利用随机规划中的相关机会规划对影响整体系统性能的两个重要参数进行了优化分析,并采用基于随机模拟的遗传算法得到了优化结果.仿真结果表明,利用该方法可以实现随机环境下的系统优化控制,从而可为多机器人系统的行为规则优化提供理论依据.     

影响图及其在Robocup中的应用

影响图是决策问题的图形表示。它被认为是对动态贝叶斯网络的扩展，是在贝叶斯网络的基础上增加了决策结点和效用结点。探讨影响图在Robocup中的应用，用分层影响图表示了截球问题的模型，并给出一种实现行为动态调整的算法。仿真结果表明该算法可行的。     

神经网络的非平衡态热力学研究

建立了神经网络的非平衡态热力学理论，给出了神经网络熵产生率，稳定条件及应用实例，为神经网络的研究增加了一种新方法，为人工神经网络的建模与应用提供了有益的信息。     

保底型基金的设计与定价

保底型基金由于既保证最低的收益又可能获得高额的投资回报,满足了一部分投资者的需要,所以,目前在市场上很受欢迎.在无套利原理和双因子模型下,获得了保底基金设计原理和定价方法,无论基金有否担保,都可以用PDE的方法得到解析表达式.     

堵塞恢复时间随机的在线加拿大旅行者问题

针对旅行者在行走过程中遇到的某一或一系列无法预知堵塞事件的加拿大旅行者问题,考虑每个堵塞恢复时间是一个相互独立随机变量的情形,从在线问题与竞争策略的角度,给出了每个堵塞恢复时间都为均匀分布下的等待策略和贪婪策略以及相应策略下的竞争比,并对两种策略的执行效果进行了分析和比较.     

随机过程Wn(x,y)的局部渐近性质

本文讨论了随机过程Wn（x，y）的局部渐近性质，得出y在点y0的邻域取值时，过程弱收敛于Gaussian过程．     

基于模糊神经网络的自适应滤波方法仿真研究

提出了一种模糊自适应卡尔曼滤波算法。该算法基于模糊规则，根据新息相关性，自适应调整测量噪声方差R，有效的解决了噪声的统计特性与实际不符时，滤波器发散的现象。同时，利用Elman网络作为误差估计器，补偿模糊自适应卡尔曼滤波器的估计误差。仿真结果表明，两种方法结合，可以有效地防止滤波器发散，缩小实际的滤波误差，提高滤波精度，实现滤波器参数的在线改进。     

FORWARD-BACKWARD STOCHASTIC DIFFERENTIAL EQUATIONS, LINEAR QUADRATIC STOCHASTIC OPTIMAL CONTROL AND NONZERO SUM DIFFERENTIAL GAMES

In this paper, we use the solutions of forward-backward stochastic differential equations to get the explicit form of the optimal control for linear quadratic stochastic optimal control problem and the open-loop Nash equilibrium point for nonzero sum differential games problem. We also discuss the solvability of the generalized Riccati equation system and give the linear feedback regulator for the optimal control problem using the solution of this kind of Riccati equation system.