交换环上严格上三角矩阵代数的若当自同构分解的注记

设R是2-无挠的含么交换环.Nn+1(R)表示R上所有(n+1)×(n+1)级严格上三角矩阵组成的代数.证明了当,n≥3时,Nn+1(R)的每一个若当自同构都可以唯一的写成一个图自同构,一个对角自同构,一个中心自同构和一个内自同构的乘积.这就推广了王兴涛和游宏给出的关于局部环上严格上三角矩阵代数的若当自同构分解的结果.     

一个椭圆积分的估值

利用凸函数的性质和通过Newton_Cotes求积分公式给出的一些积分不等式 ,对一个椭圆积分∫10 (4-x2 -x3) -12 dx的上界和下界进行估计 ,改进了有关文献的结果 .同时 ,用梯形法和抛物线法对此积分作了近似计算和误差估计     

单机排序问题1|r_j|L_(max)的分枝定界算法

给出了单机排序问题 1 |rj|Lmax的分枝定界算法     

未知目标函数之一阶数值微分公式验证与实践

根据多项式插值理论，对于未知的目标函数，在离散采样点获取其对应的函数值后，即可构造Lagrange插值多项式以近似求得该未知函数的逼近表达式．进而，对Lagrange插值多项式求一阶导数可得到该未知目标函数的多点一阶微分近似公式；即：等间距情况下的2～16个数据点的后向差分公式．计算机数值实验进一步验证与表明：该用于未知目标函数一阶数值微分的多点公式可以取得较高的计算精度．     

等差数列中的完全方幂

设n、m、d是适合n >1以及gcd(m ,d) =1的正整数。本文证明了 :当n =2时 ,存在无限多组 (m ,d) ,可使m、m +d和m +2d都是n次方幂 ;当n >2时 ,m、m +d和m +2d中至多有 2个n次方幂。     

产品装配精度优化模型研究

针对目前装配精度优化中存在的准确性和效率问题,提出了一种新的产品装配精度优化模型.该模型针对软硬约束下的组成环公差,采用蒙特卡罗法模拟组成环实测尺寸值计算各组精度设计方案的装配精度及装配成功率,与加工成本一起作为各组精度设计方案的评价指标,并通过模糊综合评价方法确定优化目标.利用遗传模拟退火优化方法,可以在产品设计阶段的装配精度分配和装配精度优化方面,获得接近最优解的装配精度设计结果.应用一个实例验证了该优化模型可以在少量提高加工成本的前提下,大幅度提高产品装配精度.     

Ruin Probability in Linear Time Series Model

This paper analyzes a continuous time risk model with a linear model used to model the claim process. The time is discretized stochastically using the times when claims occur, using Doob‘s stopping time theorem and martingale inequalities to obtain expressions for the ruin probability as well as both exponential and non-exponential upper bounds for the ruin probability for an infinite time horizon. Numerical results are included to illustrate the accuracy of the non-exponential bound.     

淮河上游地区城市与河流关系的时空演化研究

以淮河上游地区为研究范围,运用实地考察、历史文献和GIS技术,分析从秦代至今2200多年来城市与河流的关系,揭示城市与河流时空演化特征.结果表明:第一,城市选址多在河流沿岸或干支流交汇处;第二,历史上城市分布呈现从北往南发展,北部城市数量多,城市分布密度大,南部数量少,分布密度小;第三,秦至西汉时期城市数量增长速度快,东汉至魏晋时期城市稳定发展,至南北朝时期城市数量达到顶峰,之后一直到元代,城市数量整体处于下降趋势.明朝城市数量有所恢复,呈现出现代城市的分布形态.清代以后城市数量有所上升.     

马尔科夫链中群逆稳定性分析

令P是有限状态离散马尔科夫链的转移矩阵,群逆(I-P)#在马尔科夫链分析中有着重要应用.给出了当P的每一个元素有小的相对扰动时,(I-P)#在范数意义下的相对扰动误差界.所得的界只依赖于矩阵的阶数,而与马尔科夫链本身的性质无关.     

时间模上一阶周期边值问题的单调迭代方法

考虑了时间模上一阶周期边值问题，运用上下解方法和单调迭代方法得出了此边值问题存在极值解的充分条件，所谓时间模T是实数集上一个非空子集，当时间模为R时，此结果为一个新结果。