城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

Ni~(26+)离子态分辨光复合过程的R矩阵理论研究

利用基于相对论R矩阵理论的DARC程序系统计算了Ni 25+离子基态1s22s(2S1/2)和激发态1s22p(2P1/2,2P3/2)的光电离截面,并通过细致平衡原理获得了统一的光复合过程(即辐射复合和双电子复合)态分辨的截面,计算结果给出了辐射复合与双电子复合过程间的干涉效应.为了标识和分析KLL共振能区所有的共振峰,基于相对论组态相互作用理论(RCI)的FAC程序被用来计算共振峰的能量、强度及其相关的双激发态的辐射、俄歇跃迁几率以及共振宽度等.利用统一的光复合截面进一步得到了KLL双电子复合过程的伴线强度,并与孤立共振近似下FAC的计算结果以及以前的理论和实验结果进行了比较,对存在的一致性和偏差进行了分析和讨论.     

关于有限群幂图的强彩虹连通数

图的强彩虹连通数在网络信息安全传输中有重要的应用,由于决定图的强彩虹连通数问题是NP-困难的,因此需要给出一些特殊图的强彩虹连通数的计算方法.该文首先运用图论与群论的相关知识,给出了幂图强彩虹连通数的一些上下界,并且研究了达到界的一些幂图.其次利用这些界给出了循环群、初等交换p-群、二面体群和半二面体群的幂图的强彩虹连通数的计算公式.结果表明,幂图的强彩虹连通数依赖于群的极大对合数及群的极大循环子群数.     

关于二面体群的共轭类长素图

讨论二面体群的结构问题,利用GAP软件给出二面体群D2n的共轭类长素图,并完整给出当n以及n/2分别是奇数和偶数时的共轭类长素图情况.     

关于两个投影矩阵的相互关系

运用Moore-Penrose逆的定义及其性质和投影的定义去研究投影PR(A)和PR(AB)的相互关系,得到若干结果 .研究表明:若矩阵A,B满足如下条件:(1)BB*=I,(2)B为酉矩阵,(3)B为非奇异阵,(4)A是列满秩,B是行满秩,则两者相等;若对于任意矩阵A,B时,两者之间存在若干重要关系式,从而进一步刻画了它们的相互关系.     

中立型时滞互联系统的H∞记忆反馈控制

为研究一类中立型时滞互联系统的H∞控制问题,当滞后时间对系统影响较小时,设计分散化记忆反馈控制器,并应用李雅普诺夫函数理论,结合自由加权矩阵和牛顿-莱布尼茨公式对系统进行稳定性分析,应用线性矩阵不等式给出系统存在外界干扰时仍能保持稳定且满足H∞性能指标的充分条件.最后应用Matlab对系统进行数值仿真,仿真结果表明,所提控制方法不仅能保证被控系统的稳定性,而且当系统存在外界干扰时能保证具有H∞性能指标.     

基于曼哈顿距离构建非参数Q矩阵修正方法

将被试得分、理想反应距离和被试得分异常原理相结合,并加入属性计分下的被试得分特性,开发了用于多级评分情境下属性计分曼哈顿距离法(SA-MD),在不同条件下验证了SA-MD的稳定性和适宜性.通过模拟研究和实证研究表明:(i)从逻辑推导出SA-MD用于多级评分情境下Q矩阵修正更合理;(ii)在多种条件中,SA-MD 均有较优的修正效果,适用范围更广,稳定性更高;(iii)当小样本测验进行Q矩阵修正时,使用SA-MD方法可获得更优的效果.     

迹为整数的3×3阶正交矩阵的谱

讨论了3×3阶正交矩阵的特征值和迹的关系,证明了迹为整数的3×3阶正交矩阵的谱可由迹确定,为应用广泛的3×3阶正交矩阵的谱的计算提供了简单实用的方法.     

一个野代数的二维的不可分解表示

在表示型的研究中,野代数Γ=k〈x,y〉扮演重要角色,但通常描述其表示是非常困难的。本文主要利用Belitskii算法得到代数Γ所有二维表示的同构类,等价地,得到二阶矩阵对的Belitskii标准形,并得到该线性矩阵问题的Belitskii标准形的参数数。     

考虑标度的加型一致性模糊判断矩阵的排序方法

通过实例说明相关文献中加型一致性模糊判断矩阵排序方法的参数取值存在的问题,分析出该问题是由于其公式证明中没有区分标度导致的,指出其结论适用于0～1标度的加型一致性模糊判断矩阵.然后,重新证明了0.1～0.9标度下的加型一致性模糊判决矩阵的排序方法和相关结论.最后,定义了广义模糊标度,并给出广义模糊标度下加型一致性模糊判断矩阵的排序方法和相关结论,使得相关文献中排序方法和相关结论实现形式上的统一.