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。     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

生产率差距与产业创新转型的时机选择

随着与世界前沿水平的接近，高中等收入经济体要实现持续增长就必须推进创新战略转型，即从模仿式创新为主转向自主创新为主。以此为基本思路，本文将宏观层面的研究深入到产业层面，构建理论模型，并利用中国与美国1998—2018年工业分行业数据，分析了不同创新战略对生产率的贡献如何随着技术前沿距离变化，并在此基础上探究了创新战略转折点的性质。研究发现：(1)自主创新对劳动生产率的贡献逐渐增加，模仿式创新的贡献趋于下降；(2)当与世界前沿距离达到临界值时，两种技术进步模式对生产率的影响出现转折，利用门槛分析方法作出判断，中国的创新战略转折点应在2005年前后；(3)考虑到产业技术的特性差异，针对技术密集型行业，鼓励自主创新的政策更为有效，而模仿式创新在非技术密集型行业中仍有较大空间。     

带有通胀风险的退休后期最优投资管理

考虑通货膨胀的影响,研究了一个确定缴费养老计划退休后期最优投资决策问题.自退休时刻开始,退休者定期从账户里抽取一定的金额维持日常支出,然后将剩余的财富投资于一个无风险资产、一个股票指数和一个通胀指数债券,直到强制购买年金的时刻.为保障退休后的正常生活,退休者在每个时刻设定投资的目标值,采取二次效用函数衡量投资财富水平和目标值的差距,并选择最优的投资策略以最小化平均累计差距.运用动态规划和随机控制方法,得到了没有上方惩罚的目标值、最优投资策略、最优值函数、破产概率以及终端财富与目标值差距的分布函数等指标的显式表达式.运用数学分析和数值分析手段,得到了每个时刻目标值的性质,分析了终端目标值和消费金额对破产概率的影响,研究了物价指数的瞬间变化率和波动率对财富值与目标值的差距、各时刻财富均值以及破产概率的影响.     

两种常用启发式算法在车间生产调度中的应用

通过对某电池生产的各加工流程进行相关数据的测量,分别运用Palmer算法和彼得罗夫-哈姆算法对生产进行排序,并计算出了经排序后产品的加工周期。通过比较发现,选择彼得罗夫—哈姆算法进行排产,能达到提高设备利用率、缩短产品加工周期的目标。     

埃博拉病毒研究获突破

2014年在西非爆发的埃博拉病毒(Zai re ebolavirus,ZEBOV)疫情,到目前已造成2万多人感染,超过9000人死亡,是历史上规模最大、疫情最严重的一次爆发。尽管现在疫情得到了一定的控制,但再次爆发的风险仍然存在。中国科学院武汉病毒研究所研究员张波课题组对历年来所有埃博拉疫情中的ZEBOV进行了分子系统进化和全基因组选择压力的综合分析,在2014年西非爆发的ZEBOV分子进化研究中取     

基于卢浮宫游客疏散模型探讨大型建筑的疏散方案

卢浮宫是法国的著名建筑,也是游客数量较多的一处景点,因此做好紧急情况的游客疏散预案具有重要意义。本文以卢浮宫的人群撤离为研究对象,结合卢浮宫建筑构造模型化的特点,设计了一种以语音导览器为导航介质的疏散方案,使游客能在最短时间内有序撤离到最近的出口,从而达到疏散游客的目的。以此模型为原型,人们可以根据建筑的特点优化该模型,使之适应不同的建筑。     

基于一维数据逐段均匀条件下的参考分布研究

聚类分析中一个重要的问题是估计聚类数,GS方法通过参考分布对聚类数进行合理的估计,解决了其他聚类方法无法对应分为一类的数据进行分类的问题,具有更好的分类效果;目前已通过理论证明得出,在分布为对数凹且一维情况下,GS方法的参考分布为均匀分布,而有关其在其他条件下的参考分布研究较少;针对这一情况,提出解决一维且逐段均匀条件下GS方法的参考分布问题,以类内平方和为评价标准,通过拉格朗日乘数法求解与问题等价的优化问题,理论证出条件下总体均匀分布是类内平方和最大的情况,进而得出对于一维数据,逐段均匀条件下的参考分布仍为均匀分布的结论。     

巨灾风险大数据处理应急分类、分解、分拣算法与应用

本文主要研究巨灾风险大数据处理的应急分类、分解、分拣算法,给出了相应的算法原理和可操作的步骤.首先根据巨灾风险大数据灾害规模巨大的特征,提出了一种用来解决巨灾风险大数据中一级事件的应急分类与二级事件及以下更低级事件的应急分解算法,并以特大地震灾害作为实例进行了算法应用.接着定义了事故灾难度,用来对巨灾风险大数据处理过程中,对各种级别的事故灾难后果进行不同的数字标识.然后提出一种用来解决巨灾风险中大数据快速处理的应急分拣算法,并在汶川地震中大规模灾害的应急救援计划中进行应用.经过采用这样的应急分拣原理,就可以在面对巨灾风险大数据的复杂、繁多和零乱的重灾事件状态下,使整个应急救援方案优化,并能够有条不紊地进行救援.