超变异广义Iogistic回归模型及其在分析授精数据中的应用

本文提出在超变Ｉｏｇｉｔｉｃ回归模型中采用灵活的联系函数，文中研究了用统计程序包Ｇｅｎｓｔａｔ编写模型拟合程序的问题，我们把这一模应用于人工授精试验数据的分析中，并对所得的结果与应用非超变异模型的结果进行了比较。     

改进的粒子群算法及在CVaR模型中的应用

为了求解带有条件风险价值(CVaR)约束的均值-方差模型,提出一种基于广义学习和柯西变异的粒子群算法(CCPSO).在CCPSO算法中,为了提升种群跳出局部最优解的能力,引入一种广义学习策略,提升粒子向最优解飞行的概率;并引入一种动态变异概率,对粒子自身最优位置进行柯西变异,更好地引导种群的飞行;最后,根据全局最优粒子的运行状况,每间隔若干代对其进行变异,以产生全局新的领导者.在基准函数测试中,结果显示CCPSO算法有较好的运行结果.在CVaR模型投资组合优化中,与其它算法相比,CCPSO算法所获结果是有效的,并且优于其它算法.     

隐变量交互作用分析建模及其在SAS上的实现

探讨隐变量交互作用分析的建模方法及其在SA S软件上的实现;首先阐述隐变量交互作用分析建模的原理,通过拟合一个隐变量交互作用分析示例,对加入交互作用项的统计分析结果与无交互作用项的统计分析结果进行对比;示例中交互作用项引起的变异在结果变量的总变异中占到79.20%.在应用结构方程模型分析隐变量产生的效应时,有时候不进行隐变量交互作用的分析可能会产生偏倚.     

带有非齐次结构动力因子模型的估计与检验

因子模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰、偏态等特性.本文将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,建立了极大似然统计分析程序.经验结果展示所建立的统计程序是有效的.     

股骨近端防旋髓内钉治疗高龄股骨转子间骨折

因子模型在刻画因子之间的相互关系以及因子与观测变量之间的关联性具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰、偏态等特性.本文将经典的潜变量模型延伸到非齐次隐马尔可夫潜变量模型,建立了极大似然统计分析程序.经验结果展示所建立的统计程序是有效的.     

隐马尔可夫因子分析模型的半参数贝叶斯分析

因子模型在刻画潜在因素(因子)与观测变量间的影响关系并进而解释多元观测指标(变量)间的相关性方面具有重要作用.在实际应用中,观测数据往往呈现出时序变异多峰,偏态等特性.将经典的因子分析延伸到带有时齐隐马尔可夫模型的动力因子模型,并建立了半参数贝叶斯分析程序.分块GIBBS抽样器用以后验抽样.经验结果展示所建立的统计程序是有效的.     

基于非均匀变异的进化算法对高维多峰函数的收敛性分析

对基于非均匀变异算子的进化算法的实验和机理分析已经证明了该算法模型的良好特性,最近基于非均匀变异算子的进化算法模型求解一维多峰函数问题的收敛性已经得到证明.基于马尔科夫过程理论,对基于非均匀变异算子的一般性进化算法模型和一般性高维多峰函数的收敛性给出证明,并基于典型算例与同类典型算法进行性能比较,数值试验表明算法模型具有很好的性能表现和应用前景.     

广义优先关系约束下Max-npv项目调度问题及其遗传算法

以往Max-npv项目调度问题的研究都假定活动之间的关系为单一结束-开始类型,现实中活动之间关系复杂多变,因此,将广义优先关系引入Max-npv项目调度问题中,构建了广义优先关系约束下的Max-npv项目调度模型。针对该优化模型设计了一种双层遗传算法,外层遗传算法负责任务执行模式的优化,内层遗传算法负责任务调度的优化。在内层遗传算法中,采用任务开始时间之差作为新的编码方式,大大简化了交叉变异算子,针对网络图中的环状结构设计了修复算子,确保了编码的有效性。通过一个算例对算法进行了测试,实验结果验证了算法的有效性。     

产品质量变异与工序能力分析

王建稳．产品质量变异与工序能力分析．本文通过建立模型分析产品质量的三种变异，即：产品内变异、产品间变异和时间变异与总变异之间的关系，给出相应方差的估计，从而确定合理的抽样方案，并进行工序能力分析，最后给出实例分析     

基于弹性区带架构的多目标设施布局问题研究

为解决设施面积不等的连续型设施布局问题,建立了基于弹性区带架构布置形式,以物料搬运成本最小、邻近关系最大、距离要求满足度最大的多目标设施布局模型。模型中考虑了区域内的横向、纵向过道,对设施的长宽比进行了限制,使得结果更符合实际情况。为克服传统多目标单一化方法需要人为设置子目标函数权重、主观性过强的缺陷,采用基于带有精英保留策略的非支配排序遗传算法(NSGA Ⅱ)的多目标优化算法求解模型,设计了相应的编码方式、交叉算子、变异算子、罚函数。最后通过某物流园区的实例分析证明了模型与方法的有效性。     

应急资源调度问题的改进进化规划算法研究

针对应急资源调度问题,建立一种多资源时间-成本调度模型。设计了进化规划算法的全局变异算子和局部变异算子,根据全局变异前后个体适应度值和分量值的变化趋势,实现定向变异。构建了具有惩罚系数的适应度函数,给出了改进的进化规划算法种群进化策略。计算实验表明,改进的进化规划算法具有较强的局部寻优能力,在收敛速度和求解精度方面优于比较的遗传算法、差分进化算法和进化规划算法,解决了标准进化算法的早熟收敛问题。     

基于循环修正模式的县域经济社会发展评价模型

从经济发展,社会发展,资源、生态环境三个截面构建了县域经济社会发展综合评价指标体系,建立了基于循环修正模式的综合评价模型.对G1法、变异系数法、熵值法确定的评价结果进行循环修正,解决了单一评价方法评价结果的不一致问题.最后采用烟台市8个县市的数据进行实证研究.     

模糊投资组合选择问题的改进帝企鹅优化算法

模糊投资组合选择问题是在基本投资组合模型中引入模糊集理论,使所建立的模型与实际市场更加吻合,但同时也增加了模型求解难度.因此,本文针对两种不同的模糊投资组合模型,提出一种改进帝企鹅优化算法.算法首先引入可行性准则,处理模糊投资组合模型中的约束.其次,算法中加入变异机制,平衡算法的开发和探索能力,引导种群向最优个体收敛.通过对CEC 2006中的13个标准测试问题及两个模糊投资组合问题实例进行数值实验,并与其他群智能优化算法进行结果比较,发现本文所提出的算法具有较好的优化性能,并且对于求解模糊投资组合选择问题是有效的.     

人力资本价值计量模型研究

本文就人力资本价值计量问题引出一种新型投入产出模型——描述人力资本价值生产过程的投入产出模型 .讨论了模型的可行性 ;构造了人力资本价值的可操作性计算模型 .还对这一投入产出模型的非对称性引起的几个基本概念的变异进行了讨论     

基于MVA的教学过程质量分析及学习评价方法

针对高校教学中存在着班级间变异、各个班级不同学生间变异及各个学生对不同课程间变异,提出了基于多变异分析(Multi-Vari Analysis,MVA)的教学过程质量分析方法.方法通过建立基于方差分析教学质量的多变异分析模型,研究了教学过程中3种变异与总变异之间的定量关系,并提出了学生学习评价方法.通过在机制专业大四学生综合能力测试环节的实际应用得出,方法较为真实地反映了教学过程质量状况.     

基于差分变异与扰动变异的多目标克隆选择算法

为了更加有效解决多目标优化问题,提出了一种基于差分变异和扰动变异相结合的多目标克隆选择算法(MCSA-MDD).该算法对非支配抗体进行克隆操作,从而有利于向着理想Pareto前端搜索;采用差分变异与扰动变异相结合的方式来进行免疫基因操作,有利于解的多样性.数值实验分为两组,一组选取4个常用测试函数并与其它五个多目标算法进行比较,数值实验结果表明了MCSA-MDD算法的有效性.另一组仅用差分变异和扰动变异的多目标免疫克隆算法进行比较,数值实验结果验证了采用差分变异与扰动变异相结合的免疫操作提高了算法的性能.     

产业集群创新能力评价模型的比较研究

针对产业集群创新能力评价的一些复杂方法,以文献中的基于BP神经网络的产业集群创新能力评价模型作为比较对象,提出了两种评价模型:组合评价模型和主成分指数模型.前者将变异系数法和Topsis法组合使用,用以评价产业集群创业能力;后者则是对所有参评样本的评价指标进行主成分分析,以主成分的方差贡献率为权重,构建主成分综合指数,从而形成产业集群创新能力的综合评价指数模型.对这两个模型用来自比较对象模型的同一数据进行了验证,三个模型都得出了非常相近的结果,而这两种模型更具可操作性且易于解释,这两者相比,主成分分析的方法则更为简单易行.     

并列选择单亲遗传算法在自动化立体仓库货位优化中的应用

针对传统遗传算法在求解自动化立体仓库货位优化多目标模型中容易陷于局部最优解以及交叉变异过程中产生大量不可行解等问题,提出了并列选择单亲遗传算法.算法采用了0,1矩阵编码、并列选择算子、单亲变异算子等,有效避免了交叉变异操作产生不可行解的问题.通过对控制参数进行较合理地选取,算法能够综合考虑各子目标的相对优秀个体,从中选取出全局近似最优解,有效降低了算法陷于局部最优解的概率.利用该算法对36种货物的自动化立体仓库货位进行优化,通过比较优化前后的货位对应的拣选时间及货架重心可以看出,优化后的货位对应的拣选效率及货架稳定性均有明显提高.     

基于GP/GA的数据建模方法

传统的数据建模方法 ,需要利用统计学和人工智能技术对数据进行探索性分析 ,操作者必须掌握大量的先验知识。将遗传程序设计 (GP)和遗传算法 (GA)应用到数据建模中 ,实现模型的自动获取。试验结果表明 ,在遗传操作中执行子树变异操作 ,将性能好的模型结构引入到进化中 ,可以提高遗传程序设计的收敛速度     

基于SA-GA混合算法的动车组车辆轮重分配优化

针对动车组车辆出厂前存在的轮重偏差问题,建立动车组车辆轮重调节力学模型,利用模拟退火算法（SA）的机制和遗传算法（GA）非均匀变异思想,提出了一种模拟退火遗传（SA-GA）混合算法,并利用该混合算法对车辆轮重调节力学模型进行数值求解, 结果显示: 轮重偏差降低到1.2%以下,符合GB/T 3317—2006的规定.同时使用SIMPACK软件仿真,将该仿真结果与数值计算结果对比分析,结果显示:基于SA GA混合算法的计算结果是正确的,这为快速优化轮重分配结果提供了一种有效的计算方法.