带ARMA(1,1)条件异方差相关的随机波动模型的MCMC算法

我们首先提出了一个带ARMA(1,1)条件异方差相关的随机波动模型,它是基本的随机波动模型的一个自然的推广.进一步,对于这一新模型,我们给出了一个马尔可夫链蒙特卡罗(M CM C)算法.最后,利用该模型的模拟数据,展示了M CM C算法在这种模型中的应用.     

GM(1,1)模型参数的神经网络算法

GM(1,1)模型的实质是小样本、贫信息下的预测模型,其目的是得到误差尽可能小的预测值.在分析GM(1,1)模型建模机理的基础上,提出了GM(1,1)模型中参数a,b的一种新算法——神经网络算法.把神经网络中的BP算法应用于GM(1,1)模型的建模过程,实例表明可使预测精度得到提高.     

基于蚁群算法的灰色组合预测模型

分别利用灰色GM(1,1)模型、GM(1,1)优化模型和新息GM(1,1)模型建立三个单项预测模型,进一步建立了组合灰色预测模型,组合模型的权系数利用蚁群算法确定.最后给出了一个我国人口数量组合预测模型,计算结果表明,基于蚁群算法的灰色组合预测模型的拟合和预测精度要优于传统组合预测模型.     

测地线活动轮廓模型的图像分割快速算法

从最优化理论的角度来看,目前求解图像分割的测地线活动轮廓(geodesic active contour,GAC)模型大多采用固定步长的最速下降算法.而众所周知,该算法收敛速度较慢,这在能量泛函的梯度较小时尤为明显.对求解GAC模型的快速算法进行了研究.首先,回顾了GAC模型的演化方程;随后,将共轭梯度(conjugate gradient,CG)算法引入到GAC模型的求解中,形成一种新的求解图像分割问题的数值方法,即GAC模型的CG算法;最后,通过试验对比传统的数值方法,表明CG算法具有良好的收敛性.     

双势理论用于处理非关联材料本构

基于传统塑性力学框架下的显式积分算法和基于Simo-Taylor提出的回退映射隐式积分算法是固体力学中两大经典本构积分算法.以经典的非关联材料模型Drucker-Prager(D-P)模型和Armstrong-Frederick(A-F)模型为例分别回顾了显式积分算法和隐式积分算法.以双势理论为基础,将双势的概念运用到材料的自由能中,将材料分为显式标准材料和隐式标准材料.两种传统积分算法都能有效地处理显式标准材料的本构关系,但在处理隐式标准材料时却存在一定的问题.双势积分算法是建立在双势理论下的本构积分算法,此算法不仅能够处理显式标准材料,对于处理隐式标准材料,也存在一定的优势.通过变分原理推导了双势积分算法解的存在性,运用双势积分算法处理Drucker-Prager模型和Armstrong-Frederick模型,并与经典传统积分算法得到的结果进行对比,验证了双势本构积分算法的稳定性和准确性.     

有交货时间限制的大规模实用下料问题

研究的是有交货时间限制的单一原材料下料问题(规模较大).对于一维下料问题,本文得到一个有各自交货时间的模型.针对该模型提出一种新的算法:DP贪婪算法.计算结果是总用料800根即可完成需求任务,材料利用率为99.6%.对于二维下料问题,在一维的基础上建立了二维的求解模型,运用我们自己设计的降维思想结合一维的DP贪婪算法,给出解决该模型的算法.计算结果是总用料451块即可完成需求任务,材料利用率位99.2%.算法设计时考虑了普遍的情况,所以算法在解决大多数实际下料问题,特别是大规模下料问题时是切实有效的.     

基于复化Simpson公式的GM(1,1)模型背景值优化

针对传统灰色模型GM(1,1)存在的模型精度不高的问题,提出了复化Simpson公式结合动态序列模型的联合方法.给定误差限,利用给出的计算背景值算法,对GM(1,1)模型的背景值进行优化.实例表明,基于复化Simpson公式的背景值优化算法所建立的GM(1,1)模型,可以有效地提高模型的预测精度和适用性.     

基金存储的一个优化模型

研究各期存款(包括购国库券)利率及银行取款政策后发现:每年奖金额均来自于存款的利息;若每笔本金到取款时能获得最大综合本利率,则奖金额就可获得最大值.据此,建立了基金使用模型,设计了一个有效的算法,并通过编程在计算机上实现了这个算法,成功地解决了三种情况下(①只存款不购国库券;②可存款也可购国库券;③第3年的奖金比其他年度多20%)最佳基金存储设计问题,并对每年奖金额不等、年数n任意等都有效.     

交通流瓶颈效应的运动学描述.

采用一个推广的LWR模型研究交通瓶颈效应.通过求解流通量间断的Riemann问题,得到关于模型解结构的解析结果,由此导出了描述在瓶颈上游车流的排队现象及其队列长度和高度(密度)的一个典型解,并能够构造模型方程的一种δ-映射算法.更有意义的是,表明了通过采用三角形基本图,这一运动学模型能够描述时走时停波.通过数值模拟,验证丁数值结果与解析结果的一致性,从而支撑了文章的理论结果.     

Switching Control of Nonlinear Systems Based on the Quasi-ARX Model and the SVR Algorithm北大核心CSCD

该文基于改进的含有外部输入项的准线性自回归(准ARX)径向基函数(RBF)网络模型和支持向量回归(SVR)算法,提出了一种非线性切换控制方法.改进的准ARX模型非线性部分采用RBF网络.控制系统设计过程分为三个部分:首先,利用聚类方法确定模型的非线性参数;然后,采用线性SVR算法来解决控制系统的鲁棒性问题;接下来,基于控制误差给出切换判定函数,确定切换律给出控制序列.最后通过数值仿真验证了该方法的有效性.     

Random fuzzy shock models and bivariate random fuzzy exponential distribution

In this paper, a random fuzzy shock model and a random fuzzy fatal shock model are proposed. Then bivariate random fuzzy exponential distribution is derived from the random fuzzy fatal shock model. Furthermore, some properties of the bivariate random fuzzy exponential distribution are proposed. Finally, an example is given to show the application of the bivariate random fuzzy exponential distribution.     

审计中博弈模型的扩展分析

进一步研究审计中的博弈分析.在更为一般的条件下分别建立了审计机关与被审计部门之间的完全信息静态博弈模型和无限阶段重复博弈模型,得到审计机关最优混合策略及其对弄虚作假罚款系数的公式,探讨了影响局中人行为的若干因素,提出了加强审计工作的几点建议.     

带机会约束的警务调度模型及其解法

研究在紧急情况发生时,城市中不同交巡警服务平台的警务人员封锁指定区域的最优调度问题.把交巡警服务平台到达指定要道的时间视为满足正态分布的随机变量,从而建立了满足机会约束的警务调度模型并将该模型等价地转化为极小极大模型.给出了模型的求解算法及其计算复杂度.最后,通过一个数值例子来说明算法的有效性.     

基于累积前景理论的具有不完全序值信息的双边匹配决策方法

针对带有主体期望值的具有不完全序值信息的双边匹配问题,提出了一种基于累积前景理论的决策方法。在文中,给出了该双边匹配问题的描述;将主体给出的期望值视为参照点,构建了相对参照点的益损矩阵;依据累积前景理论和规范化公式,将益损矩阵转化为规范化前景矩阵;在此基础上,构建了求解该双边匹配问题的多目标优化模型,使用线性加权法将多目标优化模型转化为单目标优化模型,通过求解该单目标优化模型获得匹配结果;最后,通过一个实例说明了所提方法的可行性和有效性。     

增长曲线模型中LSE的相对效率

考察一般的增长曲线模型Ｙ＝ＸＢＺ＋其中Ｖ＞０,０．当参数矩阵Ｂ可估时,文中定义了Ｂ的ＬＳＥ相对于它的ＢＬＵＥ的六种相对效率,并给出了它们的下界．对于一般情形,定义了ＸＢＺ的ＬＳＥ相对于它的ＢＬＵＥ的两种相对效率,给出了它们的下界．     

基于优化模型的双边匹配决策方法

针对满意度表达评价信息的双边匹配决策问题,从匹配主体相互满意的视角,综合考虑匹配主体满意度的互补性和一致性定义匹配主体的组合满意度,以匹配的总组合满意度最大为目标建立求解匹配结果的优化模型,进而提出了一种匹配决策方法,并通过实例说明所提方法的可行性和有效性.     

A lattice Boltzmann model for Maxwell’s equations

In this paper, a lattice Boltzmann model for the Maxwell’s equations is proposed by taking separate sets of distribution functions for the electric and magnetic fields, and a lattice Boltzmann model for the Maxwell vorticity equations with third order truncation error is proposed by using the higher-order moment method. At the same time, the expressions of the equilibrium distribution function and the stability conditions for this model are given. As numerical examples, some classical electromagnetic phenomena, such as the electric and magnetic fields around a line current source, the electric field and equipotential lines around an electrostatic dipole, the electric and magnetic fields around oscillating dipoles are given. These numerical results agree well with classical ones.     

Fuzzy regression analysis using neural networks

In this paper, we propose simple but powerful methods for fuzzy regression analysis using neural networks. Since neural networks have high capability as an approximator of nonlinear mappings, the proposed methods can be applied to more complex systems than the existing LP based methods. First we propose learning algorithms of neural networks for determining a nonlinear interval model from the given input-output patterns. A nonlinear interval model whose outputs approximately include all the given patterns can be determined by two neural networks. Next we show two methods for deriving nonlinear fuzzy models from the interval model determined by the proposed algorithms. Nonlinear fuzzy models whose h-level sets approximately include all the given patterns can be derived. Last we show an application of the proposed methods to a real problem.     

考虑协同信息的人员与岗位双边匹配决策方法

针对考虑协同信息的人员与岗位双边匹配问题,提出一种决策分析方法。首先,给出了考虑协同信息的人员与岗位双边匹配问题描述;其次,依据人员和岗位给出的多指标评价信息,计算了人员对岗位的满意度、岗位对人员的个体技能满意度及人员之间的工作协同度;在此基础上,建立了以人员对岗位满意度最大、岗位对人员个体技能满意度最大和人员之间协同度最大为目标的多目标优化模型,该模型是一个具有多目标的0-1型二次整数规划问题,也是一个NP-hard问题,为了求解该多目标优化模型,设计了一个多目标离散差分进化算法;最后,通过一个实例验证了所提方法的可行性和有效性。     

Stationary solution and parametric estimation for bilinear model driven by ARCH noises

Bilinear model driven by ARCH (1) noises is proposed. Existence, uniqueness and form of stationary solution to this new model are presented. Maximum likelihood estimation of the model is discussed and some simulation results are given to evaluate our algorithm.