设施选址问题的近似算法综述

设施选址问题是运筹学和理论计算机科学中的经典问题之一.本文介绍设施选址问题及其变形的近似算法设计与分析思想,并总结设施选址问题的研究中若干未解决的重要问题.     

基于GWR模型的河南省人口分布的影响因素研究

近年来,人口作为一种基本信息已成为目前研究的热点问题之一.人口分布可能受自然,经济,社会,政治等诸多因素的影响.因此,人口分布的研究对于了解不同类型区域的人口资源与经济发展之间的关系,因地制宜地发展本地经济具有重大意义.课题以河南省统计年鉴数据为基础,研究河南省人口分布的影响因素.具体来说,首先利用Surfer软件的可视化技术研究了河南省人口数量的空间变化特征.其次,利用近年来发展起来的地理加权回归模型对河南省人口分布的影响因素进行了定量分析.通过上述分析提取有效信息,从而为制定合理的人口政策和实现人口的有序流动提供必要的理论支持.     

L~1空间带弱奇异核的第二类Fredholm积分方程解法探究

针对带有弱奇异核的第二类Fredholm积分方程数值解法问题,介绍了两种方法.一种方法是直接用L~1空间中的离散化方法求其数值解;另一种方法是将弱奇异核通过迭代变为连续核,再用L~1空间中的离散化方法求其数值解,且通过对具体算例作图分析,从而得出直接用L~1空间中离散化方法更好.     

基于Monte Carlo模拟比较K近邻和局部线性分位数回归

局部线性分位数回归是目前比较流行的非参数分位数回归,其潜在假定待估函数线性光滑.K近邻分位数回归也是非参数分位数回归的重要组成部分,其具有不需待估函数光滑和不同分位点的回归曲线不相交等优点.通过Monte Carlo模拟,比较了两者的估计,得到当待估函数的跳跃点或突变点比较多时,K近邻分位数回归的拟合效果优于局部线性回归.其中模拟的函数是Blocks、Bumps和HeaviSine的函数,它们分别代表跳跃性、波动性、斜率突变性的函数.     

多指标稳定分量过程的局部时

设X_1,…,X_h分别是独立的(N,d_1,α_1),…,(N,d_h,α_h)稳定过程,其中α_1,…,α_h可以是(0,2]中不同的数.设X(t)=(X_1(t),X_2(t),…,X_h(t)),t∈R_+~N,则称X={X(t);t∈R_+~N}为多指标稳定分量过程.在Nsum (di) from i=n to h的条件下,证明了X存在(联合连续的)局部时,该结果是多指标稳定分量过程所特有的,因为单指标稳定分量过程在任何情况下都不存在局部时.     

一种惯性交替极小化算法及其应用

提出一种惯性交替极小化算法求解具有线性等式约束的两块可分离凸极小化问题,其中一块是强凸的。我们证明所提出的算法收敛到原问题和对偶问题最优解。作为应用,将所提出的算法用于求解一类复合凸极小化问题,该问题在图像去噪中有着广泛应用。最后,通过对具有约束的全变分图像去噪模型进行数值实验,数值结果验证所提出算法的有效性和优越性。     

弱耦合一维扩展赫伯特模型的基态相图

我们利用玻色化和重整化群分析的方法研究了半满填空且排斥势小于跃迁动能时的一维扩展赫伯特模型的基态相图,发现基态相图是由自旋密度波,电荷密度波和键荷密度波组成.这些结果揭示了扩展赫伯特模型和赫伯特模型基态相图的差异.     

分割图像插值的一种局部算法

对于医学序列切片，图像上像素之间的间隔常常小于切片之间的距离，而在图像处理中，常常需要它们有一致的分辨率。对于已分割的切片图像，插入的切片图像也应是分割的图像。本文提出了一种图像插值的局部算法，该算法在产生新插入图像每点的分割信息与颜色信息时，计算只与相邻切片图像的局部像素值有关。因此既保持了相邻切片的物体形态过渡自然，又具有良好的数值稳定性。应用该算法于医学序列切片进行插值时，可达到良好的视觉效果。算法已成功应用于医学数据的三维重建系统。     

松辽盆地北部浅水三角洲前缘砂体类型、特征与沉积动力学过程分析

通过充分利用开发检查全井段的取芯资料,结合开发井的水动力资料,系统总结出地形、河流与湖泊大小、气候变化和湖面升降对浅水三角洲前缘沉积环境的影响,分析了浅水三角洲的沉积动力学过程.浅水三角洲前缘平坦、开阔.三角洲平原上的分流河道向湖泊中心方向长距离推进,在三角洲前缘的浅水区发育很有特色的水下分流河道,且在湖面频繁波动过程中,河流、波浪和沿岸流的冲刷作用对沉积物的分布起到重要作用,导致以水下分流河道砂体为主的三角洲前缘砂体不同程度的席状化.随着气候变得潮湿,湖面相对稳定,季节性、周期性湖面波动的频率、幅度也减小,水动力对三角洲前缘砂体的改造和席状化强度减弱.     

一类球型区域上变系数反向热传导问题

考虑了一类球型区域上变系数反向热传导问题.这个问题是不适定的,即问题的解（若存在）并不连续依赖于测量数据.构造了投影迭代正则化方法,得到了该反问题的正则近似解,同时给出了在先验和后验参数选取规则下精确解与正则近似解之间的收敛性误差估计.最后,通过数值结果验证了该方法的有效性.