流量管理中信息重发问题的研究

信息重发在通信网络中广泛存在。通过对信息重发问题的研究，建立了概率模型，分析了信息到达流的各种性质，得到了到达间隔时间的分布及平均到达速率等重要性能指标，利用数值实验对理论结论进行了验证。所得结果对网络流量管理和拥塞控制有一定的参考价值。     

Quantum Logic Network for Probabilistic Teleportation of Two-Particle State in a General Form

A simplification scheme of probabilistic teleportation of two-particle state in a general form is given.By means of the primitive operations consisting of single-qubit gates,two-qubit controlled-not gates,Von Neumann measure-ment and classically controlled operations,we construct and efficient quantum logical network for implementing the new scheme of probabilistic teleportation of a two-particle state in a general form.     

利用拉曼型的Jaynes-Cummings模型传送两比特的未知原子态

实现量子态的隐形传送、尤其是多比特量子态的隐形传送在量子信息领域中有非常重要的作用，提出了一种隐形传送两比特未知原子态的方案，在此方案中，用两个两粒子纠缠态代替一个三粒子纠缠态作为量子信道，而且此方案可推广到隐形传送N比特的未知原子态。     

用数值方法分析微孔激光器出射光的近场特性

微孔激光器作为应用于近场光信息存储系统中的一种新型光源，它的出射光斑的近场特性对于近场光存储是十分重要的。针对纳米孔径运用角谱进行Fox-Li数值迭代，得到不同孔径微孔激光器的基模光强分布，然后运用二维非线性时域有限差分法分析微孔激光器出射端即微孔金属膜的近场光学性质，模拟计算了不同孔径和厚度的微孔金属膜的光强近场分布，从应用于近场光存储的角度，给出反映其近场光学特性的相关数据。发现由于TM模式下金属存在局域表面等离子增强效应，使得其出射强度比TE模式高一个数量级，从而更适于作为实际中近场光存储系统和原理试验的光学头。     

多目标规划的鞍点准则

本文给出多目标规划有效解适应鞍点准则的一个新的判别法 ,它不使用凸性的几何术语及凸分析中的概念。最后给出单目标规划的一个相应的判别法     

基于目标信息系统学习的多准则决策方法

给出目标信息系统学习的多准则决策方法，建立多准则决策的规则学习模型，讨论该模型的性质。该模型优于Z．Pawlak方法，将规则提取与信息融合为一体。也优于AHP等模型，具有简洁性．通过实例计算，取得了满意结果。     

TOR,GAOR和GSAOR迭代法收敛准则

熟知,解线性方程组的TOR迭代法包括了Jacobi,Gauss-Seidel,SOR,AOR等迭代法.而GAOR和GSAOR迭代法则包括了GSOR,SSOR,SAOR,GSSOR和MSOR等迭代法。 本文给出了一些新的,易于检验的迭代法收敛准则,它能用来判别一类矩阵A之Jacobi矩阵B=I-D~(-1)A(或矩阵B=I-AD~(-1))的模B≥1,以及A为(行或列)弱对角占优矩阵     

庆祝武汉大学合校5周年——前进中的武汉大学期刊社

武汉大学期刊社成立于2000年10月，下设办公室、5个编辑部以及出版发行部、网络信息部共8个部门，编辑出版6种中文核心期刊学报、2种英文学报及2种科技杂志。     

利用Cluster State实现远程态制备

量子态是量子信息的载体，因此，从某种意义上说，量子信息过程就是量子态的传递和操作的过程。量子态的远程制备包括量子隐形传态（Telepotation）和远程态制备（Remote State Preparation（RSP））。远程态制备是一种利用纠缠和经典通讯传输量子态的简单方法，相比较量子态telepotation耗费的资源更少（1 ebit and 1 cbit）。Cluster State是一种特殊的量子态，在量子计算方案中有着广泛的应用。我们实验上利用SPDC产生的偏振纠缠双光子，加入时间比特，构造出Cluster State，并利用Cluster State实现了量子态的远程制备。     

Bayes估计的进一步研究及其Pitman最优性

对线性模型参数,讨论了Bayes估计的Pitman最优性,将已有结果进行了改进,去掉了附加条件,证明了在Pitman准则下,Bayes估计一致优于最小二乘估计(LSE),在此基础上,提出了一种基于先验信息的方差分量估计,通过和基于LSE的方差分量估计作比较,证明了新估计是无偏估计且有更小的均方误差．最后,证明了在Pitman准则下生长曲线模型参数的Bayes估计优于最佳线性无偏估计．