捕食者和食饵均带有扩散的随机捕食-食饵模型动力学分析

考虑了斑块环境下捕食者种群和食饵种群分别在n个斑块扩散的随机捕食 食饵模型.利用Lyapunov函数法证明了对任意给定的初始值,随机系统全局正解的存在唯一性,并对其进行了有界性分析.此外给出了食饵种群及整个系统灭绝的充分条件.最后通过数值模拟验证了所得理论的正确性.     

ATIS和道路收费下混合SUE相对于SSO的效率损失

在ATIS和道路收费共同作用的异质性交通网络中,基于用户在信息接受程度与时间价值上的异质性,对用户进行合理分类,所有用户均按照随机方式进行择路.构建了多用户混合随机均衡等价的变分不等式模型,以及多用户随机社会最优模型.以用户感知的总出行成本作为系统性能评价的指标,当收费作为系统总成本的一部分时,分别在时间准则与费用准则下研究了多用户混合随机均衡相对于随机社会最优的绝对效率损失问题.研究结果表明,时间准则下的绝对效率损失上界与路段出行时间函数和混合随机均衡时系统的实际总出行时间有关,费用准则下的绝对效率损失上界还与出行者的社会经济特性和随机社会最优时系统的实际总出行时间有关.     

关于求解随机用户均衡问题的截断拟牛顿型信赖域法研究

信赖域法是一种保证全局收敛性的优化算法,为避免Hessian矩阵的计算,基于拟牛顿校正公式构造了求解带线性等式约束的非线性规划问题的截断拟牛顿型信赖域法.首先给出了截断拟牛顿型信赖域法的构造过程及具体步骤;然后针对随机用户均衡模型中变量和约束的特点对算法进行了修正,并将多种拟牛顿校正公式下所得结果与牛顿型信赖域法的结果进行了比较,结果发现基于对称秩1校正公式的信赖域法更为合适.最后基于数值算例结果得到了一些在算法编程过程中的重要结论,对其它形式信赖域法的编程实现具有一定的参考意义.     

城镇职工养老保险随机模型研究

构建了包含个人、企业、政府等市场参与者相互制衡的城镇职工养老保险随机模型,该模型涉及了储蓄、工作期消费、个人养老金账户、工资、退休后消费共5个随机变量;利用ITo引理证明了随机微分方程解的存在性,唯一性,利用2010-2014年中国有关宏观数据,对5个变量进行了动态模拟,并对部分参数变动对模型的影响进行分析,得出了储蓄替代率和人口出生率与两期消费正相关,两者的小范围变动不会影响两期消费的趋势等结论.     

具有遗传性疾病和性状的遗传位点分析

随着信息技术的进步和发展,现代生物学越来越多地将这些技术用于大规模生物数据的收集、分析、挖掘等过程.大量计算机技术,特别是统计方法被用来进行复杂疾病的分析.大量研究表明,人体的许多表型性状差异以及对药物和疾病的易感性等都可能与某些位点相关联,或和包含有多个位点的基因相关联.因此,定位与性状或疾病相关联的位点在染色体或基因中的位置,能帮助研究人员了解性状和一些疾病的遗传机理,也能使人们对致病位点加以干预,防止一些遗传病的发生.利用随机森林方法、Bootstrap重抽样、logistic回归等大数据分析方法,意在解决优化生物学位点关联性分析中单一致病位点识别、多位点相互作用和多性状位点关联性分析等子问题.     

NA随机变量阵列的完全矩收敛性

利用NA随机变量的矩不等式和截尾方法,研究了NA随机变量阵列的完全矩收敛性,给出了证明NA随机变量阵列完全矩收敛性的一些充分条件.所得结果推广了已有文献关于NA随机变量的相应结果.     

白骨化尸体死亡时间的推断

本文分析了15具白骨化尸体标本的股骨汞(Hg),铅(Pb),镉(Cd)元素含量数据,在三年的时间内采集了3次,一共收集到45个数据。首先将这组数据看着纵向数据,利用线性随机效应混合模型、Cox随机混合效应模型进行分析,结果显示,如果对每个白骨化尸体标本建立线性模型,可以精确预测出死亡时间,而且不需要采集铅元素含量数据。混合效应模型的预测效果也很好,最大误差不会超过1个月。其次我们对数据不作任何假设,利用机器学习中随机森林方法分析数据,并利用5折交叉验证方法来判断结果的可靠性,训练集和测试集的NMSE分别为0.1205944,0.5604286,因此可以用训练出的模型来预测死亡时间。     

非李普希兹条件下马尔科夫调制随机延迟微分方程数值解的收敛性（英文）

在全局李普希兹条件下,已经建立了马尔科夫调制的随机微分方程的欧拉方法.然而对于实际系统,全局李普希兹条件通常不成立.在本文中,在弱于全局李普希兹条件的条件下,我们证明马尔科夫调制的随机微分方程的欧拉方法是收敛的,并且其收敛阶和全局李普希兹条件下相同.     

加权Banach空间中随机指数系完备的若干结论

在允许随机序列上密度无限且减弱权函数是凸函数的条件下,采用新的方法得到C_α中随机指数函数系完备性的充分必要条件,其中C_α是定义在R上的复连续函数构成的加权Banach空间,且要求函数在一致范数下当t→∞时以f(t)exp(-α(t))趋于零.     

一类线性随机微分方程的解法

本文关注一类线性随机微分方程的解法,先求解伪齐次随机微分方程,变易对应解的常数,再带回原方程求解.这区别于以往求解随机微分方程所对应的齐次微分方程的常数变易法.多个例子证明本文的方法更简明.