采用组合引导磁场的多注二极管设计

分析了采用单一同轴磁场时强流相对论多注阴极的侧端发射问题,研究了在不同磁场内半径和多注漂移管长度情况下多注电子束的传输效率。研究发现:由于引导磁场尺寸有限,高压下多注阴极杆及多注阴极柱的电子束发射是影响多注电子束传输效率的主要因素,且该部分电子束对多注漂移管入口管壁的轰击直接影响了多注速调管的重频能力。设计了采用永磁铁和同轴磁场组合工作的强流相对论多注二极管,理论分析和模拟计算证明:基于组合磁场的多注二极管可明显减弱甚至抑制多注阴极发射球头以外的电子束发射,并且组合磁场的磁场位形和强度可满足强流相对论多注电子束的高效、稳定传输。     

基于高斯过程的中心差分卡尔曼滤波在BDS/INS组合导航中的应用

针对扩展卡尔曼滤波器在BDS/INS组合导航系统模型不确定时精度下降的问题,提出了一种基于高斯过程的中心差分卡尔曼滤波算法(GP-CDKF)。在训练数据有限的情况下,用中心差分卡尔曼滤波(CDKF)来估计组合导航系统的状态向量;同时高斯过程可以考虑CDKF中的噪声和不确定性。因此,将高斯过程引入到CDKF中,可以进一步提升导航性能。试验结果表明,GP-CDKF与CDKF算法相比,东向、北向位置误差分别降低16.4%、57.1%,东向、北向速度误差分别降低15.9%、23.3%,说明GP-CDKF算法在动态系统状态估计方面优于CDKF算法。将GP-CDKF应用于BDS/INS组合导航系统中,可以有效提高导航性能。     

基于拟相对内部集值优化问题弱有效元的最优性条件

本文研究了基于拟相对内部的非凸集值优化问题弱有效元的最优性条件.首先,讨论了弱有效元与线性子空间之间的关系,利用涉及拟相对内部的凸集分离定理,获得了弱有效元的最优性条件.其次,给出了基于拟相对内部弱有效元的Lagrange乘子定理.     

水化硅酸钙纳米压痕分子动力学模拟方法优化

针对水化硅酸钙纳米压痕模型忽视了压头与基底之间相互作用的问题，由尺寸差异引起的金刚石压头难以计算的问题，以及Wittmann模型无法得到实际接触面积的问题，提出了新的模型与计算方法．结合分子动力学方法，采用金刚石压头-Wittmann模型基底的组合方式构建无定形态水化硅酸钙纳米压痕试验模型．在建模阶段，考虑到压头模型与基底模型粒子间尺寸差异，提出了等比例替换模型，通过公式推导并就不同尺寸模拟结果验证了等比例替换模型的可行性．在计算阶段，提出了局部前处理的弛豫方法进行模拟．确定最大荷载位置处的接触面积为546 nm2，进而求出水化硅酸钙模型硬度H为0.84 GPa、折合模量Er为30.52 GPa．并通过纳米压痕试验，验证了模拟结果的准确性，证明了模型的科学性，对今后水化硅酸钙(C-S-H)纳米层面的模拟具有重要借鉴意义．     

基于马尔可夫决策过程的医疗检查预约优化模型

医技部门的医疗检查如电子计算机断层扫描（CT）、核磁共振成像设备（MRI）、X射线（X－rays）常常有如下三种病人类型：门诊病人、住院病人和急诊病人。针对不同病人类型的需求特点，运用马尔可夫决策过程原理和动态规划方法，建立了医疗检查设备的预约优化模型，并证明了模型的最优性质，得出了不同病人类型的最优预约策略。数值算例的结果表明：本文的预约策略不仅易于实施，而且，通过该模型获得的最大收益比按传统先来先预约的模式所获得的收益要大。     

椭圆PDE-约束优化问题的一个预条件子

针对由Galerkin有限元离散椭圆PDE-约束优化问题产生的具有特殊结构的3×3块线性鞍点系统,提出了一个预条件子并给出了预处理矩阵特征值及特征向量的具体表达形式.数值结果表明了该预条件子能够有效地加速Krylov子空间方法的收敛速率,同时也验证了理论结果.     

广义线性多乘积问题的完全多项式时间近似算法

本文针对广义线性多乘积极小化问题,通过一系列的线性规划问题的解提出一种求其全局最优解的完全多项式时间近似算法,并给出该算法的计算复杂性,且数值算例验证该算法是可行的.     

自适应多种群回溯群居蜘蛛算法求解TSP问题

在群居蜘蛛优化算法中引入自适应决策半径,将蜘蛛种群动态地分成多个种群,种群内适应度不同的个体采取不同的更新方式.在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,提出一种自适应多种群回溯群居蜘蛛优化算法,旨在提高种群样本多样性和算法全局寻优能力.函数寻优结果表明改进算法具有较快的收敛速度和较高的收敛精度.最后将其应用于TSP问题的求解.     

非光滑半无限多目标优化问题的对偶性北大核心CSCD

研究了一个非光滑半无限多目标优化问题(简记为SIMOP)并讨论它的对偶性.本文重点考虑此SIMOP的Mond-Weir型半无限多目标对偶问题,通过对目标函数和约束函数的某种组合赋予Clarke-凸性假设,获得了弱/强/逆对偶结论.文章的一些结论是比较新的,并推广了已有文献的一些结果.     

基于改进的PSO-SVM的音频信号特征识别和分类

针对音频信号准确性分类的问题,提出一种基于改进的的粒子群优化算法(PSO)的支持向量机(SVM)音频信号分类的方法,简称IPSO-SVM.首先用Mel倒谱系数法对4种音频信号进行特征提取.其次在PSO中引入自适应变异因子,能够成功地跳出局部极小值点;然后对PSO中的惯性权重进行了改进,将惯性权重由常数变为指数型递减函数.随着迭代的进行,使权重逐渐减小,这样做有利于粒子进行局部寻优.最后用改进的PSO不断优化SVM中的惩罚因子c和核函数参数g来提高预测精度.实验结果表明,与传统的SVM、PSO-SVM、GA-SVM相比,我们提出的IPSO-SVM算法分类结果更精确.