下方图度量下的非紧模糊数空间

证明了非紧模糊数空间E^～在下方图度量下关于模糊数的序是可逼近的。本文给出的证明方法是构造性的，从而说明了模糊数值积分如M-积分和G-积分等是可计算的。最后给出了E^～中关于下方图度量的一些分析性质。     

一类球面带形平移网络算子的逼近

借助于球调和多项式的de la Vallée Poussin和构造出了单位球面S^q上一类带形平移网络算子，并给出了其对L^p(S^q)中函数一致逼近的收敛速度.      

基于合意空间的模糊子群

利用合意空间(ConsensusSpace)理论给出了一个群的C模糊子群的定义.指出这种模糊子群实际上是基于t范(Tm范)的模糊子群.证明了Rosenfeld的模糊子群是C模糊子群,且每一个C模糊子群都与一类特殊的C模糊子群同构.从而为模糊子群提供了新的理论基础.     

考虑运营期收益的项目建设期时间/费用交换问题(TCTP/R)研究

给出了考虑运营期收益的项目建设期时间/费用交换问题DTCTP/R的概念,讨论了项目工期/收益的函数关系,建立了优化的数学模型,并且将遗传算法应用于问题的求解.最后,结合一个案例说明了在对建设期优化时,应当考虑其对项目运营收入的影响,从全局的角度来进行时间/费用的优化,所得结果才准确与可靠.     

基于Web Services的移动通信综合网管系统

基于Web Services分布式原理，提出了一种新的移动通信综合网管系统的方案．该系统与目前国内传统的TMN网管系统相比，在匹配性、移植性、扩展性、安全性以及重用性等方面都具有明显的优越性．通过对Web Services体系结构分析研究，给出了Web Services到TMN网管系统的映射．并在试验环境中，实现和验证了这种基于Web Services分布式综合网管系统．最后对如何用，ETWeb服务来实现综合的网管的关键技术进行了阐述和分析。     

L-fuzzy拓扑空间中的相对良紧性

The concept of relative N-compactness is defined and characterized in terms of nets. It is shown that the relative N-compactness is hereditary with respect to L-fuzzy sets and the relative N-compactness is L-good extension. Some connections between the N- compactness and the relative N-compactness are investigated. It is also proved that induced relative N-compact spaces are productive, and the product of finite relative compact sets is relative compact.     

Comparison principles for viscosity solutions of elliptic equations via fuzzy sum rule

A comparison principle for viscosity sub- and super-solutions of second order elliptic partial differential equations is derived using the “fuzzy sum rule” of non-smooth calculus. This method allows us to weaken the assumptions made on the function F when the equation F(x,u,Du,D²u)=0 is under consideration.     

基于多线程技术的智能小区管理服务系统构建

设计并实现了一个由485网络构成的智能小区数据采集、控制及管理服务系统，该系统能实现抄表、安防和物业管理等功能，对该系统的整体结构做了介绍，并讨论了中心主机管理服务系统软件的两大模块——通信引擎和管理平台，其中详细分析了多线程技术在通信引擎中的重要作用．     

_(a_1)_(d_1)-A_(a_2)D_(d_2)型氢键体系的网络结构参数

利用溶胶-凝胶分配理论对氢键溶液的模型体系进行研究,给出了体系的凝胶化条件以及凝胶点后氢键网络中各类结构参数的计算方案,并进行了相应的数值计算.结果表明,当两类质子受体基团的活性不同时,质子受体基团的竞争作用对网络结构有一定影响.这为控制氢键网络结构特征提供了可能的理论线索.     

Reinforcement learning versus heuristics for order acceptance on a single resource

Order Acceptance (OA) is one of the main functions in business control. Accepting an order when capacity is available could disable the system to accept more profitable orders in the future with opportunity losses as a consequence. Uncertain information is also an important issue here. We use Markov decision models and learning methods from Artificial Intelligence to find decision policies under uncertainty. Reinforcement Learning (RL) is quite a new approach in OA. It is shown here that RL works well compared with heuristics. It is demonstrated that employing an RL trained agent is a robust, flexible approach that in addition can be used to support the detection of good heuristics.