基于不确定控制理论的最优策略研究

本文在不确定理论的框架下,研究一类带背景状态变量的最优控制模型.在乐观值准则下,利用不确定动态规划的方法,证明了不确定最优性原则,得到最优性方程.作为应用,求解一个固定缴费(DC)型养老金的最优投资策略问题,在乐观值准则下,以工资变量为背景状态变量,建立养老金模型.通过求解不确定最优性方程得到最优投资策略和最优支付率.     

对称向量拟均衡问题有效解的存在性

利用标量化方法建立对称向量拟均衡问题有效解的存在性定理。作为标量化方法的应用，利用这一方法得到向量变分不等式和拟向量变分不等式有效解的存在性定理。     

Sobolev-Lorentz范数约束下的次临界型Adams不等式

本文在Sobolev-Lorentz空间W²L^2,q(R⁴)的范数约束下得到了一个最佳的二阶次临界型Adams不等式.进一步,当次临界指标逼近最佳常数时,得到了Adams泛函的上、下界的估计.本文主要采用了Lam和Lu[A new approach to sharp MoserTrudinger and Adams type inequalities:a rearrangement-free argument,J.Diff Equ.,2013,255(3):298-325]的分割水平集方法.     

不对称催化合成2-[[3-{[3-氯-5-(三氟甲基)吡啶-2-基]-氧基}苯氧基](苯基)甲基]丙烯酸甲酯

以苯甲醛、丙烯酸甲酯、2,3-二氯-5-三氟甲基吡啶和间苯二酚为原料，分别合成了MBH乙酸酯（6）和取代苯酚（9）；在(DHQD)₂PHAL催化下，6和9经不对称反应立体选择性合成了2-【【3-{[3-氯-5-(三氟甲基)吡啶-2-基]-氧基}苯氧基】(苯基)甲基】丙烯酸甲酯，产率50%， ee 94%，其结构经¹H NMR， ¹³C NMR和HR-MS确证。     

逻辑函数高阶布尔e偏导数求解算法的实现

针对已有方法在求解布尔e偏导数时只能解决小规模电路的问题,提出了一种基于逻辑函数不相交运算的大函数高阶布尔e偏导数的求解算法.该方法将逻辑函数转化为不相交乘积项的集合,用逻辑函数的不相交运算替代布尔e导数运算中的逻辑"与"运算;并将不包含待求导变量的乘积项拆分出来,不参与布尔e导数运算,以达到降低算法复杂度、提高算法速度的目的.提出的算法用C语言编程实现,并用MCNC测试电路进行了测试.实验结果显示,本算法能快速实现大函数高阶布尔e偏导数的求解,求解效率与参与不相交运算的乘积项数量有关,但对输入变量的数量不敏感.     

基于不确定理论的铁路货运需求预测

合理预测铁路货运需求是铁路管理部门建设、运营等决策基础。为应对铁路货运需求的复杂变化,基于Pearson相关性分析方法筛选出铁路货运需求的七个具有关键影响的因素,并结合不确定理论建立不确定多元线性回归模型,相应的铁路货运预测结果由传统单一值变成可能的需求区间范围,更加符合处于不确定环境下的铁路货运需求实际情况。选取国家统计局2004~2016年相关数据进实证研究,并与回归模型以及BP模型的预测结果对比分析,实验表明不确定多元线性回归的预测结果更加精确。     

基于前景理论的混合不确定情景下在线多属性反向拍卖的赢者确定方法

在线反向拍卖在当今的经济社会发展中扮演越来越重要的角色,其主要应用于采购招标领域。而在实际的采购拍卖中有关商品属性和供应商信息等方面常会存在一定程度的不确定性,且这些不确定性的刻画又存在着多种模糊表述形式,这些都将增加采购方的风险预期和竞标供应商赢者确定的难度。为此,本文基于前景理论及模糊集理论,研究了同时存在精确数、区间数、三角模糊数、梯形模糊数和语义模糊术语五种属性描述方式的在线多属性反向拍卖的赢者确定问题,提出了一种更具一般性的混合不确定情景下的在线多属性反向拍卖赢者(中标者)确定方法。最后,通过数值算例和比较分析验证了本文所提方法的合理性与有效性,并通过稳健性分析进一步说明方法的稳定性和适用性。     

基于BalanceCascade-GBDT算法的类别不平衡虚假评论识别方法

虚假评论是电商发展过程中一个无法避免的难题. 针对在线评论数据中样本类别不平衡情况，提出基于BalanceCascade-GBDT算法的虚假评论识别方法. BalanceCascade算法通过设置分类器的误报率逐步缩小大类样本空间，然后集成所有基分类器构建最终分类器. GBDT以其高准确性和可解释性被广泛应用于分类问题中，并且作为样本扰动不稳定算法，是十分合适的基分类模型. 模型基于Yelp评论数据集，采用AUC值作为评价指标，并与逻辑回归、随机森林以及神经网络算法进行对比，实验证明了该方法的有效性.