遗传算法对车间作业调度的研究

应用遗传算法对车间作业调度问题进行研究，针对ＪＳＳＰ的具体特性，文中提出变异函数和二次编码的思想，获得较好的仿真结果。  

生灭矩阵生成压缩半群的条件

研究了生灭矩阵本身何时在l1空间中存成压缩半群，并获得一个充要条件。  

近年居民消费结构统计分析的研究综述——关于因子分析和聚类分析的应用

本文对近年有关居民消费结构的实证分析进行研究,简述了数据选取、实证方法的变革与演进;回顾了模型分析的过程与结论;并且进行了相应的评述、提出了建议,以期为今后统计实证手段的应用及后续研究提供相应参考。  

Markov积分算子半群的限制及关于增加积分算子半群的生成

证明了转移函数是l∞的一个子空C^1上的正的压缩C0半群，其极小生成元恰好是Markov积分算子半群的生成元在C^1中的部分；Markov积分算子半群的生成元稠定的充分必要条件是q-矩阵Q一致有界；同时转移函数是Feller—Reuter—Riley的充要条件是Markov积分算子半群的生成元在Cn中的部分产生一个强连续半群．最后，在序Banach空间给出了增加的压缩积分算子半群的生成定理．  

基于最大离差和最大联合熵的多方案优选方法

针对多方案优选中指标权重确定问题,提出了基于最小离散和最大广义联合熵的组合赋权方法,建立了组合权系数优化模型。该方法一方面根据评价指标对方案决策所起作用大小赋予不同的权重;另一方面尽量能够消除组合赋权中的不稳定性,使各方法各指标权数赋予平衡因子后广义的联合熵最大,从而使得全局的不确定性最小。最后通过实例说明了此方法合理、稳健。  

等变分歧问题的无穷小稳定开拓

基于奇点理论中光滑函数芽的左右等价,本文讨论等变分歧问题开折的稳定性,刻画了有限型等变分歧问题的无穷小开折的稳定性,并指出这类分歧问题A(Γ)-通用开折必为无穷小稳定开折.  

软件模块测试中的动态资源分配问题

为有效利用测度过程中投入的测试资源，提高测试效率，本文考虑将测试过程为多个阶段并为各个阶段动态分配测试资源的方法，为此提出两种动态分配测试资源模型，当测试资源总数一定时，测试约束时各软件模块中剩余错误平均数量小的模型；当给定测试约束时各软件模块中剩余错误平均数要达到的预定指标时，所用的测试资源最少的模型。  

IPO市场条件下风险投资退出时机的抉择

本文利用博弈论和信息经济学的理论知识。通过建立一个两阶段基本模型，给出了风险企业的退出条件。由于风险投资家要重复地参与资本市场。又将两阶段模型推广到无限期重复博弈，通过建立声誉机制可解决不同类型风险企业的退出时机问题。对低质量的企业继续增加投资的目的不是为了建立声誉，而是为了增加收益。对年轻的风险投资家而言，要建立自己的声誉可通过使企业价格偏低来实现。  

一类二层多目标规划的若干性质

本文对于下层为线性多目标规划的二层规划问题,在约束域非空有界的条件下证明了可行集的弱拟凸性、连通性,为算法设计提供了理论依据．  

A hybrid intelligent algorithm for portfolio selection problem with fuzzy returns

Portfolio selection theory with fuzzy returns has been well developed and widely applied. Within the framework of credibility theory, several fuzzy portfolio selection models have been proposed such as mean–variance model, entropy optimization model, chance constrained programming model and so on. In order to solve these nonlinear optimization models, a hybrid intelligent algorithm is designed by integrating simulated annealing algorithm, neural network and fuzzy simulation techniques, where the neural network is used to approximate the expected value and variance for fuzzy returns and the fuzzy simulation is used to generate the training data for neural network. Since these models are used to be solved by genetic algorithm, some comparisons between the hybrid intelligent algorithm and genetic algorithm are given in terms of numerical examples, which imply that the hybrid intelligent algorithm is robust and more effective. In particular, it reduces the running time significantly for large size problems.