突发事件中不实信息的竞争扩散研究

基于Gilpin-Ayala扩散模型,建立了突发事件中不实信的竞争扩散与传播模型,并对模型的动态过程进行深入分析.针对突发事件发生后存在多种信息的竞争扩散的问题,模型能给予很好的解释.最后,就相关问题和分析结果,为应急管理者在突发事件中如何引导舆论提供政策建议.     

基于粒子群算法的分布式多工厂批量计划问题研究

研究了分布式多工厂协同生产的约束批量计划问题,以产品的生产成本、库存成本、调整准备成本和运输成本之和最小为目标,构建了生产能力有限情况下的数学模型,提出了用于求解该问题的粒子群算法方案,阐明了该算法方案的具体实现过程.对典型算例进行了仿真,并与LINGO软件的求解结果进行了比较,结果表明粒子群算法方案的有效性和可行性.     

求解垂直互补问题的参数牛顿法

给出了求解垂直互补问题的一种参数牛顿法,在较为温和的条件下证明了该方法的局部超线性收敛结果,并且给出了具体数值计算.     

基于网络均衡的电力市场排污权交易政策研究

本文构建了电力供应链网络均衡模型,网络中包含三级决策主体,分别是:发电厂、电力服务商和用电市场.在分析各级决策者行为的基础上,得到了基于变分不等式的均衡条件,研究了针对发电厂的排污权交易政策设计问题.研究发现:排污交易政策实施后,总排污量不会超过给定的排污权总量;发电厂清洁生产能力的差异对排污权交易政策影响显著.     

基于随机滤波法的滚动轴承剩余寿命预测

使用剩余寿命描述滚动轴承的潜在状态,基于随机滤波方法建立滚动轴承的剩余寿命预测模型,给出了建模步骤和方法,并讨论了模型的参数估计问题.实例分析结果验证了该建模方法和参数估计方法的有效性和准确性.     

关于切换正线性系统的共同Lyapunov函数

研究切换正线性系统的共同Lyapunov函数.分别就系统矩阵是三角阵和分块三角阵的情况给出了存在一类共同Lyapunov函数的证明,并基于证明过程给出了共同Lyapunov函数的一种求法.最后通过数值算例验证结果.     

基于改进的GM(1,1)-Markov链组合模型广东省单位GDP能耗预测

本文以灰色系统理论的GM(1,1)模型和随机过程理论的Markov链模型为基础构建了一个动态GM(1,1)-Markov链组合预测模型。该模型同时利用了GM(1,1)模型对序列趋势因素良好的拟合能力和Markov链模型对残差序列信息的提取能力。为进一步提高该模型的预测精度,用泰勒(Taylor)近似方法和新信息优先的思想对该模型进行了改进。最后,以1991-2014年广东省单位GDP能耗数据实证了该模型的预测效果。     

基于SD-GM理论的城市交通拥堵收费模型研究

随着中国城市化建设步伐的不断加快,交通拥堵在不断地加剧。同时,因机动车污染物的排放,每年将产生大量的NO_x,从而又会引起严重的大气污染(如“雾霾”污染)。针对这些问题,本文从环境和社会的角度出发,采用系统动力学与灰色系统相结合的方法(SD-GM),构建了城市交通拥堵收费模型,并对模型中主要变量进行动态仿真和决策分析,以此来寻找缓解交通拥堵和减少机动车尾气排放的可行策略。通过现实性测试和敏感性测试,得到拥堵收费的范围不超过100元/天*辆。通过进一步的仿真和结果分析可得到以下结论:(1)在区间[25,40] 内,随着拥堵收费的提高,NO_x存量,机动车出行吸引度和交通拥堵程度都呈下降趋势,而车均道路面积呈上升趋势。(2)但并非拥堵收费越高越好, 超过40 元/天*辆,会产生相反的效果。最后,通过比较分析,得到NO_x存量,机动车出行量,机动车出行吸引度和交通拥堵程度分别下降了约33.76%,39.64%,43.26%,82.25%,而车均道路面积提高了大约65.68%,进而验证了模型的有效性和实用性。     

非均齐超网络中标度律的涌现—–富者愈富导致幂律分布吗?

建立非线性择优连接非均齐超网络演化模型,研究非均齐超网络演化机制和拓扑性质.使用Poisson过程理论和连续化方法对模型进行分析,给出超网络超度的特征方程.利用超度特征方程不仅证明网络稳态平均超度分布存在,而且获得超度分布的解析表达式.分析表明这个网络具有"富者愈富"现象.仿真实验和理论分析相符合.随着网络规模的增大,这个动态演化的非均齐超网络的超度分布表现出拉直指数分布的特征,而不一定是幂律分布.结果表明"富者愈富"不一定导致幂律分布.     

基于员工行为差异的元胞自动机演化模拟与机制设计

提出了企业员工的正行为、零行为和负行为概念,分析了员工中不同行为间的相互影响.对传统元胞自动机方法进行了改进,建立了基于员工传播性和保持性的元胞自动机模型,并对员工不同的初始比例、不同的行为传播性和保持性以及企业不同奖励和惩罚性政策下的员工行为演化进行了模拟,得到了一些合理和有益的结论,并对不同情形下的人员管理提供了针对性建议.