基于最坏情况条件鲁棒利润的发电机组最优组合

采用最坏情况条件风险价值方法刻画电价风险,并定义最坏情况条件鲁棒利润描述发电商的利润,考虑机组启停,建立了基于最坏情况条件鲁棒利润的发电机组最优组合模型.在盒式不确定集下,将所建模型转化为混合整数二阶锥规划进行求解.通过10机24时段系统的算例仿真,验证了所建模型和求解方法的有效性.     

关于序超半群的模糊拟超理想

首先将超半群上拟超理想的概念推广到序超半群理论中,即在序超半群中定义并讨论了拟超理想的性质。进一步地,定义并研究了序超半群的模糊拟超理想,尤其刻画了由一个模糊集所生成的模糊拟超理想的结构。     

关于序半群理想的根

Let S be an ordered semigroup.In this paper,we characterize ordered semigroups in which the radical of every ideal（right ideal,bi-ideal） is an ordered subsemigroup（resp.,ideal,right ideal,left ideal,bi-ideal,interior ideal） by using some binary relations on S.     

圆环中的亚纯函数及其导数在重值条件下的一个唯一性定理

In this paper, we first obtain the famous Xiong Inequality of meromorphic functions on annuli. Next we get a uniqueness theorem of meromorphic function on annuli concerning to their multiple values and derivatives by using the inequality.     

基于Markov链的税延型养老保险跨期效用

通过购买税延型养老保险,投保人可以降低自己的税费,增加退休后可支配收入.因此,税延型养老保险一定程度上能够提高个体效用.然而实践中,个体健康状态和寿命是影响购买税延养老保险效用的重要因素.在个体跨期效用框架下,这里引入健康状态的Markov链模型,发现健康状态的恶化和较短的预期寿命都降低个体效用,从而也就降低了个体购买延税养老保险的意愿.因此,在推广税延养老保险时,政府制定的政策和保险公司设计的产品应给与这类人群最低保障.     

关于格矩阵的无穷积

研究了n阶格矩阵的无穷积,其性质不同于已有文献中研究过的格矩阵幂的性质。给出无穷积(弱或强)收敛的一些充分条件和几个重要性质,部分结论推广了有关模糊矩阵和格矩阵的相关结果。     

波动方程单位分解有限元法及收敛性分析

<正>1引言与问题的提出自黄云清和许进超提出基于单位分解技术的重叠型非匹配网格有限元方法以来,这类方法日益引起人们极大的兴趣.这篇文章将这类有限元方法运用到波动方程当中,分别研究了重叠型非匹配网格波动方程半离散和全离散有限元方法,给出了有限元解及其梯度的误差估计.下面先给出模型问题的简单介绍.     

全纯函数的正规族

本文证明了两个正规族定理,分别改进了张国明、孙伟和庞学诚的一个结果和徐焱的一个结果.     

关于序半群的模糊拟理想

In this paper,fuzzy quasi-ideals of ordered semigroups are characterized by the properties of their level subsets.Furthermore,we introduce the notion of completely semiprime fuzzy quasi-ideals of ordered semigroups and characterize strongly regular ordered semigroups in terms of completely semiprime fuzzy quasi-ideals.Finally,we investigate the characterizations and decompositions of left and right simple ordered semigroups by means of fuzzy quasi-ideals.     

直觉模糊熵与加权决策算法

直觉模糊熵是直觉模糊集理论中的一个重要概念,反映了直觉模糊集的模糊程度和不确定程度.首先给出一种新的直觉模糊熵,并运用到多属性直觉模糊决策问题中.决策时根据直觉模糊熵计算属性权重,再综合决策者的偏好对各属性权重进行修正,然后使用直觉模糊集结算子和得分函数对方案进行排序,从而获得最优方案.