PSO-LSSVM对LIBS定量分析精度的提高

针对土壤定量分析受基体效应影响大，LIBS定量分析精度不佳等问题，采用粒子群算法对LSSVM进行优化，提高模型的精确度。选取Pb Ⅰ 405.78 nm和Cr Ⅰ 425.44 nm作为分析谱线进行分析。采集十二个不同浓度样品的特征光谱，每个浓度样品在不同点采集20组数据，将其中17组数据设为训练集，3组数据设为预测集，用LSSVM和PSO-LSSVM两种方法建立定标模型。对比两种模型的拟合相关系数（R2）、训练集均方根误差（RMSEC）和预测集均方根误差(RMSEP)。由于自吸收效应的影响，随着浓度的增加，预测值逐渐低于实际值，LSSVM定标模型的拟合程度较低，无法达到实验要求，模型性能有待提高。利用粒子群算法对LSSVM的模型参数惩罚系数和核函数参数进行优化，得到最佳的参数组合，Pb元素为(8 096.8, 138.865 7)，Cr元素为(4 908.6, 393.563 5)，用最佳的参数组合构建LSSVM的定标模型。相比于LSSVM，PSO-LSSVM定标模型的精确度更高，Pb和Cr元素的R2提高到了0.982 8和0.985 0，拟合效果明显提升。Pb和Cr元素的训练集均方根误差由0.026 0 Wt%和0.027 2 Wt%下降到0.022 4 Wt%和0.019 1 Wt%，预测集均方根误差由0.101 8 Wt%和0.078 8 Wt% 下降到0.045 8 Wt%和0.042 0 Wt%，模型的稳定性进一步提高。说明PSO-LSSVM算法能够更好地降低土壤基体效应和自吸收效应带来的影响，提高分析结果的精确度与稳定性。     

非光滑稀疏约束优化问题的最优性条件及算法

针对目标函数非光滑的稀疏约束优化问题,给出基本可行性和λ-平稳性两个必要最优性条件,利用所给出的必要最优性条件构造出稀疏次梯度投影算法.在理论上分析了算法的收敛性,证明了由该算法所产生序列的任意聚点都是λ-平稳点.最后,通过两个数值实例验证了算法的收敛性、有效性和优化能力.     

非同类机极小化最大完工时间的保密排序问题

提出并研究了一类非同类机的极小化最大完工时间的保密排序问题Rm||Cmax.该问题的模型参数分为若干组,每个组都由一个不愿意共享或公开自己数据的单位所拥有.基于随机矩阵变换构造了一个不泄露私有数据且与原问题等价的安全规划模型,求解该安全模型可以获得问题的最优解,而且各单位的隐私数据仍然保持不被泄露.     

汽配件颜色喷涂顺序问题的TSP转化与建模

汽配件颜色喷涂顺序问题通常以生产线上相邻汽配件颜色切换次数少为最优目标,以进一步降低生产成本.该类问题具有所有汽配件都必须喷涂一次且只喷涂一次的特点,为此提出了TSP转化与建模的方法.将待喷涂汽配件定义为TSP顶点,任意两个待喷涂汽配件的颜色切换定义为顶点的距离,仿照TSP问题构建0-1规划模型;类似于顶点距离,将某些汽配件的颜色或类别不相邻要求定义为0-1矩阵,巧妙地构造了喷涂生产的约束条件.该建模方法简单快速,通用性高,适用于具有类似特点的各类生产实践问题.     

加性和乘性噪声对随机偏微分方程的激励性（英文）

本文研究加性噪声和乘性噪声对一类随机偏微分方程激励性问题.利用It?公式和能量估计方法方法,得出在两种不同噪声下,相对应的随机偏微分方程噪声激励指标不同.从而从这个角度来看,加性噪声与乘性噪声对随机偏微分方程的影响是不一样的.     

有限群共轭类长度的一点注记

假设G=AB是子群A和B的互相置换积。通过A?B中元素的共轭类长度给出了群G的结构，推广了一些最近的结论。     

基于0-1规划的群模糊层次分析法

根据指派问题模型的思想将单模糊层次分析法推广到群模糊层次分析法,建立了基于0-1规划的群模糊层次分析法模型。然后以历届全国大学生数学建模竞赛试题质量的综合评价指标体系为例,给出了这种方法的计算结果,并与基于加权平均的群模糊层次分析法的计算结果进行了对比分析,说明了基于0-1规划的群模糊层次分析法的有效性和优越性。     

基于Choquet积分的直觉语言TODIM多属性群决策方法

针对属性间存在着关联性的直觉语言多属性群决策问题,提出一种基于Choquet积分的直觉语言TODIM多属性群决策方法.首先定义直觉语言Choquet积分平均算子、直觉语言Choquet积分几何算子,并讨论其性质;然后考虑决策者参照依赖和损失规避心理行为,对每个属性下方案两两之间的优势-劣势进行比较,计算属性关联情境下每个方案相对于其它方案的益损值,构建益损值感知价值函数矩阵;进一步计算方案相对于其它所有方案的综合感知价值函数值,进而依据备选方案综合感知价值函数值大小进行排序择优,并通过实例分析表明该方法的可行性和有效性.     

不完整信息下的直觉模糊软集群决策方法

为了解决具有不完整信息的直觉模糊软集多属性群决策方法的问题,首先在模糊软集和直觉模糊软集的基础之上推广已有软集中缺失数据的填补方法,用来确定不完整信息的填补值。不同决策者的权重值由直觉模糊软集的距离来确定,参数的权重值由熵度量来确定。在群决策的过程中,借助直觉模糊软矩阵集成运算公式,将不同决策者的决策矩阵集成为综合决策矩阵。然后根据对象得分值的不同实现决策。最后,给出实例分析,验证了该方法在实际中有广泛的应用。