空中加油问题的递推模型与调度策略

首先对空中加油问题进行了分析,提取了相关性质,在此基础上建立了问题的递推模型.根据该模型,提出了一种启发式搜索算法.该算法计算复杂度低,适用性好.对应于辅机是否可以多次起飞,该算法分为两子算法.对这两种不同情况下的具体问题,设计了相关的优化函数.所有算法都在计算机中运行,并得到了相应结果.值得指出的是,提出的启发式搜索算法十分高效.对于问题1和问题2,该算法所得解是约束条件下的最优调度策略.对于问题3,问题4,问题5,该算法所得解逼近最优调度策略.     

基于创新教育理念的问题解决策略

1.引言在河南省教育学会的大力支持下,我们成立了河南省教育学会创新教育专业委员会,我们对创新教育的研究可以说是刚刚起步.创新教育是以培养学生创新精神和创新能力为基本价值取向的教育.在高中数学教学中如何培养学生的创新意识、创新精神和创新能力是我们专业委员会重点研究的一个课题.当代美国著名数学家哈尔莫斯(P.R.Halmos)曾说:问题是数学的心脏.那么从某种意义上可以进一步说,数学学习的实质就是问题解决.基于创新教育理念,高中数学教学应该通过问题的提出、问题的分析、问题的讨论、问题的解决、问题的运用、问题的发展、问题的反思等七大环节来展开,从而推进整个数学学习过程,以培养学生的创新意识、创新精神和创新能力.本文重点研究了问题意识的培养、问题解决的思路、问题设计的原则、问题解决的误区.     

一类多商品设施选址问题的基于线性松弛解的启发式方法

多商品设施选址问题是众多设施选址问题中一类重要而困难的问题.在这一问题中,顾客的需求可能包含不止一种商品.对于大规模问题,成熟的商业求解器往往不能在满意的时间内找到高质量的可行解.研究了无容量限制的单货源多商品设施选址问题的一般形式,并给出了应用于此类问题的两个启发式方法.这两个方法基于原选址问题的线性规划松弛问题的最优解,分别通过求解紧问题和邻域搜索的方式给出了原问题的一个可行上界.理论分析指出所提方法可以实施于任意可行问题的实例.数值结果表明所提方法可以显著地提高求解器求解此类设施选址问题的求解效率.     

数学家货郎问题的计算复杂性研究

货郎问题(TSP)是研究计算复杂性理论的经典问题.在货郎问题的基础上,提出"数学家货郎问题"(MTSP).经过研究发现,数学家货郎问题是一个典型的NP类问题,但它却不属于P类问题.因此,数学家货郎问题是一个NP类问题与P类问题不相等的例证.     

高中数学中有关恒成立问题的解题策略探析

在高中数学问题中,常见的一个问题就是恒成立的问题.面对这个问题,很多学生找不到合适的解题思路,从而感觉这类问题较难.实际上在面对这类问题的过程中可以合理采用方程和函数的思想通过一些数学方式实现对这个问题的解决.本文结合例题来对高中数学中恒成立问题的解题策略与技巧进行说明,希望对高中学生解决恒成立问题提供一定的帮助.     

求解椭圆方程柯西问题的修正吉洪诺夫正则化方法

研究了一类变系数椭圆方程的柯西问题,这类问题出现在很多实际问题领域.由于问题的不适定性,不可能通过经典的数值方法来求解上述问题,必须引入正则化手段.采用了一种修正吉洪诺夫正则化方法来求解上述问题.在一种先验和一种后验参数选取准则下,分别获得了问题的误差估计.数值例子进一步显示方法是稳定有效的.     

基于遗传算法的大学课程表问题研究

课程表问题是时间表问题之一 ,也是 NP难问题 .根据大学授课形式的特点建立了大学课程表问题的数学模型 ,给出了求解该问题的遗传算法 .根据模型和大学课程表问题的特点设计了一种全新的编码 ,提出了一种新形式的交叉方式 .实验结果表明该方法是可行和有效的 .     

探井布局问题的遗传算法

首先建立探井布局问题的数学模型 .其次基于所建立的数学模型 ,给出了求解探井布局问题的遗传算法 ,并就一个具体问题进行了计算 .计算结果表明 ,用遗传算法求解探井布局问题耗时少 ,适应性好 ,且对于处理大规模的探井布局问题十分有效 .     

不等式恒成立问题中的求参策略

不等式恒成立问题是高考中经常遇到的一类问题,此类问题的应用也相当广泛.但是面对此类问题,同学们往往束手无策,难以顺利解决.现结合实例谈谈不等式恒成立问题中的求参策略.     

惠更斯的5个概率问题

摘要:惠更斯在第一部概率论著作Ⅸ论赌博中的计算》中提出5个概率问题,但均无求解过程.这5个问题既可看作实际问题,又可看作该书中命题的延伸.这些问题以机会问题为研究对象,把赌博问题的分析提升到一定的理论高度.这就为概率论的进一步发展奠定了坚实基础.本文尝试以惠更斯的方法来解决这些问题,再对比今日所用之法,从中得到若干结论.     

求解互补约束优化问题的乘子松弛法

利用互补问题的Lagrange函数, 给出了互补约束优化问题\,(MPCC)\,的一种新松弛问题. 在较弱的条件下, 新松弛问题满足线性独立约束规范. 在此基础上, 提出了求解互补约束优化问题的乘子松弛法. 在MPCC-LICQ条件下, 松弛问题稳定点的任何聚点都是MPCC的M-稳定点. 无需二阶必要条件, 只在ULSC条件下, 就可保证聚点是MPCC的B-稳定点. 另外, 给出了算法收敛于B-稳定点的新条件.     

对学生提出数学问题能力培养的探究

科学创见始于提出问题.学生学习数学的过程是一个不断地提出问题、分析问题和解决问题的过程.首先应营造有益于学生提出问题的氛围,保证学生提出问题的环境条件.其次教师要重视问题,并积极鼓励学生提出问题.再者通过课堂上创设疑虑情境,有效利用多媒体信息技术,多采用探索性教学,在学生不易产生疑问处设疑,教学过程设计“疑难问题”等手段,不断激发学生提出问题的主动性与积极性,从而达到培养学生提出问题能力之目的.     

2010年研究生数学建模竞赛A题综述

第七届全国研究生数学建模竞赛A题是生物信息学中的一个急需解决的问题.虽然有关问题的研究已经经历了十多年,但由于问题的复杂性,人们的认识还很局限,基本的结论大多还以定性的为主,定量的探讨正方兴未艾.对参赛队员来讲解决该问题是一个极大的挑战.研究生们在讨论该问题时,大多直接进行分类.然而对于一个小样本的学习问题,显然这样做是行不通的.所以问题的关键是从数学和生物学角度减少用于分类的特征数目.同时,对于获取的基因标签,需要从临床上或生物学角度找到验证.该问题的求解过程引导研究生们从数学建模走向解决实际问题.     

求线性比试和问题的确定性全局优化算法

为求线性比试和问题的全局最优解,本文给出了一个分支定界算法.通过一个等价问题和一个新的线性化松弛技巧,初始的非凸规划问题归结为一系列线性规划问题的求解.借助于这一系列线性规划问题的解,算法可收敛于初始非凸规划问题的最优解.算法的计算量主要是一些线性规划问题的求解.数值算例表明算法是切实可行的.     

数学思维,数学教学与问题解决

问题是数学的心脏,问题是引导研究的,提出和发现数学问题是数学思维的起步.数学问题解决体现了数学思维的目的、过程和基本方法,是创造性的思维活动.问题解决作为教学方法,能体现知识的涵义和应用价值.     

鲁棒信用风险优化的线性锥优化模型

考虑了具有强健性的信用风险优化问题. 根据最差条件在值风险度量信用风险的方法,建立了信用风险优化问题的模型. 由于信用风险的损失分布存在不确定性,考虑了两类不确定性区间,即箱子型区间和椭球型区间. 把具有强健性的信用风险优化问题分别转化成线性规划问题和二阶锥规划问题. 最后,通过一个信用风险问题的例子来说明此模型的有效性.     

局部环上表矩阵为初等阵之积

表矩阵为初等阵之积的问题,是矩阵论中基本问题之一.一些矩阵方法能够具体操作也是赖于此问题的结论,但是一般环上,此问题尚无结果.本文对局部环,探讨此问题的解决.     

基于“问题发现”的类比学习——再认识线段和角

《义务教育数学课程标准(2011年版)》从强调“分析问题、解决问题”到“发现问题、提出问题、分析问题、解决问题”,特别增加了“发现问题、提出问题”.在课堂上如何引导学生发现问题、提出问题,对于学生自身的发展和创新意识的培养很重要.在学习完线段与角的相关知识后,基于线段与角的相似之处,利用学习的通性套路让学生领悟学习的路径与方法,从而能自主学习.通过类比学习,让学生体会数学课堂注重以“问题”为中心,以“问题”促思考,以“问题”促探究,以“问题”促创新.本文借助线段与角的通性,借助类比思想诱导学生发现问题、提出问题,进而解决问题.     

一类偏积分-微分方程中的反问题

对一类偏积分-微分方程中参数校准的反问题进行研究.在弱解的框架下,原问题可转化为含具体IE则化项的最优化问题.文中证明了该最优化问题的解的1竽在性和稳定性,并考察了最优解存在的一阶必要条件.另外,证明了当正则化参数足够人时,该最优化问题关于参数a的凸性性质.基于偏积分.微分方程反问题的研究对于金融市场中的模型校准问题具有重要的意义.     

单体型装配问题及其算法

单核苷酸多态性(SNP)单体型装配问题就是从给定的来自某人染色体的SNP片段中去除错误,重构出尽可能与原来片段一致的单体型.这个问题有几个不同的模型最少片段去除(MFR)问题,最少SNP去除(MSR)问题以及最少错误纠正(MEC)问题.前两个问题的复杂性与算法已有一些学者研究过.第三个问题已被证明是NP完全问题,但这个问题的实际算法还没有.该文对MEC问题给出了一个分支定界算法,这个算法能得到问题的全局最优解.通过这个算法对实际数据的计算说明了MEC模型的合理性,即在一定条件下,通过修正最少的错误重构出的单体型确实是真实的单体型.由于分支定界算法对这样一个NP完全问题不能在可接受的时间内解规模较大的问题,文中又给出了求解MEC问题的两个基于动态聚类的算法,以便对规模较大的问题在可接受的时间内得到近似最优解.数值实际表明这两个算法很快,很有效.这两个算法总能得到与分支定界找到的全局最优解很接近的近似最优解.鉴于MEC问题是NP完全的,这两个算法是有效的、实际的算法.