Weibull分布定时截尾试验数据情形下可靠度的置信限

本文针对Weibull分布定时截尾型试验数据提出了一种计算可靠度置信限的方法。通过采用数据填充的方式将不完全数据虚拟成完全数据,利用完全数据情形下可靠度置信限的计算方法得到删失数据情形下可靠度的置信限。模拟研究表明本文提出的算法具有较好的计算稳定性和可操作性。     

多台设备老炼试验数据情形下的可靠性评估

从统计计算的角度出发,提出多台设备老炼试验可靠性评估方法,并模拟计算了可靠度置信下限的覆盖率、分位点及标准差.结果表明此方法具有可行性和实用性.     

基于L-M方法的液压油源系统的可靠性分析

本文结合液压伺服系统的工程实际,运用了L-M方法,对恒压油源系统进行可靠性分析与建模,并给出了系统可靠度的定量评估结果,最后利用该模型对试验模拟数据进行分析,这对工程设计具有重要的指导作用。     

带有不完全信息随机截尾试验下混合泊松分布参数的点估计

首先,通过添加数据,得到了带有不完全信息随机截尾试验下混合泊松分布的完全数据似然函数,然后分别利用EM算法和MCMC方法,对参数进行了估计,最后进行了随机模拟试验.结果表明参数点估计的精度比较高,     

复杂系统可靠性分析中的若干统计问题与进展

概述作者近十年来在复杂系统可靠性分析方法研究方面所做的部分研究工作,其中包括:复杂系统可靠性综合评估方法研究;复杂系统贮存可靠性综合评估方法研究;复杂系统可靠性综合验证方法研究;复杂数据类型下的数据填充算法等内容     

Weibull分布定时截尾试验数据情形下的数据填充算法

利用处理非随机删失数据的矩不变准则及相应算法,本文针对Weibuu分布相同定时截尾型试验数据,通过控制算法中填充数据的分位概率,证明了通过迭代算法所得到的参数估计的相合性.进一步,通过对参数空间进行压缩,使得改进后的收敛算法所得到的参数估计同时具有相合性及不变性.作为本文算法的一个应用,我们还研究了利用填充后的虚拟完全样本构造可靠度的区间估计.最后,通过模拟计算验证了该算法具有较好的计算稳定性和可操作性.     

左截断右删失数据下离散型寿命失效率变点模型的Bayes参数估计

利用EM算法和MCMC方法得到了左截断右删失数据下离散型寿命失效率变点模型的参数估计.利用筛选法对缺失数据进行填充,对各参数进行Gibbs抽样.随机模拟证实方法可行且参数估计的精度较高.     

可靠性增长试验中一种新的参数估计法

本文在充分利用可靠性增长试验中各阶段试验数据评定现阶段可靠性指标的基础上对成败型和指数寿命型试验下所得的抽样数据,采用一种新的样本空间排序法─字典排序法给出了现阶段可靠性的点估计和置信下限．从理论和实例两个方面论证了它比仅利用现阶段数据的经典方法具有一致的优良性,改进了房祥忠等［４］相应研究中的不足．而文中定理２．４、定理３．４的结论不仅与可靠性增长试验的直观背景相吻合,还大大提高了这种新方法的实际可操作性．     

IIRCT下泊松分布参数多变点模型的贝叶斯估计

通过添加缺损的寿命变量数据得到了带有不完全信息随机截尾试验下泊松分布参数多变点模型的完全数据似然函数,研究了变点位置参数和其它参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对各参数的满条件分布分别进行了抽样,把Gibbs样本的均值作为各参数的贝叶斯估计,并且详细介绍了MCMC方法的实施步骤.最后进行了随机模拟试验,试验结果表明各参数贝叶斯估计的精度都较高.     

截断删失情形下泊松分布参数多变点的Bayes估计

通过添加数据得到截断删失情形下泊松分布的完全数据似然函数,研究变点位置和其它参数的满条件分布.利用Gibbs抽样与Metropolis-Hastings算法相结合的MCMC方法对参数进行估计,详细介绍MCMC方法的实施步骤.随机模拟试验的结果表明参数Bayes估计的精度较高.     

DEA与DRF法的整合

本文针对利用DEA模型进行有效性评价时碰到问题，提出了用因子分析法（简称DRF法）与DEA法相结合来进行评价，这是对DEA法的一种改进。并在此基础上对医院绩效进行了评价，为财政部门科学制定《医疗单位财政支出效益评价实施办法》提供依据。     

带冲突关系装箱问题的启发式求解算法

现实物流活动中大量存在的食品、药品和危险品等货物的分组包装问题属于带冲突关系的装箱问题(BPPC),其优化目标是在满足货物间冲突限制的前提下完成装箱操作,并最小化使用货箱的数量。本文从实际需求出发,基于货物之间的冲突关系、装箱顺序和货箱容量等约束建立相应的数学规划模型;随后设计了求解BPPC问题的启发式算法,算法通过迭代求解最大团结构实现货物间冲突关系的消去,根据当前货物最大团采用改进降序首次适应算法(FFD)完成货物装箱操作,并通过“洗牌”策略对已有装箱方案进行局部优化;最后,针对Iori算例数据,将以上算法与基于图着色的启发式算法进行比较分析,结果表明,本文算法是求解BPPC问题更为有效的方法。     

Tilted Correlation Screening Learning in High-Dimensional Data Analysis

Statistical inference can be over optimistic and even misleading based on a selected model due to the uncertainty of the model selection procedure, especially in the high-dimensional data analysis. In this article, we propose a bootstrap-based tilted correlation screening learning (TCSL) algorithm to alleviate this uncertainty. The algorithm is inspired by the recently proposed variable selection method, TCS algorithm, which screens variables via tilted correlation. Our algorithm can reduce the prediction error and make the interpretation more reliable. The other gain of our algorithm is the reduced computational cost compared with the TCS algorithm when the dimension is large. Extensive simulation examples and the analysis of one real dataset are conducted to exhibit the good performance of our algorithm. Supplementary materials for this article are available online.     

Bin packing with divisible item sizes

We study a variety of NP-hard bin packing problems under a divisibility constraint that generalizes the often encountered situation in which all item sizes are powers of 2. For ordinary one-dimensional bin packing, we show that First Fit Decreasing produces optimal packings under this restriction, and that if in addition the largest item size divides the bin capacity, then even the less powerful First Fit algorithm is optimal. Similar results are obtained for two-dimensional bin packing and multiprocessor scheduling, along with several other simple variants. For more complicated problems, like vector packing and dynamic bin packing, the improvement is less substantial, and we indicate why.     

一类带有MaxEMin评判的补偿型随机规划算法

补偿型随机规划一般假定随机变量的概率分布具有完备信息, 但实际情况往往只能获得部分信息. 针对离散概率具有一类线性部分信息条件而建立了带有MaxEMin评判的两阶段随机规划模型, 借助二次规划和对偶分解方法得到了可行性切割和最优切割, 给出了基于L-型的求解算法, 并证明了算法的收敛性. 通过数值实验表明了算法的有效性.     

基于灰色关联度-云模型的群评价数据质量改进方法及应用研究

针对群评价中的数据质量问题, 从评价专家和评价值两个角度进行了异常数据处理, 提出了基于灰色关联度-云模型的群评价数据质量改进方法。基于改进的云距离模型测算被评价对象云和目标云之间的差距, 采用TOPSIS法进行评价排序。将数据质量改进方法和云距离模型用于区域物流竞争力群评价, 改进了群评价的数据质量, 提高了评价结果的稳定性和代表性。     

一般分布区间型符号数据的SOM聚类方法

区间型符号数据是一种重要的符号数据类型,现有文献往往假设区间内的点数据服从均匀分布,导致其应用的局限性。本文基于一般分布的假设,给出了一般分布区间型符号数据的扩展的Hausdorff距离度量,基于此提出了一般分布的区间型符号数据的SOM聚类算法。随机模拟试验的结果表明,基于本文提出的基于扩展的Hausdorff距离度量的SOM聚类算法的有效性优于基于传统Hausdorff距离度量的SOM聚类算法和基于μσ距离度量的SOM聚类算法。最后将文中方法应用于气象数据的聚类分析,示例文中方法的应用步骤与可操作性,并进一步评价文中方法在解决实际问题中的有效性。     

竞争态势下的企业技术创新能力评价

企业技术创新能力的评价问题，具有指标量大，同时又具有模糊性的特点。本针对企业技术创新能力评价中存在的问题，构建企业技术创新能力评价的系统指标体系，应用模糊数学中的综合判断方法。对企业技术创新能力进行定量和综合的判断。     

基于图着色模型的冲突装箱问题启发式算法

带有冲突关系装箱问题的优化目标是在满足货物冲突关系的前提下,使用数量最少的货箱完成货物装箱的目的。本文分析了冲突装箱问题的数学模型,提出了基于图着色模型的启发式算法进行求解。首先,使用冲突图来描述货物之间的冲突关系;其次,基于冲突图,采取图着色的方式将货物进行分组,并且组内的货物之间不存在冲突关系;最后,采取改进FFD算法对每组的货物进行装箱操作。实验表明,本文提出的启发式算法能够快速有效地找到问题的可行解,为此类装箱问题的求解提供了新思路。     

The Three-Dimensional Pallet Chart: An Analysis of the Factors Affecting the Set of Feasible Layouts for a Class of Two-Dimensional Packing Problems

The two-dimensional orthogonal packing problem of packing identical rectangles into a large containing rectangle is important in pallet loading and has recently received much attention in O.R. publications. In this paper, we examine the conditions under which the set of feasible layouts remains unchanged and show that these conditions can be represented by a series of planes in three-dimensional space. We call this representation the three-dimensional pallet chart because it is an extension of the two-dimensional pallet charts presently used in many practical situations. The strength of this result is demonstrated by three examples of its use. Accurate two-dimensional charts are produced from the three-dimensional version with a minimum of calculation, and a complete sensitivity analysis to changes in box and pallet dimensions can be carried out visually by viewing the chart at different angles. Finally, the result is used to generate a new procedure for determining the maximum number of rectangles which can be fitted. This method is shown to be accurate for over 90% of observations in a random sample of 5000—an improvement of 20% over previous methods.