网络流在清理三角债问题中的应用

本文把清理三角债中两种优化数学模型问题，化成求解相应网络上最小费用流的问题，从而得到（强）多项式算法，并把另外的一种优化数学模型问题。化成线性规划问题.于是解答了文[3]中提出的清理三角债的三个基本问题．     

贷款分配方法的数学模型及其解法

为了解决三角债问题，银行给出一笔贷款，应该如何分配这笔贷款，使清理的债务达到最大。本文建立这个问题的数学模型，并且给出一个解法。     

“三角债”问题的图论模型

“三角债”是一种经济现象 ,它往往困扰着当事企业 ,使之一筹莫展 .本文提供清理三角债问题的一个数学模型 ,由于其结果的合理性和操作的简单性 ,因而具有可行性 ,可供有关部门在宏观调控中加以应用 .1　三角债问题的基本特征及处理原则如称欠债企业为“债户” ,被欠企业为“债     

清理三角债问题的一种方法

本文给出了一种清理三角债问题中的资金分配方法，用以实现用有限的资金清理最大数额债务的目的．由于该法是在网络图上进行的，较之以往的方法具有直观、操作简单的优点．     

三角债的模糊矩阵表示和关系划转的数学模型

给出债务关系的模糊矩阵表示,用其幂运算判定间接债务关系存在性,最后给出债务关系划转的方法,可作为三角债分析和相关问题解决的技术工具.     

网络结构优化设计模型及遗传算法

本文以网型通信网问题为列建立了优化问题的数学模型，并用遗传算法并行求解该问题，该方法较好地解决了既考虑经济效益又考虑需求的网络结构优化问题，该问题的研究对实际应用及动态网络的研究有十分重要的意义。     

带有边集限制的最均匀支撑树问题

本在无向网络中，建立了带有边集限制的最均匀支撑树问题的网络模型．中首先解决最均匀支撑树问题，并给出求无向网络中最均匀支撑树的多项式时间算法；然后，给出了求无向网络中带有边集限制的最小树多项式时间算法；最后，在已解决的两个问题的基础上解决了带有边集限制的最均匀支撑树问题．     

结点有约束的交通网络最短路径模型

结点有约束的网络是一类特殊的网络，如具有禁止通行限制信息的交通路网等，由于最短路径的求解是有后效性的，经典的Dijkstra算法等不能直接用来求解该问题，本文提出了一种结点有约束的交通网络最短路径建模方法，该方法所建模型为一般网络模型，可用任一传统高效的算法求其最短路径，从根本上降低了问题的复杂性，为很好地解决交通、通信等领域中的此类问题提供了有益的方法。     

空间信息网络引力模型设计与分析

空间信息网络是全球范围的研究热点,我国信息网络科学发展的前沿.组成空间信息网络的空间节点具有高动态运动,网络时空行为复杂的特点,是一个具有高度不确定性,难于建立准确模型的复杂非线性系统.文章分析了目前空间信息网络组网研究的现状,提出以空间信息网络中的浮空平台网络部分为核心,将力学中的受力分析方法引入到大空间尺度下的网络构型中,并将各种影响因素转化为物理学中的力,设计了一种能够应对外部不确定性因素影响的空间信息网络引力模型,获得了一种解决空间信息网络组网问题的可行途径.     

债务债权矩阵模型与“三角债”的整治

本文从建立债务债权矩阵模型着手，揭示了“三角债的本质是债权源企业与债务源企业之间的简单净债权和净债务的关系，并给出了确定债务（权）源的三种方法．     

创新网络合作密度影响因素及其仿真分析

合作创新模式使得创新主体之间构成具有拓扑结构特性的创新网络,创新主体合作行为会影响创新网络的可持续发展。为探究不同影响因素作用下创新网络合作密度的变化,基于演化博弈理论和BA无标度网络理论,运用仿真方法,分析了网络规模、聚类系数、偏好性仿真、利益分配对创新网络合作密度的影响。结果表明:小规模的创新网络具有较低的聚类系数有利于网络合作密度的提升,大规模的创新网络具有较高的聚类系数有利于网络合作密度的提升;无论是大规模还是小规模创新网络,适度的偏好性模仿均能促进网络合作密度的提升;对于利益分配而言,无论是大规模还是小规模的创新网络,按劳分配是提升网络合作密度的最佳利益分配形式。     

双重网络嵌入对公司IPO后市场表现的影响研究

将社会网络嵌入理论从单一网络拓展至双重网络,分析上市公司同时嵌入风险投资网络和承销商网络对公司IPO上市后市场表现的影响。利用2004～2017年有风险投资支持的IPO公司数据,实证检验结果表明：(1)单独嵌入风险投资网络中心位置、单独嵌入承销商网络中心位置,均会提高公司IPO后市场表现;(2)同时嵌入风险投资网络中心位置和承销商网络中心位置,对公司IPO后短期市场表现的正向影响会相互替代;(3)同时嵌入风险投资网络中心位置和承销商网络中心位置,对公司IPO后长期市场表现的正向影响会互相补充。     

BP模式识别与Hopfield联想记忆识别能力的比较

神经网络可以进行模式识别,这一功能具有很高的实用价值.主要研究BP神经网络和离散Hopfield神经网络的识别能力.BP网络是前向神经网络,使用的是监督式学习规则.离散Hopfield是一种反馈网络,结构上输入、输出节点相连使得网络系统的输出状态具有动态变化特性.就数字,字母,手写体数字比较了BP网络和离散Hopfield网络的识别能力,得到了可观的结论,对两个网络的应用做更进一步的阐述.     

����fMRI���ݵ�ȫ�Զ�̬�������������������Ե��о�

There're about 10^{11} neurons in the human brain.Through the synaptic junction, neurons have formed a highly complex network.And it is really important to figure out the information expressed in the network, which will contribute to the resolution of the prevention and diagnosis of cognitive disorder of human beings. This paper uses the schizophrenia and healthy controlled subjects' fMRI data to construct the brain network model, in order to explores abnormal topological properties of schizophrenics' brain network based on graph theory. When studying the human brain network information traditionally by the basement of graph theory, it's all assure that the human brain network model has invariance, so it takes the whole period of time series data in constructing human network model, which is a kind static network. However, it's hard to ensure this because of the nonstationarity of fMRI functional time series data. Thus, when constructing human brain network model, we should take its time-variation into consideration, then construct a dynamic brain network. We can explore the brain network information better. In this research, we segment the time series data, using time windows, to constructing dynamic brain network model, then analyze it combined with the knowledge of graph theory, thereby reducing effects that the nonstationarity of fMRI functional time series data will have. Comparing dynamic brain network of the schizophrenic patients with normal controls subjects' in different level, the results show that there are difference in single node property, group network property of schizophrenic patients and normal control subjects' whole brain dynamic functional connectivity network. The discovery of these difference in network topological properties has provide new clues for the further study on the pathological mechanism of schizophrenia.     

产学研合作创新网络规模、连接机制与创新绩效的关系研究——基于多主体仿真和动态系统论视角

为揭示产学研合作创新网络规模与连接机制对创新绩效的影响机理,运用Agent建模理论和Netlogo仿真平台构建产学研合作创新网络的仿真模型,对不同特性(小世界、无标度)偏好下的产学研合作创新网络进行仿真实验,并运用动态系统理论解释仿真的涌现现象。研究发现:①网络平均节点度(度数中心势)与网络平均创新绩效(节点加权平均收益的对数)之间存在鞍结分叉和跨临界分叉的组合现象;②网络平均距离(关系强度)与网络平均绩效之间呈指数增长分布轨道;③连接机制与网络平均绩效呈对数增长分布轨道;④实力择优连接机制提升网络平均节点度正向作用的效率较低;⑤随机组合择优连接机制更有利于提升小世界偏好网络平均距离的正向作用;⑥度择优连接机制更有利于提升无标度偏好网络平均创新绩效。     

利益驱动对创新网络合作行为演化的影响机理及仿真——基于复杂网络拓扑结构视角

随着合作创新的网络化发展,创新网络中各主体的利益诉求对网络演化的影响不断加深。基于不同网络拓扑结构视角下不同利益对创新网络主体合作行为的影响,建立了创新网络演化博弈模型。在无标度与小世界网络拓扑结构下,结合声誉机制、学习行为、网络环境等因素,对创新网络中合作行为的演化进行了仿真研究。结果表明:创新网络的合作行为演化受到网络结构及规模的双重影响,在无标度网络下,合作率更加稳定;合作利益的公平分配促进创新网络合作行为的演化;机会利益的诱惑导致创新网络合作行为的显著波动。     

用最少的虚工序构建等效多阶段工序网络

运用网络计划可以直观地表示项目管理中的诸多疑难问题, 便于分析和求解. 但是它也存在明显的缺点, 如, (1) 工序网络的有向无回路性表明很多时候适合运用动态规划法, 但它在通常情况下的无阶段性使得该方法无法直接应用; (2) 任意构建的工序网络容易表现得错综复杂, 不利于研究; (3) 用最少的虚工序表示双代号网络是NP-难问题, 因此对一个工序系统可能构建出多个差别迥异的工序网络, 有碍于进度计划管理研究, 等等. 如果能将工序网络构建成等效的多阶段网络, 各工序分别表示在相应的阶段中, 无疑有助于上述问题的解决. 构建等效多阶段工序网络需要添加虚工序. 通过添加最少的虚工序将工序网络构建成等效多阶段网络, 从而有助于建立更合理的工序网络表示法.     

基于时差分析的时标网络图探究

鉴于已有时差概念并不能充分反映CPM网络紧前和紧后工序时差的内在联系，文中引入三个新时差（前共后单时差，前单后共时差，双共时差）概念。针对目前工程项目管理中通用的时标网络图一早时标网络图和迟时标网络图，在路长定理的基础上，给出其理论依据，并在时差分析的基础上，随机绘出时标网络图，三个新时差的引入将有助于今后时标网络图的绘制，使网络技术的应用更具灵活性和实用性。     

Optimization of transit route network,vehicle headways and timetables for large-scale transit networks

This paper presents a metaheuristic method for optimizing transit networks, including route network design, vehicle headway, and timetable assignment. Given information on transit demand, the street network of the transit service area, and total fleet size, the goal is to identify a transit network that minimizes a passenger cost function. Transit network optimization is a complex combinatorial problem due to huge search spaces of route network, vehicle headways, and timetables. The methodology described in this paper includes a representation of transit network variable search spaces (route network, headway, and timetable); a user cost function based on passenger random arrival times, route network, vehicle headways, and timetables; and a metaheuristic search scheme that combines simulated annealing, tabu, and greedy search methods. This methodology has been tested with problems reported in the existing literature, and applied to a large-scale realistic network optimization problem. The results show that the methodology is capable of producing improved solutions to large-scale transit network design problems in reasonable amounts of time and computing resources.     

基于主成分——BP神经网络的期货市场预测

结合主成分分析法和神经网络的优点,提出了基于主成分分析的神经网络方法来对期货市场进行预测.引入主成分分析法对原始输入变量进行预处理,选择输入变量的主成分作为网络输入,一方面减少了输入维度,消除了各输入变量的相关性;另一方面提高了网络的收敛性和稳定性,也简化了网络的结构.通过实例验证,基于主成分的神经网络比一般神经网络训练精度更高.