樽海鞘群算法在可见光通信调制器的应用

针对可见光多载波通信系统传输速率低、帧间干扰大的问题,采用改进的樽海鞘群算法对可见光多载波通信系统的调制器算法进行优化,以提高可见光通信的数据传输速率.该文详细分析了可见光通信系统的多载波调制器,全面考虑了相关调制系统的重要参数集,并给出合理的质量评价函数.将布谷鸟搜索算子引入樽海鞘群算法以增强其全局搜索能力,最终利用...     

分层Lie群上Riesz位势交换子的加权紧性刻画

设G是齐次维数为Q的分层Lie群,{X_j}_jⁿ=1为G上左平移不变向量场的一组基.记L=∑_jⁿ=₁X_j²为其上的次Laplace算子,其Riesz位势定义为I_α=(-L)^-α/2.本文研究I_α交换子在加权Lebesgue空间的紧性问题,通过建立Riesz位势算子核的下界估计,获得CMO(G)空间关于该类交换子的加权紧性刻画.     

具有预典范结构的模的若干性质及其应用

预典范结构出现在一些关于Coxeter群及其Iwahori-Hecke代数的Kazhdan-Lusztig理论的文献中,具有广泛意义.本文研究具有预典范结构的模的若干性质,重点研究投射性质和对偶性质.以广义Temperley-Lieb代数等为例,本文展示了这些性质的直接应用.     

概率语言多属性群决策方法及其在新型智慧城市市民获得感评价中的应用

针对公众参与的语言信息多属性群决策问题,研究了考虑参与者满意度的概率语言多属性群决策方法。首先,根据参与者的语言评价信息确定并规范化概率语言决策矩阵。然后,对大群体进行共识分析,由最大化参与者群体的满意度构建线性规划模型,确定参与者群组的权重;构造正、负理想方案的评价向量,构建多目标规划模型,用拉格朗日乘子法求解属性权重;定义各方案的加权贴近度,并以此对方案进行排序和优选。最后,通过新型智慧城市市民获得感评价案例验证了模型的可行性和有效性。     

二维多群辐射输运程序LARED-R-1的并行化

利用有向图描述数据依赖关系,应用已有的并行流水线通量扫描算法,实现基于非协调网格的二维辐射输运程序LARED-R-1的并行化.同时,采用消息缓冲技术提高并行程序的性能.经测试,对于典型的问题规模(100群、3800个网格单元、40个方向),在某并行机的64个和128个处理器上,并行程序分别获得80%和53%的并行效率.     

基于改进DPSO算法的并行测试任务优化调度研究

并行测试以减少测试时间和降低测试成本的强大优势,已成为当前自动测试系统发展的方向。针对并行自动测试过程中,测试任务调度复杂,难以优化的问题,以PSO算法为基础,通过对问题空间编码的重新定义,并运用交叉、变异算子给出了新的粒子位置的更新公式,提出了一种改进后的DPSO算法。依据并行测试完成时间极限定理,给出了并行测试任务调度的目标函数与约束条件。以某雷达电子装备并行测试系统中三块电路板并行测试为例,对改进的DPSO算法进行了仿真验证,得到了最优调度测试序列。结果表明：与遗传算法相比,改进后的DPSO算法迭代次数更少,寻优性能更好,适用于工程应用。     

Steiner 5-设计上的Camina-Gagen定理

著名的Camina-Gagen定理表明,若群G是一个满足k整除v的2-(v, k, 1)设计的区传递的自同构群,则G是旗传递的.本文将这个定理推广到5-(v, k, 1)设计上,并证明了如果群G区传递地作用在一个非平凡的5-(v, k, 1)设计上且满足k整除v,则G是旗传递的.     

智慧无废城市评选的序贯式群决策EDAS法

无废与智慧理念具有内在关联性,智慧城市和无废城市融合发展,对我国无废城市建设工作开展具有重要意义.针对智慧无废城市序贯式评选无后效性、多阶段和连续性特点,文章在EDAS框架下以犹豫模糊集表征决策信息提出了一种序贯式群决策方法.首先,分析序贯决策阶段权重的影响因素包括方案决策信息及权重先验信息,据此建立以方案满意度为基点...     

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EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。