基于辅助信息的分层排序集抽样及调查费用分析

辅助信息在改进和完善抽样设计、提高抽样估计精度和节省抽样费用等方面具有重要作用,鉴于此,基于分层排序集样本建立了总体均值的比率估计量,同时考虑估计精度和调查费用两个方面,证明了抽样方案的优良性.最后,通过实例进一步分析,结果表明,在给定的估计精度下,分层排序集抽样方法可以有效降低抽样调查费用.     

工件满足一致性的同类机在线分批排序问题

研究了工件满足一致性,批容量无界的两台同类机在线分批排序问题,目标为极小化工件的最大完工时间和极小化工件的最大流程时间,三元素法分别表示为Q_2|r_ir_j?p_i≤p_j,B=∞, on-line|C_(max),Q_2|r_ir_j?p_i≥p_j,B=∞, on-line|F_(max).不失一般性,假设第一台机器速度为1,第二台机器速度为s,s≥1.对于上述两类问题设计了一个在线算法,并分析了算法竞争比的上界.对第一类问题该在线算法的竞争比不超过s+α,这里α为α~2+sα-1=0的正根,特别地,当s=1时,该算法的竞争比不超过1.618.对第二类排序问题,该在线算法的竞争比不超过1+1/α.     

基于逻辑器件响应特性的自治布尔网络调控

自治布尔网络已成功应用于随机数产生、基因调控、储备池计算等领域.为了在应用中合理选择器件使输出更好地满足各应用的需求,本文研究了自治布尔网络中的逻辑器件响应特性变化时,自治布尔网络输出状态随之变化的规律,结果显示逻辑器件响应特性变化可以调控自治布尔网络输出在周期和混沌之间转变,且能改变自治布尔网络输出序列的复杂程度.进一步观察了逻辑器件响应特性和链路延时二维参数空间中输出序列复杂程度的分布,结果显示快的逻辑门响应特性可以增强高复杂序列在链路延时参数空间的分布范围.同时研究了自治布尔网络中任意逻辑器件的响应特性单独变化对网络输出状态的影响,结果显示不同节点的器件响应特性对序列复杂程度的调控能力有差异.研究表明,逻辑器件响应特性可以调控网络输出序列复杂程度,快的响应特性有利于高复杂混沌的稳定产生.     

基于曲边梯形面积刻画毕达哥拉斯模糊数的排序方法

毕达哥拉斯模糊集（Pythagorean fuzzy set,PFS）是传统直觉模糊集（intuitionistic fuzzy set,IFS）的扩展,能在更广泛区域处理多属性信息决策问题。首先,针对某文献毕达哥拉斯模糊数（Pythagorean fuzzy number,PFN）排序方法存在的错误,分析了其产生原因。其次,在毕达哥拉斯模糊环境下,基于可靠信息量所对应的曲边梯形面积（curved trapezoidal area,CTA）提出了新的得分函数公式,进而给出了PFN的排序准则,并讨论了该得分函数的基本性质。最后, 用实例说明给出的排序方法克服了其他方法的某些缺陷,具有一定优势。     

一类博弈排序问题的纳什均衡存在性证明

研究机器带有激活费用的博弈排序问题. 机器集由两类组成: 一类是速度为1、 激活费用为B的k_1台同型机; 另一类是速度为a(>1)、激活费用为aB的k_2台同型机, 其中k_1与k_2是任意正整数. 工件作为``局中人", 其目的是极小化自身的费用, 工件的费用是由其所在机器的负载和其所承担的激活费用组成, 其中工件承担的激活费用与工件的加工时间成正比. 针对不同的情况, 设计不同的算法, 并证明各算法得到的排序都是纳什均衡.     

工件可自由下线最小化总完工时间的平行分批排序问题

考虑工件可自由下线最小化总完工时间的有界平行分批排序问题. 在该问题中, 一台平行批机器可以同时处理 b 个工件作为一个平行批, 这里b 是批容量, 一个批的加工时间等于分配给这个批的工件的最大加工时间. 关于可自由下线工件, 每一个工件的完工时间等于包含这个工件的批的开工时间与工件的加工时间的和. 也就是, 如果一个批B 有一个开工时间S, 那么包含在批B 中的每一个工件J_j 的开工时间定义为S, 而它的完工时间定义为S+p_j, 这里p_j 是工件J_j 的加工时间. 对此问题, 首先研究最优排序的一些性质. 然后, 基于这些性质, 给出一个运行时间为O(n^{b (b-1)})的动态规划算法.     

识别高阶网络传播中最有影响力的节点

识别网络传播中最有影响力的节点是控制传播速度和范围的重要步骤,有助于加速有益信息扩散,抑制流行病、谣言和虚假信息的传播等.已有研究主要基于描述点对交互的低阶复杂网络.然而,现实中个体间的交互不仅发生在点对之间,也发生在3个及以上节点形成的群体中.群体交互可利用高阶网络来刻画,如单纯复形与超图.本文研究单纯复形上最有影响力的传播者识别方法.首先,提出单纯复形上易感-感染-恢复(SIR)微观马尔可夫链方程组,定量刻画单纯复形上的疾病传播动力学.接下来利用微观马尔可夫链方程组计算传播动力学中节点被感染的概率.基于网络结构与传播过程,定义节点的传播中心性,用于排序节点传播影响力.在两类合成单纯复形与4个真实单纯复形上的仿真结果表明,相比于现有高阶网络中心性和复杂网络中最优的中心性指标,本文提出的传播中心性能更准确地识别高阶网络中最有影响力的传播者.     

带有机器维修和两车辆派送的单机排序问题

研究了带有机器维修和工件派送的单机排序问题,该问题可以被视为一个集成生产和出站配送的排序模型。不同体积的工件需要在带有一个维修区间的机器上加工,且加工不可中断,然后由固定容量的两辆同类车批次交付给单客户,目标函数是极小化最大完工时间,本文提出了2-近似算法,并证明了2是紧界。     

基于变参数对有效决策单元排序性能的研究

随着社会的发展,人们面临不同的决策问题越来越普遍,考虑不同参数变化对DMUs的排序性能的影响更加符合当今时代的意义.以往的DEA研究中,很少有学者改变输入变量的分布来探究超效率模型的“真实”排名的接近程度.基于此,改变输入变量分布来探究DEA与“真实”排名的接近程度.仿真结果表明:1)当n增加或m减少时,AP模型与L-L模型与“真实”排名的概率值均会增加.2)当技术参数u服从半正态分布|N[0,5.06]|,两种模型的排序性能均十分良好,但当技术参数相对无效的时候,两种模型对有效决策单元的排序并不太令人满意.3)当输入变量分布服从U(1,4)时,L-L模型的排序性能要优于AP模型.4)当输入变量分布服从U(1,6)与|N[0,2.5]|时,AP模型的排序性能要优于L-L模型.     

三种抽样设计下Inverse Exponential分布中参数的优良估计

Inverse Exponential (IE)分布作为一种寿命模型,在生存分析中起着重要作用.文章分别在简单随机抽样(SRS),排序集抽样(RSS)和基于Fisher信息量最大RSS (RSSF)下构造了IE分布中参数λ的一些优良估计.数值结果表明,使用同等样本容量的RSS样本和RSSF样本构造的RSS估计和RSSF估计比SRS估计有效.