运筹学在选拔体育人才中的应用

孙旷舞，范改金．运筹学在选拔体育人才中的应用，数理统计与管理，１９９７，１６（１），１９～２２．本文利用运筹学的理论和方法，探讨体育人才的选拔问题。研究结果表明，在选拔体育人才方面，运筹学能够发挥重要作用     

求解单阶段随机规划的一种光滑逼近法

本文借助某种离散方式把单阶段随机规划问题转化为具有多个约束的确定性非线性规划，然后利用极大熵函数方法，把此确定性规划转化为只带简单约束的非线性规划，由此提出了求解这种随机规划的光滑逼近法，同时给出了该法的收敛性分析，较好地克服了因提高离散精度导致约束函数个数迅速增大所带来的求解困难．     

群体竞优行为特征识别方法及其应用研究

有效挖掘群决策信息,并为管理者提供良好的决策支持一直是理论界所关注的课题。本文基于竞优思想,针对层次结构系统,依托目标规划模型和聚类分析方法,构建了群体竞优行为特征的群识别方法。本方法从最有利于体现被评价群体成绩的角度,运用目标规划模型,从每一组调研数据中挖掘被评价群体的优势特征,再利用聚类分析方法,从"优势特征集"中识别群体竞优特征的分布状况,进而可以清晰而具体地了解被评价群体的竞优行为特征。通过逻辑推导和实际算例,分别论证了本方法的有效性和可行性。     

均值-方差准则下的多期最优保险投资(英文)

近年来,最优保险投资问题吸引了越来越多的注意。一般这个问题是在连续时间框架下来研究的。本文针对这一问题建立离散时间的最优控制模型。应用动态规划原理求解模型对应的近似问题,得到了最优投资策略和投资有效边界的解析表达形式。本文得到的最优投资策略和投资有效边界均依赖于承保参数。通过数值例子分析了承保参数对最优投资策略和有效边界的影响。     

旋转对称非球面自动加工控制算法研究

介绍了计算机控制光学表面成型（ＣＣＯＳ） 技术的基本原理,对双旋转磨头的去除函数进行研究,研究了不同形状的磨头的去除函数特性,并在多次实验的基础上得到了最优的加工参数,在去除函数的基础上提出了模板函数的概念及算法。根据加工旋转对称非球面光学表面的特点,结合模板函数提出了一种基于同心圆磨头运动轨迹的控制算法。运用该算法对神光Ⅲ号打靶非球面透镜的一种工艺试样（ Φ３００ｍ ｍ ,Ｆ５－９ ,最大非球面度为４６μｍ） 进行自动加工,面型精度达到１λ（ＲＭＳ,λ＝ ６３２－８ｎｍ）,取得了满意的结果。     

基于PSO-HJ算法的多无人机协同航迹规划方法

针对多无人机协同航迹求解计算量大、难以收敛等问题,提出了一种基于粒子群优化和Hook-Jeeves (PSO-HJ)搜索算法相融合的多无人机时间协同三维航迹规划方法。首先,建立了单无人机航迹规划求解模型。然后,通过对适应度评价函数值低的粒子引入Hooke-Jeeves搜索算法,提高了粒子多样性,改善了航迹规划算法收敛性;对不满足约束的粒子引入约束违反度函数,基于比较准则提出了一种新的粒子评价机制,促进粒子搜索位于约束边界的最优解,加快了航迹规划算法的计算效率。最后,设计了一种多无人机时间协同航迹规划求解算法,利用PSO-HJ算法先分别求解单无人机航迹信息,通过多无人机集中航迹规划层协调到达时间实现协同航迹规划。仿真结果表明,PSO-HJ算法的精度比量子粒子群(QPSO)算法精度提高了20.85%,比PSO算法精度提高了58.14%,更适用解决实际复杂的多机协同规划问题。     

基于改进遗传算法的多无人机协同侦察航迹规划

针对多无人机在复杂的战场环境中如何高效侦察多种类型目标的问题,提出了一种基于改进遗传算法的多无人机协同侦察航迹规划算法。首先,根据战场环境中不同类型目标的侦察要求,建立了以整体时间代价最小为目标函数的航迹规划模型。然后,改进了遗传算法的编码、交叉和变异等操作,来实现异质型目标分配与航迹规划的集中一体化求解。最后,为了提高算法的收敛速度,在交叉和变异操作过程中,加入了适应度更新策略。仿真结果验证了该算法的可行性,而且在4架无人机观测3种类型共10个目标的仿真条件下,相较于使用双染色体编码和多重变异算子的基于对立的遗传算法,时间代价降低了5.79%,收敛速度提高近12倍,有效提高了航迹规划的精度及效率。     

熵与信息——麦克斯韦妖的启示

 在生物进化论的背后,存在两个带根本性的问题:一是生命的起源,即如何从无生命的物质变为有生命的物质,也可以说从无序到有序的问题;二是生物的遗传与变异,那就是从有序到有序的问题.对于第一个问题,目前科学家掌握的资料尚少,还没有得到明确的结论;而对于第二个问题,已经画出了一个基本的轮廓,这是20世纪自然科学的最重大成就之一.     

公务员最优录用分配方案的数学模型

本文通过建立0-1规划模型,设计了一种公务员招聘中的最优录用分配方案,并运用L INGO软件求得了一个实际问题的最优解.     

基于遗传禁忌算法的双资源约束下并行生产线调度研究

并行生产线调度问题兼有并行机器和流程车间调度问题的特点,是一类新型的调度问题。在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源并行作业车间的调度优化问题算法,即考虑到了产品的调度受到机器、工人等资源制约的影响,对算法中种群的构造,适应度计算,遗传操作等方面进行了研究,最后给出了实例仿真和结论。