“本博学位论文连做”培养模式的探索与研究*

“本博学位论文连做”培养模式是学士论文阶段在夯实理论基础的同时,改变本科阶段以学习课程为主的思维模式为以创新研究为主的思维模式;短暂的硕士阶段在理论知识进一步升华的基础上掌握本学科的研究现状和发展方向,提升发现问题、分析问题和解决问题的能力;博士阶段瞄准学科前沿,启发其发掘“新方法”和“新思路”,有效地实现学士学位论文和博士学位论文连做。     

高效液相色谱三元梯度分离法测定大气中11种醛酮类化合物的研究

研究选择了以２,４－二硝基苯肼衍生化三元梯度洗脱的高效液相色谱测定大气中１１种醛酮类化合物的最佳色谱分离条件,醛酮类化合物的检出限０．４５到２．０４ｎｇ,各化合物保留时间和相对标准偏差ｓ,≤０．３８％在所测定的含量范围内具有很好的线性关系,每种化合物的相关系数均大于０．９９９;研究了涂敷２,４－二硝基苯肼硅胶吸附采样夹的制作方法,并应用于大气环境中醛酮类化合物的分析。方法简单、快速,１１种醛酮类化     

考虑热应变的柔性并联空间机械臂动力学

研究考虑热应变的柔性并联空间机械臂动力学性态。用Jourdain速度变分原理建立各机械臂的动力学变分方程,在此基础上根据各物体之间的运动学约束关系,建立柔性多体系统的微分代数混合动力学方程。数值仿真结果表明,当温度升高时,机械臂的轴向约束力和中心刚体的质心运动速度均出现显著振荡,而适当减小温度变化率,可以有效地控制振幅。     

一种求解三维热辐射输运方程的整体预处理迭代方法及并行计算

为三维灰体热辐射输运方程的隐式离散纵标方法发展一个整体预处理迭代方法并研制并行程序.该方法采用组装线性代数方程组策略,同时求出所有离散方向上的辐射强度.借助预处理的Krylov子空间迭代法,避免复杂网格上扫描算法可能遇到的死锁问题,能够提高健壮性和计算效率.空间离散上采用一阶迎风有限体积格式.数值实验测试变形六面体网格...     

基于时间窗延迟的资源约束项目调度双层优化研究

本研究从业主—承包商交互的视角构建了一种RCPSP(resource-constrained project scheduling problem)双层优化模型,即在可更新资源约束条件下,项目双方如何进行交互决策达到双方NPV(Net present value)最大化的目标。首先对研究问题进行界定,构建资源约束下的max-NPV项目调度双层优化模型;然后利用延迟优先规则设计了一种基于时间窗延迟的嵌套式自适应遗传算法来求解该模型,以达到双方NPV最大化;最后用一个算例验证算法的有效性,同时通过PSPLIB数值实验说明算法的稳定性,并分析关键参数对项目双方收益的影响。研究结果为项目进程的安排以及奖励机制的设计提供依据,以提高双方利益。     

线性互补问题的异步并行多分裂松弛迭代算法

将求解线性方程组的异步并行多分裂松弛迭代算法推广到线性互补问题.当问题的系数矩阵为H-矩阵类时,证明了算法的全局收敛性.     

线性互补问题的并行多分裂松弛迭代算法

运用矩阵多重分裂理论,同时考虑并行计算与松弛迭代法,得到一类求解线性互补问题的高效数值算法．当问题的系数矩阵为对角元为正的H-矩阵或对称半正定矩阵时,证明了算法的全局收敛性；该算法与已有算法相比,具有计算量小、计算速度快等特点,因而特别适于求解大规模问题．数值试验的结果说明了算法的有效性．     

线性方程组异步并行迭代法的舍入误差分析

本文对求解大型线性方程组的异步并行迭代法进行了浮点运算的舍入误差分析,给出了算法是向前稳定的充分条件.     

分类问题的在线顺序双并联快速学习机

双并联前馈神经网络模型是单层感知机和单隐层前馈神经网络的混合结构,本文构造了一种双并联快速学习机算法,与其他类似算法比较,提出的算法能利用较少的隐层单元及更少的待定参数,获得近似的学习性能.数值实验表明,对很多实际分类问题,提出的算法具备更佳的泛化能力,因而可以作为快速学习机算法的有益补充.     

面向对象的串并行有限元分析系统

研究了面向对象的串并行有限元分析系统的关键实现技术。首先介绍的有限元系统类库分析,重点阐明了面向对象方法应用于串并行有限元分析所具有的优势,基于此将集成系统归纳成多个组成类库:包括数学计算类库、数据处理类库、有限元基本类库、数值分析模型类库、图形类库以及应用框架工具类库等,进而介绍分析程序的面向对象实现方法及过程,最后形成一个集成的交互式并行有限元分析框架OOParaFEA(Object OrientedParallel FEA framework)。系统快速高效的实现,表明面向对象的方法的确从软件的可维护性、可扩充性以及减少复杂性等方面带来前所未有的优势,并且由于其固有的继承特性而使其特别适合团队协作开发大型有限元分析软件,从而给我国大规模科学计算软件的研制提供一个新思路。