Urn模型的B网及其应用

Urn模型的离散概率分布被用于构造逼近格式,具有Bernstein多项式的许多特性。本文用B网技术对Urn模型概率分布给出新的解释,指出了Urn模型B网的诸多性质,导出分布函数曲线的导数公式,构造了Urn分布的对偶基及与此相关的拟插值算子。     

位置参数估计量的损失函数之估计

本文考虑损失函数的估计问题,分别对于球对称分布和均匀分布情形给出了其参数的J-S型估计量的损失之估计,它们满足[1]中提出的条件(Ⅰ)和(Ⅱ).     

昆明奶牛毛发中某些常量及微量元素含量初探

一些常量元素及微量元素对动植物体的健康成长有着明显影响。我们研究了高产奶牛与一般奶牛牛毛中某些常量及微量元素的含量,发现高产奶牛牛毛中许多常量及微量元素的平均含量均高于一般奶牛,而钴、砷、铜、硒、钾、铬及钼在高产奶牛和一般奶牛个体牛毛中的含量较少交错或者不交错。     

一个快速的二进制多重精度gcd算法

求两个整数的最大公因子（gcd)的经典的Euclid算法时间复杂度为O（ln^3n)，不适宜于多重精度运算。论文证明了gcd的相关性质，提出了一个基于二进制的、适用于多重精度运算的改进算法，其时间复杂度为O（ln^2n)。     

含有纯滞后对象的控制方法

评述纯滞后对象控制的两种典型方法─—大林算法和纯滞后补偿法的原理、优缺点、设计要求及存在问题，并讨论了两者的联系。     

Analysis of plane and axisymmetric flows of incompressible fluids with the stream tube method: Numerical simulation by trust-region optimization algorithm

New concepts for the study of incompressible plane or axisymmetric flows are analysed by the stream tube method. Flows without eddies and pure vortex flows are considered in a transformed domain where the mapped streamlines are rectilinear or circular. The transformation between the physical domain and the computational domain is an unknown of the problem. In order to solve the non-linear set of relevant equations, we present a new algorithm based on a trust region technique which is effective for non-convex optimization problems. Experimental results show that the new algorithm is more robust compared to the Newton-Raphson method.     

在UBBE框架下考虑不肯定的上界的估计方法

对目前的ＵＢＢＥ模型进行了适当的推广，使在解决估计问题时可以考虑那些可能是误差上界的数值，并在此基础上提出了一种方法，能够通过对估计精度和可靠性进行合理的权衡确定所需估计值，实际案例研究结果表明所提方法能够较好地解决估计精度和可靠性之间的矛盾。     

Petri网络在无控制交叉口延误分析中的应用

选用比较适合描述系统组织结构和动态行为的Petri网络模型对主路优先通行的无信号交叉口运行过程建立HSPN模型．在此基础上，结合间隙接受理论，对无控制交叉口进行平均延误分析探索，为交叉口仿真控制软件的研发奠定了算法基础。     

搜索三个目标

本文通过建立简洁而有效的搜索方法 ,证明了对于无穷多个n来说 ,三个目标的最优搜索问题的最小试验次数等于信息论下界 .同时也研究了上述问题的修正情形 ,证明了对于所有整数n来说 ,对应的最小试验次数或者等于信息论下界或者超过信息论下界 1次并且对于无穷多个区间 ,信息论下界均是可以达到的 .     

On a new stochastic global optimization algorithm based on censored observations

In this paper a new algorithm is proposed for global optimization problems. The main idea is that of modifying a standard clustering approach by sequentially sampling the objective function while adaptively deciding an appropriate sample size. Theoretical as well as computational results are presented.