调查过程中行为特征的几个定量模型

本文指出了行为规律探讨需用定量分析的六个方面:基于调查过程是被调查者与调查者之间对策的观点,提出了四个调查过程中行为特征的定量模型,模型4的D.D.M法容易为人接受。     

企业合作联盟成员位次竞争战略的Shapley值分析

针对Yanowitz和Bruckstein的二值字图像后处理算法存在的问题，提出了一种新的基于灰度期望值的后处理算法。实验结果表明，该算法能自动选取阈值、运算速度快、处理效果好，具有良好的噪声适应性。     

基于预测有效度的组合预测方法冗余信息的判定

基于预测方法有效度的概念 ,建立了考虑预测精度标准差的预测有效度的组合模型 ,提出了几个新的概念 ,给出冗余信息出现的两个判定定理 .并用实例说明判定定理的有效性 .     

逐段线性化

“逐段线性化”指的是用折线代替比较一般的非线性函数来求非线性微分方程的近似解的方法。在参加实际工作中,遇到了逐段线性化的有关问题。今将一些心得整理成文,希望能起抛砖引玉的作用。     

基于预测有效度的优性组合预测模型研究

针对基于预测有效度的组合预测模型提出了新的优性组合预测、预测方法优超和冗余度的概念 ;指出了简单平均组合预测方法至少是非劣性组合预测 ;并探讨了优性组合预测存在的充分条件 ;给出了冗余信息出现的两个判定定理     

一类约束非光滑优化的非单调信赖域算法

提出了求解一类带一般凸约束的复合非光滑优化的信赖域算法 .和通常的信赖域方法不同的是 :该方法在每一步迭代时不是迫使目标函数严格单调递减 ,而是采用非单调策略 .由于光滑函数、逐段光滑函数、凸函数以及它们的复合都是局部Lipschitz函数 ,故本文所提方法是已有的处理同类型问题 ,包括带界约束的非线性最优化问题的方法的一般化 ,从而使得信赖域方法的适用范围扩大了 .同时 ,在一定条件下 ,该算法还是整体收敛的 .数值实验结果表明 :从计算的角度来看 ,非单调策略对高度非线性优化问题的求解非常有效     

A SUPERLINEARLY CONVERGENT TRUST REGION ALGORITHM FOR LC^1 CONSTRAINED OPTIMIZATION PROBLEMS

In this paper, a new trust region algorithm for nonlinear equality constrained LC^1 optimization problems is given. It obtains a search direction at each iteration not by solving a quadratic programming subproblem with a trust region bound, but by solving a system of linear equations. Since the computational complexity of a QP-Problem is in general much larger than that of a system of linear equations, this method proposed in this paper may reduce the computational complexity and hence improve computational efficiency. Furthermore, it is proved under appropriate assumptions that this algorithm is globally and super-linearly convergent to a solution of the original problem. Some numerical examples are reported, showing the proposed algorithm can be beneficial from a computational point of view.     

求解离散多准则决策问题的一种交互法

本文在 [1 ]的基础上发展了一种求解离散多准则决策问题的交互法 ,并举例说明其具体应用情况     

无约束非光滑优化的信赖或算法

提出了一个处理无约束非光滑优化问题的依赖域算法。它仅要求目标函数是下半连续的,而不是光滑的,或凸的,或局部Lipschitzian的,从而扩大了依赖域方法的使用范围。同时文中还证明了该算法产生的序列的每一个聚点教师原问题的临界点。     

A New Nonmonotonic Trust Region Algorithm for A Class of Unconstraied Nonsmooth Optimization

This paper preasents a new trust region algorithm for solving a class of composite nonsmooth optimizations.It is distinguished by the fact that this method does not enforce strict monotonicity of the objective function values at successive itereates and that this method extends the existing results for this type of nonlinear optimization with smooth ,or piecewis somooth,or convex objective functions or their composition It is pyoved that this algorithm is globally convergent under certain conditions.Finally,some numerical results for several optimization problems are reported which show that the nonmonotonic trust region method is competitive with the usual trust region method.