办同神经网络求解流动推销员问题方法——确保单回路的神经网络方法

神经网络方法求解流动推销员问题（Travel Salesman Problem，简称TSP问题）时，往往产生不满足TSP的单回路约束的不可行解。基于协同神经网络的方法解决TSP，并设计了一个回路合并算法，确保得到满足TSP的单回路约束的解。通过算例进行数值模拟，并且比较了新算法、标准遗传算法和标准模拟退火算法的求解结果。实验结果表明，说明该方法在求解TSP问题上是行之有效的。     

囚禁冷原子或冷分子的可控制光学八阱及其晶格新方案

提出了一种利用单束平面光波照射由液晶构成的二元相位板与透镜组合系统形成可控制光学八阱的新方案;讨论了方案中可控制光学八阱从八阱到四阱、双阱或单阱的双向演化过程。研究表明,通过改变液晶空间光调制器的调制相位分布即可实现从光学八阱到四阱、双阱或到单阱的连续双向演化。探讨了光学八阱在原子分子光学等方面重要的可能应用。     

关于轮换对称性的一个注记

针对关于轮换对称性的应用推广探讨较多．但对轮换对称性的理论证明几乎很少的现象,结合教学体会．仅从重积分定义出发,对轮换对称性的相关结论给出证明．     

高数复习课多媒体教学模式设计

基于前人的相关研究，浅析了多媒体教学模式和“黑板＋粉笔”传统模式各自的优缺点．针对高数复习课中以上问题，我们结合多媒体教学模式和传统教学模式优点，采用“归纳式”教学方法，设计上高数复习课的教学模式。教学实践，该模式下高数复习课有比较好的教学效果。     

带有工件实际加工时间上界的调度问题研究

为了研究更具实际意义位置依赖的单机调度和平行机调度决策问题,建立了带有上界限制的一般性位置依赖工件加工时间模型。在模型中,工件实际加工时间表示为初始加工时间和调度位置的一般函数。此类函数没有特殊函数形式和函数单调性的限制,且其函数值不能超过给定上界。对于单机调度问题和平行机调度问题,研究目标函数分别为最小化总完工时刻和最小化机器总负荷。通过分析证明和把所研究的问题模型转化为经典任务分派问题,进而分析得到求解各个问题的计算复杂度。研究表明,在带有上界限制的一般性位置依赖的工件加工时间模型假设下,所研究调度问题都是多项式时间可解的。     

协同神经网络求解流动推销员问题方法——确保单回路的神经网络方法

神经网络方法求解流动推销员问题(Travel Salesman Problem,简称TSP问题)时,往往产生不满足TSP的单回路约束的不可行解.基于协同神经网络的方法解决TSP,并设计了一个回路合并算法,确保得到满足TSP的单回路约束的解.通过算例进行数值模拟,并且比较了新算法、标准遗传算法和标准模拟退火算法的求解结果.实验结果表明,说明该方法在求解TSP 问题上是行之有效的.     

平衡损失下回归系数的最优估计

主要研究一般Gauss-Markov模型中回归系数的最优估计问题.在平衡损失下,考虑回归系数的线性估计在线性无偏估计类中的最小风险性,得到回归系数的最优线性无偏估计,并证明最优线性无偏估计在几乎处处意义下的唯一性.特别地,考虑了一类特殊的估计:b-线性估计;获得了回归系数的最优b-线性无偏估计,结果表明最优线性无偏估计也是回归系数的最优b-线性无偏估计.