零维到三维结构中三核铜自旋阻挫簇单元的磁构关系和反对称交换

量子自旋液体是最近几年刚被人们证实除铁磁体、反铁磁体之外的第三种磁性类型,因其有望解释高温超导的运行机制、改变计算机硬盘信息存储方式而在物理、材料等领域备受关注。自旋阻挫作为量子自旋液体的最小单元可能是解开量子自旋液体诸多问题的钥匙,所以在磁学、电学研究领域再一次成为人们研究的热点。基于文献报道的三核铜配合物[Cu3(μ3-OH)(μ-OPz)3(NO3)2(H2O)2]·CH3OH(1),我们合成了三维金属有机框架配合物{[Ag(HOPz)Cu3(μ3-OH)(NO3)3(OPz)2Ag(NO3)]·6H2O}n(2)(HOPz=甲基(2-吡嗪基)酮肟),并从自旋阻挫的角度对二者磁性质进行对比和详细分析。磁化率数据表明自旋间有很强的反铁磁相互作用和反对称交换。通过包含各向同性和反对称交换的哈密顿算符对两者磁学数据进行拟合并研究其磁构关系,所获最佳拟合参数为:配合物1:Jav=-426 cm^-1,g⊥=1.83,g∥=2.00;配合物2:Jav=-401 cm^-1,g⊥=1.85,g∥=2.00。     

一类二阶Duffing方程反周期解的存在性和多重性北大核心CSCD

采用变分方法证明了一类带反周期边界条件的二阶Duffing方程解的存在性和多重性.     

基于串联两阶段网络DEA模型的供应链规模收益分析

数据包络分析(DEA)是评价供应链系统(Supply chain system)间相对有效性的一种重要的工具,但是传统的DEA不考虑供应链的内部结构,对系统效率评价偏高;而本文所研究两阶段串联供应链系统,考虑把部分中间产品作为最终产品输出,增加额外中间投入的情形.基于所提出的供应链系统结构,本文建立相应的串联结构下的网络DEA模型,并针对所建立模型进行相关理论的研究,给出了串联结构下的生产可能集和规模收益情况判定方法.最后,进行数值实验,以验证我们提出的结论.     

城市群应急资源协调调配的超网络模型

针对灾害事件跨城域、单个城市应急能力有限等情形,提出了城市群协调应急的超网络结构;通过分析应急优化目标和对受灾点实施资源救助的最优决策行为,构建了城市群资源协调调配的超网络模型,并将其转化成等价变分不等式互补形式进行数值求解;分别设计各城市独自应急和城市群协调应急算例,说明各应急主体间连接的脆弱性和应急能力上限、各受灾点脆弱性、以及城市间协调成本等关键参数对资源调配方案选择的重要影响.     

基于Vague集的理想解和灰色关联结合的决策方法及应用

针对当前应用Vague集在解决多指标决策问题时存有的不足,提出一种基于Vague集的理想解与灰色关联结合的新决策方法.决策方法充分利用了Vague集强大的模糊信息表达能力,并将理想解法与灰色关联法进行有机结合,实现从位置和曲线形状两方面来更全面地反映备选方案与理想解的关系.最后,通过一个并购中目标企业选择的示例说明方法的应用过程,并验证了方法的可行性和实用性.     

Eu(DBM)_3TPPO的晶体结构和荧光光谱

C_(63)H_(51)O_7PEu,三斜晶系,空间群,a=12.336(3),b=18.729(5),c=11.502(3),α=95.86(2),β=103.14(2),γ=87.89(2)°,Z=2,D_x=1.39gcm~(-3)。用6989个I>3σ(I)的可观察衍射数据对72个非氢原子的原子坐标和各向异性温度因子进行全矩阵最小二乘精修,最终的偏离因子R=0.055。中心离子Eu(Ⅲ)由七个氧原子配位,配位多面体为畸变的单帽三棱柱体,帽位由TPPO的氧原子占据,Eu—O原子间距在2.305(4)—2.367(4)之间。77K下测定了配合物的高分辨激光激发和发射光谱,结果表明配合物中Eu(Ⅲ)离子有两种格位,一具C_(2v)点对称性,另一具C_s点对称性。具有较低对称性C_s的物种在配合物中占绝对优势。77K下还记录了掺1％铕的配合物Gd(DBM)_3TPPO的发射光谱,结果表明Gd(Ⅲ)离子具有与标题化合物中Eu(Ⅲ)离子相同的格位。     

边剖分、点扩张与图的最大亏格的可约性

设γM（G）是连通图G=（V，E）的最大亏格，记EM^-（G）={e∈E(G)|G\e连通，且γM（G\e）=γM（G）}。若EM^-(G)≠0，则称G是γ（G）-可约的；否则称G是γM（G）-不可约的。本文证明了边的剖分不改变图的最大亏格可约性，点的扩张不改变上可嵌入图的最大亏格可约性；并给出了两类满足EM^-（G）=E（G）的非4-边连通图。     

正互反阵的一个特征值问题

本文讨论层次分析方法提出的一个矩阵特征值问题:对于给定的正互反矩阵,如何修改它的一对元素使得主特征值能够减小?我们对此给出了解答。对于反复多次修改,我们构造了一个迭代程序并且证明了一定意义下的收敛性。将本文的结果应用于层次分析法,可以减少决策分析过程的盲目性。