随机需求随机补货间隔零售商补货控制策略研究

研究分销系统中零售商的补货控制策略．分销系统中各零售商可独立决定自己的补到水平．零售商需求率是随机变量．服从某一泊松分布;分销中心循环为各零售商送货．送货间隔是随机变量．认为所有未满足的需求销售机会都丢失,零售商既要支付库存持有费用．又要支付缺货损失费用．给出了收益数学期望值函数,求出了送货间隔是均匀分布随机变量时使收益数学期望值最大化的零售商补到水平控制策略．     

两级供应链联合成本三角模糊需求随机过程模型

根据影响两级供应链系统库存控制及决策过程的随机与模糊特性,基于联合成本提出两级供应链三角模糊需求随机过程模型。对两级供应链系统进行研究,给出其联合成本优化模型。针对交货时间和需求率的模糊特性,分情况利用三角模糊函数设计缺货数量模糊模型,基于此对两级供应链联合成本优化模型进行改进,建立三角模糊需求随机过程模型,并给出该模型的求解过程。通过模型参数敏感性实验以及算法对比实验,验证了所提模糊随机过程模型的有效性。     

基于随机Petri网的可修系统可用性模糊评价

结合模糊集理论和随机Petri网理论提出了一种可修系统可用性建模与分析的新方法——模糊随机Petri网方法。随机Petri网的状态可达图同构于连续时间马尔可夫链,由可达图可得到系统的稳定状态概率方程组。利用模糊代数理论解该模糊方程组即可得到系统转移概率和各种性能指标的模糊数,通过解模糊可得到系统的可用性指标值。文章进行了实例分析并与已有文献作比较,举例进行分析求解,结果表明该方法是可行的。     

带有随机跳跃干扰的线性二次随机最优控制问题

给出一类布朗运动和泊松过程混合驱动的正倒向随机微分方程解的存在唯一性结果,应用这一结果研究带有随机跳跃干扰的线性二次随机最优控制问题,并得到最优控制的显式形式,可以证明最优控制是唯一的.然后,引入和研究一类推广的黎卡提方程系统,讨论该方程系统的可解性并由该方程的解得到带有随机跳跃干扰的线性二次随机最优控制问题最优的线性反馈.     

一种基于边数随机增长的BA网络模型

针对基本BA网络模型模拟现实网络的局限性, 采用新节点的度数增加服从泊松分布的随机函数来代替传统BA模型中的常数, 修改了节点度数的增长方式, 提出了一种基于边数随机增长的改进网络模型。从理论分析和实验验证两方面对该模型进行了分析和研究。理论证明过程中, 利用率方程法计算度分布并得到了解析解, 而计算机仿真则验证了度分布解析解的正确性。仿真结果表明改进后的网络模型符合现实网络的一定特性。     

基于广义模糊吉伯斯随机场图像分割新算法

吉伯斯分布作为一种引入图像空间信息的先验模型已广泛运用于贝叶斯图像分割中．然而，由于传统该模型只在确定类上有定义，而在模糊类上未曾涉及，使得在运用该模型对一些模糊图像或退化图像进行处理时，分割效果不理想，甚至无能为力．该文针对这些不足，从模型本身出发，在传统的吉伯斯随机场模型中引入模糊概念，并针对实际多值分割特点，提出一种高效、无监督的广义模糊算法，从而实现对多值图像的精确分割．文中首先介绍一种二值的广义模糊吉伯斯随机场模型；然后将这种二值模型进行多值扩展，提出分段模糊与广义模糊吉伯斯两种实用的多值分割算法；最后将其运用于一系列医学图像分割．实验表明，文中提出的广义模糊分割算法比基于传统随机场的算法有更好的图像分割能力．     

随机模糊故障树分析方法及应用

针对现有故障树分析模型无法解决复杂环境下的多重不确定性问题,利用随机模糊变量的本原机会概念,提出了随机模糊故障树顶事件本原机会的求解算法。该算法的基本思想是先通过模糊模拟产生一组符合要求的模糊数,然后利用这些模糊数做参数进行随机模拟求得顶事件的本原机会。最后,通过实例证明了该算法在解决双重不确定方面比任何模糊故障树算法都有优势。     

需求随机车辆调度问题的遗传算法研究

文中主要研究了需求随机的车辆调度问题,其中服务需求量满足二项式分布.首先分析了随机分布规律中分布参数与车辆调度服务失败的允许次数之间的关系,并在此基础上建立了需求随机的车辆调度问题数学模型,由于对允许服务失败的次数没有明确限制,使得模型能适应多种实际问题.针对建立的数学模型设计了问题求解的遗传算法,算法中对遗传算子进行了改进.数值计算结果表明:文中所提出的模型和设计的遗传算法能够有效地解决服务需求随机的车辆调度问题.     

基于修正的分段模糊吉伯斯随机场模型的图像分割

模糊随机场模型在解决多值模糊分割方面主要存在算法的稳定性和效率问题。针对这些不足,提出一种简单、方便有效的多值模糊分割新算法--修正的分段模糊吉伯斯分割算法。该算法利用修正的模糊C均值来提供良好的初始分类,结合传统的二值模糊算法来完成对复杂多值图像的快速、精确分割。实验表明,该修正算法比传统的随机场模型有更好的图像分割能力,能较好地解决目前多值模糊分割算法所面临的稳定性和效率问题。     

基于随机几何的网络拓扑密度控制模型研究

为同时保证无线传感器网数据的可靠传输,降低密集传感器网络中冗余的传输链路产生的节点之间的干扰对网络传输的影响,需要对网络的拓扑密度进行控制。本文基于节点的真实信道传输特性以及网络中节点的分布特征设计了基于随机几何的传感器网络拓扑密度控制模型,利用随机几何中的hard-core理论对拓扑密度控制后的节点稀释过程进行建模。最后,用蒙特卡洛仿真验证了网络中节点密度控制的结果。结果表明采用了拓扑控制后,网络中的干扰能耗更小。     

基于模糊理论的信息系统风险计算

针对信息系统安全评估提出了基于模糊理论的风险计算方法.在风险计算函数因子分析基础上,通过层次分析法和模糊综合评估模型解决风险因子的权重分配问题,提出了量化风险计算的方法、流程和计算实例.     

基于随机抽样的模糊粗糙约简

传统的属性约简由于其时间复杂度和空间复杂度过高,几乎无法应用到大规模的数据集中.将随机抽样引入传统的模糊粗糙集中,使得属性约简的效率大幅度提升.首先,在统计下近似的基础上提出一种统计属性约简的定义.这里的约简不是原有意义上的约简,而是保持基于统计下近似定义的统计辨识度不变的属性子集.然后,采用抽样的方法计算统计辨识度的样本估计值,基于此估计值可以对统计属性重要性进行排序,从而可以设计一种快速的适用于大规模数据的序约简算法.由于随机抽样集以及统计近似概念的引入,该算法从时间和空间上均降低了约简的计算复杂度,同时又保持了数据集中信息含量几乎不变.最后,数值实验将基于随机抽样的序约简算法和两种传统的属性约简算法从以下3个方面进行了对比：计算属性约简时间消耗、计算属性约简空间消耗、约简效果.对比实验验证了基于随机抽样的序约简算法在时间与空间上的优势.     

基于模糊聚类和直觉模糊推理的合成旅油料需求预测

需求预测是合成旅组织油料保障的基础环节,对合成旅成功遂行军事行动有着比较重要的影响.由于合成旅组成结构的特殊性,传统预测方法存在较大弊端,因此,提出了基于模糊聚类和直觉模糊推理的合成旅油料需求预测方法.首先,通过模糊C均值聚类算法实现对历史案例的初步筛选,以提高案例检索速度.然后,构建了案例特征属性的主客观综合权重模型和基于直觉模糊集的案例检索模型,保证了案例检索的准确度.最后,构建了基于整体数据特征的合成旅油料需求预测模型.通过算例分析验证上述预测方法的可行性和实用性,证明了该方法有助于提高检索速度和预测准确度.     

一种基于客户模糊聚类的知识需求分析方法

提出了一种引入信息熵的改进型模糊C均值聚类算法,用来对企业客户进行模糊聚类,以分析获取客户的知识需求,为客户提供个性化的知识推送服务。通过实验分析,证明了该方法的有效性,从而提高了企业知识推送的及时性和准确性。     

基于免疫原理的T-S模糊系统在线建模方法

基于人工免疫原理，提出一种在线构造T-S模糊系统的建模方法．该方法结合网格空间划分方法，以建模数据为抗原，模糊规则为抗体，采用人工免疫原理确定系统结构，并应用最小二乘方法估计线性规则后件参数．该方法具有简单、学习速度快、实时性强等特点，适合多输入模糊系统的在线学习和结构调整．     

基于模糊理论动车制动系统故障树可靠性分析

动车组制动系统在可靠性分析过程中存在故障数据的不确定性问题,主要表现为数据的来源不同和事件语义表述不同等,导致很难获取系统事件发生概率的精确数值。因此传统的故障树分析方法对于这类问题的处理不能得到符合现实条件的准确数据结果,故提出运用模糊数学理论将事件的发生概率进行模糊化处理,并结合专家信心指数法通过故障树分析模型计算得出制动系统底事件的模糊概率重要度,并根据各底事件在不同故障状态情况下的模糊概率重要度的大小,找出影响系统可靠性的薄弱环节。通过对兰新客专上运行的动车组制动系统进行分析,结果与动车组制动系统实际运行情况相符合,验证了算法的可行性和有效性。为根据该线路故障的特点制定相应的检修和维护策略给出了理论依据。     

基于遗传算法的模糊系统优化设计方法*

提出一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并将其应用到模糊系统的优化设计中．仿真结果表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习、遗传优化获得满足系统动态性能的优化控制规则的特点.     

基于遗传算法的模糊系统优化设计方法

提出了一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并钭其应用到模糊系统的优化设计中。仿真结构表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习,遗传优化获得满足系统动态性能的优化控制规则的特点。     

一种基于模糊Gibbs随机场的运动估计新算法

运动估计问题具有不适定性，单纯采用最大后验概率算法，实际上并未解决运动矢量的不连续、矢量的失真与随机噪声等棘手问题。本文应用模糊数据融合与Gibbs分布的基本思想，将运动场风险约束条件的概率分布模式有效地纳入阶段非凸函数(GNC)算法的局部迭代过程中，从而提高了运动估计效果。首先建立Gibbs的自适应能量模型，该模型可将基于特征和基于梯度的两类矢量按照优化约束条件进行融合；其次利用各种运动经验知识构造矢量的模糊风险决策表，该决策表可对Gibbs能量方程的每一步迭代收敛结果进行监督和修正，从而实现模糊数据融合。从收敛性和鲁棒性两方面说，模糊融合后的结果在原有基础上有明显提高。