关于最佳鉴别特征维数问题的讨论

该文对最佳鉴别特征的最佳维数问题进行了详细的讨论．文章首先对最佳维数问题进行了界定，然后指出了两种最佳特征维数为c-1维的情况即以某些基于矩的可分性判据(准则函数)为优化目标的最优特征和以某些特殊的分类器错误率为优化目标的最优特征．最后该文运用方差分析法对最佳鉴别特征进行特征选择使之代入最小距离分类器后识别率最大．     

最优布局中任意曲线状图形处理

介绍了适合于多类型、曲线状零件优化排料的图形处理数据结构和算法，并加以探讨和研究。以此思想所设计的系统运行结果良好。     

时滞系统问题的一种近似解方法

本文对线性时滞微分方程边值函数问题提出一种级数近似解方法。其基本思想是利用正交多项式级数的近似性质把它近似地简化为一线性代数方程组的求解问题     

基于最优乘子潮流确定静态电压稳定临界点

给出了一种基于最优乘子潮流求静态电压稳定临界点的新方法.与连续潮流或直接法求解电压崩溃点不同,该方法从潮流的可行域外出发,利用潮流迭代过程中最优乘子的值和最小二乘解提供的信息,沿注入功率变化的方向逼近电压崩溃点.给出了判别和计算鞍结型和约束诱导型分岔点的方法,分析了逼近过程中的各种可能情况.对多个算例测试的结果表明:所提出的方法通过几次迭代即可收敛于静态电压稳定临界点,计算结果与应用连续潮流和直接法一致.     

多回路网络化控制系统中优化采样频率的确定

在多回路网络化控制系统中，通讯资源的共享和网络传输的时延为系统分析和设计带来新的问题．运用非线性规划理论，分析和推导了多回路网络化控制系统中采样频率优化问题，并由推导过程归纳出易于计算机编程实现的工程化求解方法．通过仿真示例验证了所提出方法的有效性．     

时滞系统的降维状态预测观测器及预测控制器设计

研究控制项含有时滞的线性系统的预测控制问题.利用被控对象的预测输出向量和系统的控制向量,设计了一种降维状态预测观测器,并将该状态观测器用于时滞控制系统的最优状态反馈控制中.利用该状态预测观测器可将闭环系统的时滞项移至系统闭环结构之外,从而最优控制规律完全可以按无时滞系统进行设计.由性能指标计算公式表明,该预测控制器关于二次型性能指标是次优的.     

以可存品与非可存品为消费对象的最优投资消费决策

传统的投资消费决策问题考虑的消费对象局限于单一的非可存品或者单一的可存品 .而且假定银行的贷款利率等于存款利率 .本文假定银行的贷款利率大于存款利率 ,并且投资者的消费对象为包含可存品与非可存品的组合 .可存品的价格假设服从几何布朗运动 ,它的折旧率假定为一个常值 .应用随机控制方法 ,得到等弹性效用函数情形下的最优投资消费策略的显式表达     

一类线性M IMO 离散系统的切换控制方法

提出一种针对线性MIMO离散系统的切换控制方法．该切换控制方法不仅利用了系统输出误差，而且利用了控制器的状态变量信息，使系统具有理想的动态响应特性．算法需要较少的被控对象信息，实时计算量小．仿真结果表明了该算法的有效性。     

A control model for an insurance company

The activity of an insurance company with a reinsurance condition system is modeled on an infinite time interval. Payment times and sums insured are random. The amount of money replenished is selected as a control parameter. The task is to minimize the average insurance payment per unit time, thus optimizing investments.Translated from Kibernetika i Sistemnyi Analiz, No. 6, pp. 172–176, November– December 2004.This revised version was published online in April 2005 with a corrected cover date.     

Optimal Ordered Problem Solver

We introduce a general and in a certain sense time-optimal way of solving one problem after another, efficiently searching the space of programs that compute solution candidates, including those programs that organize and manage and adapt and reuse earlier acquired knowledge. The Optimal Ordered Problem Solver (OOPS) draws inspiration from Levin's Universal Search designed for single problems and universal Turing machines. It spends part of the total search time for a new problem on testing programs that exploit previous solution-computing programs in computable ways. If the new problem can be solved faster by copy-editing/invoking previous code than by solving the new problem from scratch, then OOPS will find this out. If not, then at least the previous solutions will not cause much harm. We introduce an efficient, recursive, backtracking-based way of implementing OOPS on realistic computers with limited storage. Experiments illustrate how OOPS can greatly profit from metalearning or metasearching, that is, searching for faster search procedures.