发生吸引量不确定的离散交通网络设计模型

交通网络设计是交通规划的核心内容之一,而网络设计由依靠交通需求预测技术.为了改进传统的以确定性需求为基础的网络设计,文章以交通需求不确定性为基本前提,认为交通发生吸引量也是不确定的,并使用随机双层规划、均值方差和交通分配理论建立了发生吸引量不确定离散交通网络设计的基本模型.为了求解发生吸引量不确定的离散网络设计问题,开发了基于MonteCarlo模拟、遗传算法和交通分配算法的方法.Nguyen Dupujs网络的计算结果表明,需求不确定程度和政府决策者风险偏好等对规划方案具有重要影响.     

基于贝叶斯网络的高校教师绩效评价方法

提出了采用基于贝叶斯网络推理技术的高校教师绩效评价方法.该方法以现有的绩效评价指标体系为基础,结合贝叶斯网络中多层隐类模型的构建原理,将评价指标体系中的各项指标转化为贝叶斯网络中的结点,并根据各级评价指标之间的逻辑关系将其转化为贝叶斯网络中的联接强度,可得到用于教师绩效评价的贝叶斯网络;将各项指标的评价分值作为证据输入到贝叶斯网络中,便能以概率形式评定参评教师的绩效水平.最后分析了教师绩效评价贝叶斯网络的四种典型应用模式.     

具有阀值分红策略的最优投资问题探讨

对跳-扩散风险模型,找到使得红利最大的投资和再保险策略,无论在理论上,还是在保险实务中,都有着非常重要的意义。文章对于跳-扩散风险模型,考虑了投资和分红,给出了红利的计算方法。     

模糊权值网络最小生成树问题的新算法

文章基于三角模糊结构元与经典的破圈法,提出了一种模糊权值网络的最小生成树问题的求解算法,给出了算法的正确性分析,最后通过算例验证了该算法的有效性.     

复杂抽样设计下的域估计问题研究

随着国内定量研究方法的开展和大型调查数据的免费公布,研究者不仅使用抽样调查数据对总体分析,还需要对域总体进行分析.本文对调查数据满足域精度推断的域估计问题进行研究.首先,根据实际调查中的域估计问题,指出解决域估计问题最好的方法是事先确定好需要估计的域,并在抽样设计时兼顾域的估计精度.但是,在实际调查中还包含计划外的域,通过对简单随机抽样下的域估计问题的研究,说明非计划域的估计问题的最大难点是域样本量的随机性.然后,针对实际中的抽样调查数据多来源于分层、多阶段、整群和不等概率等复杂抽样设计的问题,指出需要结合复杂抽样设计信息、域样本量的随机性、域样本在总体的误差层和误差群中的分布,对复杂抽样设计下的域估计问题进行研究.最后,以中国家庭追踪调查(China Family Panel Studies,CFPS)为例,对复杂抽样设计下的域估计问题进行案例研究.