应用同伦正则化算法反演二维溶质运移模型中的弥散系数

利用同伦正则化算法探讨了二维对流弥散方程的依赖空间变量的弥散系数反演问题.讨论了初始迭代值、数值微分步长、以及收敛精度对算法实现的影响.数值模拟表明,同伦正则化算法对于此类参数反演问题是一种有效的方法.     

个人信息处理者算法自动化决策致害的民事责任——以《个人信息保护法》第24条为中心

在数字时代,借助算法进行自动化决策的现象日益普遍。在个人信息处理者借助算法、利用个人信息进行自动化决策的情形下,算法不过是个人信息处理者进行决策的一种工具。借助算法进行自动化决策是个人信息处理者主动选择的结果,个人信息处理者对算法自动化决策的结果也具有控制力,其也因此需要对算法不当自动化决策所导致的损害承担民事责任。个人信息处理者就算法不当自动化决策所承担的民事责任具有多样性,个人既可以依法请求个人信息处理者承担违约责任,也可以依法请求个人信息处理者承担侵权责任。     

基于广义区间值模糊软集的群决策方法

文章给出了广义区间值模糊软集的矩阵形式,基于区间值模糊数的算术加权平均算子,研究了广义区间值模糊软矩阵序列的算术加权平均算子.然后,给出了区间值模糊数的得分函数表达式,进而定义了广义区间值模糊软矩阵的得分矩阵.利用广义区间值模糊软集的标准化得分矩阵定义了它的加权比较矩阵.最后,基于以上几种矩阵,给出了具体的广义区间值模糊软集环境下的群决策算法,并且通过实例验证了算法的可行性.     

项目调度中的离散时间-费用平衡问题探讨

文章针对属强NP-hard的离散时间-费用平衡问题,对其进行分类研究,第一类是确定型网络的时间-费用平衡;第二类是随机型网络的时间-费用平衡.在此基础上,重点研究了近年来用元启发式算法求解离散时间-费用平衡问题的研究进展.最后,指出了该问题需进一步研究的方向.     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

指数-威布尔分布参数贝叶斯估计的混合Gibbs算法

文章利用混合Gibbs算法分别在分组数据和定数截尾场合给出了指数-威布尔分布参数的贝叶斯估计,并进行了Monte-Carlo模拟.结果表明:在两种不完全数据场合,用混合Gibbs算法求指数-威布尔分布参数的贝叶斯估计,结果令人满意,该算法可行、稳定且精度高.     

混合再生散度模型的参数估计

随着社会信息化的发展数据的种类越来越多样化,在实际的数据分析中相对于同质总体,异质总体更具有普遍性,所以混合回归模型是最重要的统计数据分析工具之一。再生散度模型是一种比指数族分布更加广泛的分布,适用性更强。基于此,提出混合再生散度模型,对方位参数进行建模,并通过EM算法研究该模型参数的极大似然估计。同时,通过随机模拟和实例研究说明该模型和方法是有效和有用的。     

基于化学反应算法的鲜活农产品配送路径优化

文章通过引入时间价格因子考虑在鲜活农产品配送过程的损耗并结合运输成本和惩罚成本构建数学模型.从实际的运用环境出发,考虑到未在期望获得时间内达到运输地点的成本消耗,并且随着时间的推移,鲜活农产品本身也有成本损耗构建目标函数.根据该模型的特点设计化学反应的最小单元分子结构和算法步骤.运用化学反应算法可以很好地解决模型算法过早收敛于局部最优问题.通过实例验证了模型和算法的有效性和科学性.     

非线性面板数据聚类方法研究

对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。