简介：本文提出了一种新的带择优的混合增长网络模型，并用马氏链理论严格证明了其稳定度分布的存在性。

简介：本文运用主方程等方法给出随机和择优混合演化网络模型稳态度分布存在性的严格证明,并推导度分布的表达式,进而得知该混合演化网络为无标度网络.

简介：主要通过马氏链、主方程的方法和技巧，给出了团体随机和择优混和演化网络的稳态度分布存在性的严格证明，并严格推导了度分布的精确解析表达式．

简介：运用“混合比例”解题梁平县新盛镇中心小学：蒋莫云、李正兵在小学数学训练题库中，我们常遇到一类“混合问题”，例如，１、要把甲、乙两种不同价格的茶叶混合。甲种茶叶每千克１７．８元，乙种茶叶每千克１０．８元。要求混合后每千克价格为１３．８元，问甲、乙两种茶...

简介：讨论了混合序列部分和的强收敛性，所得结果推广和改进了文献[1]、[2]，并推广了Marcinkiewicz强大数律．

简介：讨论了不同分布φ混合序列的强大数律,推广了Kolmogorov强大数定律和Marcinkiewicz强大数定律.

简介：讨论了ρ^-混合序列的完全收敛性。推广了[5]的定理2．

简介：本文研究了混合整数线性模型方差分量在无信息先验分布和有信息先验分布下Bayes估计，给出了混合整数线性模型方差分量无信息和：有信息先验分布下的极大后验估计和最佳Bayes估计。

简介：首先,研究了Erdos1合著网络的特征属性,一方面使用节点的度、介数、接近中心性来描述Erdos1合著网络节点重要性,另一方面使用特征向量中心性和本文提出的高阶度参数来描述Erdos1合著网络节点影响力;然后,分别用逼近理想解的排序(TOPSIS算法)算法和主成份分析(PCA)对节点重要性和影响力排序;最后,利用修改的网页排名(PageRank)算法讨论了网络科学原创性论文中最具影响力的论文。

简介：主要研究ψ-混合随机变量序列部分和的强大数定律，并且得到了一些新结果．在混合系数满足一定条件时，本文的结果推广了独立序列的相应结果．

简介：本文讨论了混合事基函数和具有凸性性质的混合曲线的方法，给出了相应基函数应该满足的条件．并具体分析了一类三角多项式曲线具有的凸性性质，讨论了这样的二次多项式曲线与相尖的Bézier曲线的关系。

简介：主要研究了φ^~混合序列的大数定律和完全收敛性，获得了与独立情形一样的大数定律和完全收敛定理．

简介：根据时间序列数据所表现的性质。提出一种新的时序混合模型。并采用一种基于优化的距离来确定成分的个数。并给出了相关的推导．

简介：作业车间调度是一类求解困难的组合优化问题，本文在考虑遗传算法早熟收敛问题和禁忌搜索法自适应优点的基础上，将遗传算法和禁忌搜索法相结合，提出了一种基于遗传和禁忌搜索的混合算法，并用实例对该算法进行了仿真研究．结果表明，该算法有很好的收敛精度，是可行的，与传统的算法相比较，有明显的优越性．

简介：本文提出一个新的预条件子，用共轭梯度法求解对称正定的Teoplitz型线性方程组．该预处理子构造简单，易于实施快速傅里叶变换．理论和数值实验显示，我们的预处理子与T．Chan预处理子收敛性相近．

简介：本文基于收集的股票日交易数据，通过对时间窗口进行划分和股票收益间的相关性，将股票市场构建为一个金融演化网络，通过分析金融演化网络的拓扑特征，进而可以研究金融市场演化的内在机制．

简介：链路预测是网络信息挖掘的主要研究内容，通过对网络结构和其他信息的分析，挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标．并在此基础上提出了一种基于这8种指标线性组合的度量指标，并经过实验找出了较好的优化参数。然后，提出了基于这8种指标的神经网络模型．并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明．基于FANN库的神经网络模型的预测结果最好，在4个数据集上最高的AUC值分别达到了0。95l8、0．9289、0．7480和0．8677，与单一指标最好的AUC值相比分别提高了3．92％、1．45％、7．06％和24．35％。

简介：在不要求C0-半群为紧半群的前提下．利用函数e^-λt（其中λ〉0是常数）和Monch不动点定理，在更广泛的条件下，得到了Banach空间中一类半线性混合型发展方程初值问题的整体mild解和正mild解，本质上改进和推广了已有相关结果．

简介：本文利用遗传算法的全局搜索内能力及直接搜索算法的局部优化能力，提出了一种用于多目标规划的混合遗传算法．与Pareto遗传算法相比．本文提出的算法能提高多目标遗传算法优化搜索效率，并保证了能得到适舍决策者要求的Pareto最优解．最后，理论与实践证明其有有效性．

简介：针对混合动力公交车在循环工况内功率需求的特点,建立了未来功率需求贝叶斯预测模型;利用2一阶段随机动态规划模型将大规模的随机动态规划问题简化为多个小规模的随机动态规划问题和一个确定型动态规划问题;对于随机动态规划模型的求解,给出了稀疏表示的降维方法,将复杂的泛函极值问题转化为常规的随机动态优化问题,并采用分布估计算法和计算资源最优配置算法的计算机仿真优化算法对随机动态优化问题进行求解;给出了基于查表的在线控制策略,为模型的实际应用进行了有益的探索。