会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

第24章 时间序列模型

时间序列是按时间顺序排列的、随时间变化且相互关联的数据序列。分析时间序 列的方法构成数据分析的一个重要领域，即时间序列分析。 时间序列根据所研究的依据不同，可有不同的分类。 1．按所研究的对象的多少分，有一元时间序列和多元时间序列。 2．按时间的连续性可将时间序列分为离散时间序列和连续时间序列两种。 3．按序列的统计特性分，有平稳时间序列和非平稳时间序列。如果一个时间序列 的概率分布与时间t 无关，则称该序列为严格的（狭义的）平稳时间序列。如果序列的 一、二阶矩存在，而且对任意时刻t 满足： （1）均值为常数 （2）协方差为时间间隔τ 的函数。 则称该序列为宽平稳时间序列，也叫广义平稳时间序列。我们以后所研究的时间序列主 要是宽平稳时间序列。 4．按时间序列的分布规律来分，有高斯型时间序列和非高斯型时间序列。

  • 2021-10-31
  • 阅读230
  • 下载0
  • 29页
  • pdf

第23章 现代优化算法

现代优化算法是 80 年代初兴起的启发式算法。这些算法包括禁忌搜索（tabu search），模拟退火（simulated annealing），遗传算法（genetic algorithms），人工神经网 络（neural networks）。它们主要用于解决大量的实际应用问题。目前，这些算法在理论 和实际应用方面得到了较大的发展。无论这些算法是怎样产生的，它们有一个共同的目 标－求 NP-hard 组合优化问题的全局最优解。虽然有这些目标，但 NP-hard 理论限制它 们只能以启发式的算法去求解实际问题。 启发式算法包含的算法很多，例如解决复杂优化问题的蚁群算法（Ant Colony Algorithms）。有些启发式算法是根据实际问题而产生的，如解空间分解、解空间的限 制等；另一类算法是集成算法，这些算法是诸多启发式算法的合成。 现代优化算法解决组合优化问题，如 TSP（Traveling Salesman Problem）问题，QAP （Quadratic Assignment Problem）问题，JSP（Job-shop Scheduling Problem）问题等效 果很好。 §1 模拟退火算法 1.1 算法简介 模拟退火算法得益于材料的统计力学的研究成果。统计力学表明材料中粒子的不 同结构对应于粒子的不同能量水平。在高温条件下，粒子的能量较高，可以自由运动和 重新排列。在低温条件下，粒子能量较低。如果从高温开始，非常缓慢地降温（这个过 程被称为退火），粒子就可以在每个温度下达到热平衡。当系统完全被冷却时，最终形 成处于低能状态的晶体。 如果用粒子的能量定义材料的状态，Metropolis 算法用一个简单的数学模型描述了 退火过程。假设材料在状态i 之下的能量为 E（i） ，那么材料在温度T 时从状态i 进入状 态 j 就遵循如下规律： （1）如果 E（ j） ≤ E（i） ，接受该状态被转换。 （2）如果 E（ j） ＞ E（i） ，则状态转换以如下概率被接

  • 2021-10-30
  • 阅读254
  • 下载0
  • 20页
  • pdf

第22章 模糊数学模型

1 模糊数学的基本概念 1.1 模糊数学简介 1965 年，美国著名计算机与控制专家查德（L.A.Zadeh）教授提出了模糊的概念，并 在国际期刊《InformationandControl》并发表了第一篇用数学方法研究模糊现象的论文 “Fuzzy Sets”（模糊集合），开创了模糊数学的新领域。 模糊是指客观事物差异的中间过渡中的“不分明性”或“亦此亦彼性”。如高个子 与矮个子、年轻人与老年人、热水与凉水、环境污染严重与不严重等。在决策中，也有 这种模糊的现象，如选举一个好干部，但怎样才算一个好干部？好干部与不好干部之间 没有绝对分明和固定不变的界限。这些现象很难用经典的数学来描述。 模糊数学就是用数学方法研究与处理模糊现象的数学。它作为一门崭新的学科，它 是继经典数学、统计数学之后发展起来的一个新的数学学科。经过短暂的沉默和争议之 后，迅猛的发展起来了，而且应用越来越广泛。如今的模糊数学的应用已经遍及理、工、 农、医及社会科学的各个领域，充分的表现了它强大的生命力和渗透力。 统计数学是将数学的应用范围从确定性的领域扩大到了不确定性的领域，即从必然 现象到偶然现象，而模糊数学则是把数学的应用范围从确定领域扩大到了模糊领域，即 从精确现象到模糊现象。 实际中，我们处理现实的数学模型可以分成三大类：第一类是确定性数学模型，即 模型的背景具有确定性，对象之间具有必然的关系。第二类是随机性的数学模型，即模 型的背景具有随机性和偶然性。第三类是模糊性模型，即模型的背景及关系具有模糊性

  • 2021-10-30
  • 阅读205
  • 下载0
  • 52页
  • pdf

第21章 目标规划

§1 引言 1．线性规划的局限性 只能解决一组线性约束条件下，某一目标只能是一个目标的最大或最小值的问题。 2．实际决策中，衡量方案优劣考虑多个目标 这些目标中，有主要的，也有次要的；有最大值的，也有最小值的；有定量的， 也有定性的；有相互补充的，也有相互对立的，LP 则无能为力。 3．目标规划（Goal Programming） 美国经济学家查恩斯（A. Charnes）和库柏（W. W. Cooper）在 1961 年出版的《管 理模型及线性规划的工业应用》一书中，首先提出的。 4．求解思路 （1）加权系数法 为每一目标赋一个权系数，把多目标模型转化成单一目标的模型。但困难是要确 定合理的权系数，以反映不同目标之间的重要程度。 （2）优先等级法 将各目标按其重要程度不同的优先等级，转化为单目标模型。 （3）有效解法 寻求能够照顾到各个目标，并使决策者感到满意的解。由决策者来确定选取哪一个 解，即得到一个满意解。但有效解的数目太多而难以将其一一求出。

  • 2021-10-31
  • 阅读223
  • 下载0
  • 17页
  • pdf

第20章 偏微分方程的数值解

自然科学与工程技术中种种运动发展过程与平衡现象各自遵守一定的规律。这些规 律的定量表述一般地呈现为关于含有未知函数及其导数的方程。我们将只含有未知多元 函数及其偏导数的方程，称之为偏微分方程。 方程中出现的未知函数偏导数的最高阶数称为偏微分方程的阶。如果方程中对于未 知函数和它的所有偏导数都是线性的，这样的方程称为线性偏微分方程，否则称它为非 线性偏微分方程。 初始条件和边界条件称为定解条件，未附加定解条件的偏微分方程称为泛定方程。 对于一个具体的问题，定解条件与泛定方程总是同时提出。定解条件与泛定方程作为一 个整体，称为定解问题。 §1 偏微分方程的定解问题 各种物理性质的定常（即不随时间变化）过程，都可用椭圆型方程来描述。其最典

  • 2021-10-31
  • 阅读224
  • 下载0
  • 30页
  • pdf

第19章 神经网络模型

§1 神经网络简介 人工神经网络是在现代神经科学的基础上提出和发展起来的，旨在反映人脑结构及 功能的一种抽象数学模型。自 1943 年美国心理学家 W. McCulloch 和数学家 W. Pitts 提 出形式神经元的抽象数学模型—MP 模型以来，人工神经网络理论技术经过了 50 多年 曲折的发展。特别是 20 世纪 80 年代，人工神经网络的研究取得了重大进展，有关的理 论和方法已经发展成一门界于物理学、数学、计算机科学和神经生物学之间的交叉学科。 它在模式识别，图像处理，智能控制，组合优化，金融预测与管理，通信，机器人以及 专家系统等领域得到广泛的应用，提出了 40 多种神经网络模型，其中比较著名的有感 知机，Hopfield 网络，Boltzman 机，自适应共振理论及反向传播网络（BP）等。在这 里我们仅讨论最基本的网络模型及其学习算法。 1.1 人工神经元模型 下图表示出了作为人工神经网络（artificial neural network，以下简称 NN）的基本 单元的神经元模型，它有三个基本要素：

  • 2021-10-31
  • 阅读187
  • 下载0
  • 10页
  • pdf

第18章 变分法模型

动态过程的另一类问题是所谓的动态优化问题，这类问题一般要归结为求最优控制 函数使某个泛函达到极值。当控制函数可以事先确定为某种特殊的函数形式时，问题又 简化为求普通函数的极值。求解泛函极值问题的方法主要有变分法和最优控制理论方 法。 §1 变分法简介 变分法是研究泛函极值问题的一种经典数学方法，有着广泛的应用。下面先介绍变 分法的基本概念和基本结果，然后介绍动态系统最优控制问题求解的必要条件和最大值 原理。

  • 2021-10-31
  • 阅读238
  • 下载0
  • 12页
  • pdf

第17章 马氏链模型

一个随机试验的结果有多种可能性，在数学上用一个随机变量（或随机向量）来描 述。在许多情况下，人们不仅需要对随机现象进行一次观测，而且要进行多次，甚至接 连不断地观测它的变化过程。这就要研究无限多个，即一族随机变量。随机过程理论就 是研究随机现象变化过程的概率规律性的。 定义 1 设{ξ t ,t ∈T}是一族随机变量，T 是一个实数集合，若对任意实数t ∈T,ξ t 是一个随机变量，则称{ξ t ,t ∈T}为随机过程。 T 称为参数集合，参数t 可以看作时间。ξ t 的每一个可能取值称为随机过程的一个 状态。其全体可能取值所构成的集合称为状态空间，记作 E 。当参数集合T 为非负整 数集时，随机过程又称随机序列。本章要介

  • 2021-10-31
  • 阅读252
  • 下载0
  • 11页
  • pdf