属性权重信息不完全的区间数多属性决策方法

针对属性权重信息不完全且属性值以区间数形式给出的多属性决策问题,提出了一种逼近于理想点(TOPSIS)的决策分析方法.首先对属性权重信息不完全的区间数多属性决策问题进行了描述;然后依据传统的,TOPSIS方法的基本思路,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤,其核心是通过构建并求解二次规划模型,得到每个方案与正理想点、负理想点的差异值,进而计算出每个方案与理想点的相对接近度,即可得到所有方案的排序结果. 最后通过给出一个算例说明了该方法.

权重信息不完全的区间数多属性决策GRA方法

针对属性权重信息不完全,且属性值以区间数形式给出的多属性决策问题,提出了一种灰色关联分析的决策方法。该方法依据一般的灰色关联分析方法的基本思路,给出了解决属性权重信息不完全的区间数多属性决策问题的计算步骤。其核心是通过构建并求解一个单目标最优化模型,得到每个方案与正、负理想方案的关联度,进而计算出每个方案与正理想方案的相对关联度,即可得到所有方案的排序结果。最后给出一个数值例子,结果表明该方法简单、有效并易于计算。

3、4、5、6重完全数

在本文里 ,我们发现了一批多重完全数 ;2个 3重完全数 ;1 6个 4重完全数 ;1 1个 5重完全数 ;1个

关于k重S-完全数

对于正整数n,设S(n)是Smarandache函数,f(n)=∑d|nS(d).对于正整数k,若n适合f(n)=kn,则称n是一个k重S-完全数.证明了:当k>2时,不存在k重S-完全数.

关于3重奇完全数的一些结果

运用初等数论知识,通过对整除性的判断,给出了一类奇数是3重奇完全数所要满足的条件,以及满足一定条件的一类奇数绝不可能是3重奇完全数的一些结果.

一种基于权重区间数的多指标随机模拟决策方法

本文研究了决策者给出指标的权重都为区间数条件下的多指标群决策问题,提出了逆序概率的概念,建立了这类决策问题的随机模拟决策方法,并通过例子进一步说明了该方法的合理性,为决策方法提供了一个新的思路。

关于三因子的奇合数不是完全数的简证

文[1]证明了单因子和双因子的奇合数不是完全数,文[2]证明了三因子的奇合数不是完全数,本文给出的方法,进一步简化了文[1]及文[2]的证法,并为证明四因子的奇合数不是完全数提供了依据。

奇完全数不存在的一个初等证明

给出奇完全数不存在的一个初等证明．

关于k重unitary完全数（英文）

给定正整数N，如果d/N且（d，N/d）=1，则称d为N的unitary因子．设κ≥2为整数，σ＊（N）表示N的所有unitary因子的和．若σ＊（N）=kN，则称N为k重unitary完全数．本文给出了κ重unitary完全数的一些性质．

创造认知冲突 激发学生学习兴趣——以“超重与失重”教学为例

教师＂顺利＂的把新知识传授授给学生,学生＂顺利＂的吸收,看似很顺利的完成了教师教和学生学的任务,但学生对新知识的理解、记忆得深刻吗？而实际情况往往是当时会了,但过了不久便不大记得了,甚至完全遗忘.如果在开始教授新知识前,教师给学生创造一个＂认知冲突＂,让他们开始时根据以往的知识产生一个错误的认识,老师设计某一场景揭示这个错误,进而追究事情的本质,这样学生才会记忆深刻,让新的、正确的知识替代以往错误的认识.

广义狄利克雷型分布不完全分类数据的统计分析及贝叶斯抽样

在社会学、心理学、保险学和流行病学等学科中,研究人员经常利用类别变量来研究现象的分布特征或者因素之间的关联。本文提出在类别变量的研究中存在一类不完全分类数据,其观测数据的似然函数具有广义狄利克雷型分布的形式。首先,利用EM算法和一种新的基于共众数思想的优化方法计算参数的极大似然估计。其次,在贝叶斯分析中,建立新的结合等高共众数方法的采样重要性重抽样算法来实现广义狄利克雷型分布的有效后验样本抽样。并将所提出的方法用于两组实例数据的分析,实证分析结果表明了本文所提出的方法在一般的不完全分类数据分析中的有效性和实用性。

例析极端分析法解题

何谓极端法?就是根据题给条件,假设某种极端的物理显现或过程的存在,并以此作出科学的推理分析,得出正确的结果,导出一般结论。极端分析法,既是一种科学的思维方法,也是一种理解策略。常用的极端分析法有假设极端法,特值法,临界分析法等。极端分析法具有启迪思维、避繁从简、