描述简单货车集结过程的群论模型

对车组大小相等，车组到达均衡的这种简单货车集结过程，首先应用同余理论，分析集结中断的规律性，引出集结周期的概念，进而提出集结类和集结类加群概念，导出集结车小时计算公式，建立群论模型，从而对简单货车集结过程作出较完美的数字描述。

铁路结点站集装箱班列集结过程

为了确定铁路集装箱班列的集结消耗,运用随机过程的理论,研究集装箱班列的编成箱数和集结过程中涉及到的到达箱数、到达间隔,并对到达强度进行了参数估计.研究发现,箱流的重、空状态基本上不对班列的编成箱数产生影响;箱流的到达可以用简单计数过程描述,到达间隔服从泊松分布.集结过程可以描述为典型的标值计数过程.班列的平均集结消耗与该方向班列的编成箱数和一定时期内总的到达箱数成正比,并且与到达箱数的期望值线性相关.

基于集结过程的蛋白质构象优化方法

混合优化算法结合两种或更多种算法的优点,成为解决非凸优化问题的有效方法.针对蛋白质结构预测,提出了一种有效的混合优化算法.这个方法在传统的差分进化算法基础上,结合了集结过程思想,保存了较好的片段,并同时使用构象空间退火中的种子保存策略,可以得到更多质量较高的后代.实验表明:提出的方法可以有效的寻找到脑啡肽(Met-enkephalin)的最低能量构象,相比于其他现有方法,其可靠性更高,速度更快.

货车集结过程中车组大小规律性分析

应用数理统计原理,阐述货车集结过程中车组大小分布规律的方法与步骤。以贵阳市南站南宫山方向和六盘水南方向的大量实测数据进行统计分析,并应用皮尔逊准则进行检验。当车流量较小时,车组大小服从负指数分布;车流量较大时,车组大小不服从负指数分布而服从某种分段函数,得出车流量的大小影响车组大小分布。

车辆集结过程的计算机模拟

本文应用计算机模拟了整个车辆集结过程:能绘制车辆集结过程图,确定集结参数的值,并举例说明.

群决策环境下一种三类偏好关系的集结方法

在群决策环境下,专家们往往给出异类的偏好信息,如,模糊偏好关系、区间互补偏好关系、语言偏好关系.提出了一种新的集结这三类不同的偏好关系的方法,其基本思想是:先将不同类型信息转化为中间域(效用空间),然后进行集结.该方法的意义在于避免了不同类型偏好信息之间的直接相互转换,而且计算过程更加简便.首先,针对模糊偏好关系、区间互补偏好关系、语言偏好关系,利用效用的思想将这些偏好信息均转化为模糊偏好关系,并且讨论了转化过程的合理性.然后给出群决策过程中集结信息与选择最优方案的方法,最后通过实例验证了所提方法的实用性.

一种新的蛋白质结构预测多模态优化算法

针对现阶段药物设计中对于蛋白质结构多模态的需求,提出了一种基于排挤差分进化策略的多模态优化算法。为了降低蛋白质构象空间求解的复杂度,算法采用能量极小化过程,有效缩小了可行域的搜索空间;同时,为了有效地平衡多模态优化问题的局部收敛性和模态多样性,在排挤差分进化算法的框架下,在保证算法收敛速度的前提下,算法采用空间局部性原理,同时随机选取不同交叉策略的集结思想又有效改善了种群的多样性。以脑啡肽为例,算法不仅得到了其全局最稳定结构,还获得了一系列局部最优结构。