Recursion-transform method and potential formulae of the m×n cobweb and fan networks

In this paper, we made a new breakthrough, which proposes a new recursion–transform（RT） method with potential parameters to evaluate the nodal potential in arbitrary resistor networks. For the first time, we found the exact potential formulae of arbitrary m × n cobweb and fan networks by the RT method, and the potential formulae of infinite and semi-infinite networks are derived. As applications, a series of interesting corollaries of potential formulae are given by using the general formula, the equivalent resistance formula is deduced by using the potential formula, and we find a new trigonometric identity by comparing two equivalence results with different forms.

基于精确模型的网络拥塞控制算法

针对基于流体流理论提出的网络模型在推导过程中的一些近似使得该模型对网络行为描述的不精确问题,提出了网络流量的精确模型,并且基于该模型把一种新的PID及类PID设计方法用于主动队列管理(AQM)控制器的设计,利用约束化的数值优化方法寻找控制器参数。理论分析和仿真实验表明,该控制算法的综合性能优于PI算法。

网络环境下ARIMA模型对于绿色蔬菜市场价格的精确预报

基于目前绿色蔬菜销售的特点 ,研究在网络环境下绿色蔬菜市场的价格预报问题。从研究单一蔬菜品种卷心菜开始 ,利用ARIMA理论和方法 ,从模型的识别、诊断、拟合与预测定量地研究其价格的问题。考虑到单一品种的片面性 ,提出利用 16种蔬菜加权平均价格作为研究对象的方法。

关于精确平均点度随机网络仿真模型的研究

为提高仿真模型的可信度,提出了一种随机网络生成算法。研究内容包括:随机节点的区域性分布,中心节点、OVERLAY功能节点的选择,实验推演新的概率连通公式,增加点度分类约束策略及随机网络快速连通策略等。在算法基础上建立了具有精确平均点度的随机网络仿真模型。对该随机网络仿真模型的性能做了一定的阐述、模拟和分析,表明该模型是通用性的、可定制的。与现有算法相比,该算法收敛性好,并能线性逼近所模拟的实际网络。

基于测试性增长的指标动态评估方法

针对现有测试性指标评估方法未能考虑装备研制阶段不同层次结构测试性水平动态增长的特性,导致测试性评估置信度不高的问题,提出一种测试性增长条件下基于层次Bayes网络模型的测试性指标动态评估方法。根据装备结构特征建立测试性指标动态评估的层次Bayes网络模型,并以测试性指标作为网络传递参数;考虑延缓纠正的测试性增长试验策略,给定测试性阶段序化增长约束条件,针对不同层次节点各阶段增长试验数据,采用单边Fisher精确检验法对测试性增长趋势进行检验,并基于检验结果确定增长阶段数;提出利用最大熵模型和改进Gompertz模型的先验参数估计方法,结合Bayes定理以及研制阶段各层次节点先验信息确定节点先验分布;进一步基于层次Bayes网络融合推理算法确定顶层节点测试性指标的后验分布,实现对装备测试性指标的动态评估,并通过案例进行验证。结果表明,该方法相较于直接运用Beta分布,具备更为准确合理的指标评估结论。