水稻超高产育种的理论和方法(英文)

水稻超高产育种是当前世界性的热门课题,也是难题.现在我国人口已近十二亿,水稻是我国粮食生产的大头.高产更高产,难度越来越大.它的超高产育种,既无现成的理论和方法可循,就只能摸索前进.本文试图将几十年来多少人的汗水心血所凝成的宝贵经验,全面加以分析整理,藉以进一步完善过去所提出的理想株形与优势利用相结合的大方向,优化性状组配以及杂交后代选择标准等理论和方法,以供国内外同行参考试用.

水稻超高产育种的理论和方法

水稻超高产育种是当前世界性的热门课题，也是难题。现在中国人口已接近１２亿，水稻是中国粮食生产的主要作物。高产更高产，难度越来越大。水稻超高产育种，既然无现成的理论和方法可循，就只能摸索前进。本文试图将几十年来多少人的汗水心血所凝成的宝贵经验，全面加以分析整理，借以进一步完善过去所提出的理想株形与优势利用相结合、优化性状组配以及杂交后代选择标准等理论和方法，以供国内外同行参考试用。

梯度增强的Kriging模型与Kriging模型在优化设计中的比较研究

在许多工程优化设计问题中,由于需要采用费时的数值模拟方法获得目标函数和约束函数值,出现了优化时间过长、优化难度大的问题。为了提高设计效率,缩短优化设计周期,代理模型方法受到人们的欢迎。近些年来,为了进一步提高设计效率,人们在传统代理模型基础上又发展了一些更高效、预测精度更高的新型代理模型,如变可信度模型、梯度增强的代理模型等。为了研究新型代理模型在优化设计中的优化效率和优化效果,首先结合代理模型、多点加点准则及多种传统优化算法,发展了一套适用于代理模型、梯度增强的代理模型的通用优化算法框架,基于该框架,采用典型的数值算例对当前应用较为广泛的Kriging模型和近些年来发展的梯度增强的Kriging模型进行了对比研究。结果显示,在假定目标函数的梯度与目标函数计算量相同的情况下,采用梯度增强的Kriging模型得到的优化结果在绝大多数情况下都优于采用Kriging模型得到的结果。最后,应用翼型设计算例对两种代理模型进行了对比,其中目标函数的梯度采用与目标函数本身计算量基本一致的Adjoint方法获得;结果显示,梯度增强的Kriging模型表现优于Kriging模型。

基于多先验期望效用模型的新的决策准则

决策时设定单个先验概率分布往往不能很好反映状态的不确定性,从而不利于获得最优决策。依据Castagnoli提出的多先验期望效用模型,并将其思想应用于决策分析,结合贝叶斯分析方法,建立了基于多先验期望效用模型的新的决策准则,如悲观准则、折衷准则等。

基于环境态势评估的智能车自主变道决策机制

汽车面对的是复杂高动态的行驶环境,且车载传感器信息具有不确定性,对动态环境进行正确态势评估是提高车辆,尤其是智能车行驶安全性的关键因素之一,本文中基于环境态势评估对智能车自主变道决策机制进行研究。首先基于人类驾驶认知机理对车辆环境态势评估模型进行层次化分析,然后利用动态贝叶斯网络实现态势评估,并结合最大期望效用原则实现自主变道决策,最后通过实验验证了本文方法的有效性。结果表明,该方法能在动态复杂环境和车载传感器测量数据存在偏差等信息不确定的条件下,做出正确合理的变道决策。

均值-方差效用函数在战场目标配置中的应用

在火力打击效果分析的基础上,建立了基于期望效用最大化准则的战场目标配置模型。利用均值-方差效用函数刻画决策者对打击风险的态度,得到满足决策者风险要求的最优目标配置方案。并证明了其与最大期望打击效果、最小方差多目标战场配置模型的一致性。

CAT选题策略研究

传统CAT选题策略是将被试者的估计值作为真实值去选题目,使用的都是间接指标,旨在寻找最有可能的解。其缺点是计算方法复杂,误差最大值不易控制。针对传统CAT选题策略的特殊性:不离散,被估能力值不能直接求解,稳定性差,提出一种将能力值线性离散化,并使用"最大期望判准率"的方法来计算每次被试者的估计能力,旨在降低计算的难度,提高测验的精度及其稳定性。实验结果表明,该方法具有良好的性能。

基于熵风险度量的混合期望效用模型研究

论文在期望效用模型的基础上,引入熵对不确定性风险的度量,形成了基于熵风险度量的混合决策准则,对期望效用模型进行了改进,并用改进后的模型解释了"共同比率效应"。表明改进后的模型能使决策行动的风险度量与决策者的偏好相容,从方法上降低了决策风险。

定价核之谜与概率权重函数

采用期权及标的资产价格数据,基于离散时间EGARCH模型和连续时间GARCH扩散模型分别估计了客观与风险中性密度,进而推导了经验定价核.在此基础上,基于等级依赖期望效用模型,在标准的效应函数形式下构建了相应的概率权重函数.采用香港恒生指数及其指数权证价格数据进行实证研究,结果表明:(1)经验定价核不是单调递减的,而是展现出驼峰(非单调性),即"定价核之谜";(2)经验概率权重函数展现S型,表明市场投资者低估尾部概率事件,高估中、高概率事件;(3)"定价核之谜"可以由具有标准效用函数与S型概率权重函数的等级依赖期望效用模型解释。