复杂性科学,整体规律与定性研究

研究复杂系统要探索整体规律。本文指出:为此,需要对定性研究予以适当重视。文中给出一个表达式(E):Sni=11i=E(n),即自聚集、自组织,演化发展到新层次。此式用以描述复杂系统的结构形成及动态行为。还对其中“自聚集”的概念给以着重阐述。又分析了聚集的量对系统功能的影响,并给出表达式(C):11+12+…+1n>en2。然后,从生物、自然界、社会、工程等不同领域,解释可用(E)式概括的一些规律性现象;还从复杂系统的观点并借助(E)式讨论了对“从量变到质变”的进一步认识。最后,将复杂系统的自相似结构与分形自相似结构对比,指出一类复杂系统其结构的形成实质是由简单规则多次重复而来,即复杂寓于简单,且聚集、组织,再聚集、再组织……即(E)式多次重复,是形成一类复杂系统结构的基本规则。

基于启发式算法的自动化立体仓库拣货路径优化研究

为了对自动化立体仓库拣货系统进行优化,本文根据自动化仓库订单拣货问题的特点,以拣货时间最小化为目标建立了相应的数学模型,设计了基于启发式规则的求解算法,并用MATLAB实现了算法,经仿真验证以及将启发式算法与文献其它算法进行比较,结果表明,应用本文模型以及改进的启发式算法进行拣选路径的设计,能够有效地缩短拣选时间和距离,从而提高拣选效率,本算法具有一定的实用性。

复杂科学与质量管理研究

系统科学对质量管理的重大贡献就是促成了全面质量管理的诞生与发展,而复杂科学是系统科学发展的新阶段,它主要是研究复杂性与复杂系统的科学。复杂科学必然对质量管理的发展起着十分重大的影响,本文就此进行一些初步的探讨。

复杂系统与复杂性科学简介

叙述了复杂性科学产生的历史背景、发展的过程及主要的框架内容 。

复杂网络上相继故障研究综述

在复杂网络上,由微小扰动引发的大规模相继故障会导致灾难性后果。为了满足人们对各种关乎国计民生的复杂网络的安全性和可靠性的要求,复杂网络上相继故障研究成为近年来复杂网络研究的热点分支。对相继故障的理论建模是分析、预防和控制相继故障的基础和关键。综述了复杂网络上相继故障的研究进展,主要包括几类相继故障模型及相关的研究结果,并指出目前研究中存在的问题及今后的发展趋势。

论资本市场的复杂性及其发展方向

从金融复杂性的角度研究了资本市场的复杂性,在突破传统资本市场理论研究的线性框架基础上,以上海股票市场为例,探讨了资本市场的复杂性问题及其此种研究对资本市场研究之理论与实践意义。结合复杂性理论研究的进展,给出了资本市场复杂性研究的协同市场假定、小波理论及自组织临界理论等三个发展方向。

灰色信息下复杂负载网络的鲁棒性研究

针对复杂负载网络遭遇攻击引发的相继故障问题,考虑攻击信息的不完全准确性,建立了一个基于灰色信息的相继故障模型。灰色信息的准确度可以通过参数调节控制,随机攻击和蓄意攻击是该模型的两个特例。探讨了灰色信息下,无标度网络和随机网络遭遇边攻击而引发的节点过载故障的级联现象,对比了灰色信息对两类网络鲁棒性的影响。仿真结果表明,信息准确度的降低能明显增强无标度网络的鲁棒性,但对随机网络的影响并不明显。此外,信息准确度对网络鲁棒性的影响存在临界现象。这些结论为相继故障的防御、网络结构的设计以及现实网络的有效保护提供了理论依据。

复杂控制系统的对称性及相似性结构研究

对于具有相似及对称结构的复杂控制系统的研究结果表明 ,对于一系列控制问题 ,诸如能控性、能观性、稳定性、镇定、非线性系统的线性化、最优控制、输出调节、鲁棒控制、分散控制等 ,由于这类结构可使问题的求解大为简化 ,亦即 ,控制系统可化简为一些结构简单、维数降低的子系统 。

基于计算机网络系统复杂性的竞争特性探讨

将计算机网络系统的特点与复杂系统的特点相比较,认为因特网、广域网、城域网、局域网等拥有巨大用户量和信息量`的计算机网络系统都可看作或近似看作复杂系统。在用对比的方法对计算机网络系统的所具有的复杂性进行了逐一分析后,重点探讨了广泛存在的竞争特性。最后通过网络追踪测试的方法验证了竞争-冲突的存在及其特点。测试结果说明了竞争-冲突的发生带有明显的时间性,有高峰期和低谷期。并且提出:化解由成员间的竞争引起的冲突、实现有序合作是计算机网络复杂系统提高网络服务性能的关键所在。

复杂随机系统的信噪比增益研究与阵列随机共振

复杂系统与非线性科学密切相关。为了探讨复杂随机系统信息处理的机制和利用“随机”因素自优化能力,研究了一类无限并联阵列的信噪比增益问题。阵列中每个子系统是一个双稳态振荡器,其输入都是同一个给定的含噪正弦信号。每个子系统内部噪声强度相同,但是相互独立。随着内部噪声强度的增加,信噪比增益出现了随机共振现象和存在大于一的区域,并且这一区域随着并联阵列数目增加而被放大。无限并联阵列的信噪比增益可达到全局最大值。依据阵列非稳态输出均值和稳态自协方差函数的极限性质,本文证明了无限并联阵列的信噪比增益问题可以归结为任两个子系统的统计性能分析。这些研究结果对于复杂系统信号处理理论具有重要意义。

快速构建复杂网络仿真模型的算法研究

针对复杂网络仿真模型的构建问题,本文给出了一种快速构建复杂网络仿真模型的自动连接算法,利用Simulink仿真平台实现规则网络与复杂网络的有向自动连线,并引入加权矩阵控制网络中子系统之间的耦合强度,通过调节加权矩阵实现串联网络、并联网络、星形网络和随机网络4种不同网络拓扑结构。在并联网络构建过程中,需选取其中一个由信号接收机和发射源构成的特殊子系统,而构建随机网络时,仅需要对加权矩阵元素的取值范围进行随机调节即可。此算法通用性较好,提高了具有大量节点的复杂网络模型构建效率,对于利用Simulink仿真平台研究复杂网络具有重要意义。

含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation,MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter,ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares,WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。

加速溶剂萃取/GC-ECD分析土壤中多氯联苯的研究

为研究加速溶剂萃取土壤中的多氯联苯的方法，以土壤中8种多氯联苯为标样，进行了加速溶剂提取实验，并用佛罗里硅土柱净化,再用GC-ECD气相色谱仪测定。实验优化了萃取条件，在20 g土壤样中添加50 ng多氯联苯混标，在实验温度100℃,萃取压力为10.3 MPa，萃取时间为20 min条件下用35 mL丙酮/正己烷混合液提取，并用GCECD测得多氯联苯回收率为95.63%～100.2%；相对标准偏差为0.95%～9.58%；方法检出限为0.089～0.882 ng/g。为进行比较,同时进行了超声波辅助提取和索式提取实验。结果表明：加速溶剂提取时间短,有机溶剂用量少,并且提取回收率高。

复杂供需网络的局域演化生长模型

在一般局域世界演化模型基础上,建立了供应链复杂网络的局域演化生长模型。应用节点间相关度的概念来确定每一新加入节点的局域世界,并定义局域世界的规模是动态增加的。通过解析的方法,导出这一模型的度分布、聚类系数和平均路径长度,发现其具备复杂网络的无标度、小世界等特性,并通过数值仿真进行了验证。

引文网络的幂律分布检验研究

现实世界中幂律分布大量存在,因此幂律分布的检验对复杂网络研究具有重大的意义。本文给出幂律分布的严格统计假设检验方法,包括数据处理、参数估计、参数检验、模型拟合检验以及与其他可能分布的比较鉴别等程序,并借助于MATLAB计算机语言将此检验程序应用于小世界网络的论文被引用次数的分布检验。统计检验结果表明,论文的被引用次数服从幂律分布。

复杂网络的邻接矩阵及其特征谱

复杂网络的邻接矩阵全面地刻画了网络中节点之间的相互关系,通过它能够很好地描述复杂系统的特质.文中推导了网络邻接矩阵与网络各特质之间的函数关系,找出了网络邻接矩阵与网络结构的一一对应关系,还对各类网络的邻接矩阵特征谱进行了分析与总结,结果表明不同类型的网络其邻接矩阵谱分布也不相同.

质量改进——典型的复杂适应系统

产品以满足顾客不断增长的需求为目标,因而产品质量改进是无止境的,是一个典型的复杂适应过程。事实上休哈特的学习过程、计划-做-检查-实施(PDCA)改进环、选择-试验-适应,选择-试验-学习(SEA-SEL)改进模型、以及六西格玛管理所使用的业绩改进模型定义-测量-分析-改进-控制(DMAIC)等几种质量改进模型,都是将质量系统看作复杂适应系统。

国际股票市场收益率和波动率的长记忆性研究

股票市场长记忆性问题是金融学研究的一个热点问题,对于市场有效性的研究和系统非线性结构的分析有着重要的意义。本文运用修正R/S分析和V/S分析两种方法对世界上28个国家(地区)的股票指数的日、周收益序列和日、周收益波动序列进行了完整的长记忆性研究。结果表明:对于收益序列,以美国为代表的大多数发达国家股市一般不存在长记忆性,而中国等发展中国家大多存在显著的长记忆性,尤其中国股市的长记忆性最强;对于收益波动序列,所有国家(地区)都具有长记忆性,并强于收益序列。