简介：为了研究具有完美匹配图的Tuttc集和极端集,文献[1,2]提出了一种新的图运算,并且得到了许多有趣的性质。本文中,我们刻画了level（G）=0的具有唯一完美匹配的饱和图G,并且确定了具有唯一完美匹配图的D-图的边数的紧上界。

简介：D-η-珍视向量的功能的合适的prequasi-invexity被描绘借助于(弱)将近集合的凸状和密度。在更弱的假设下面，某等价物为D-调节η-合适的prequasi-invexity被导出。

简介：研究算子本身的性质是研究算子不动点问题的一个重要方法.很多学者在二维的空间中,通过构造不同的压缩映射或者膨胀映射的条件,研究算子的不动点问题.在这篇文章中,我们将引入D-度量空间和D-Ⅲ型膨胀映射的概念,在D-度量空间（三维的空间）中研究D-Ⅲ型膨胀映射的不动点及公共不动点定理.

简介：在集合上定义了非负实值映射,利用实函数的性质,给出了三个d-集合之间复合映射的不动点存在定理,并讨论了不动点的唯一性.

简介：

简介：

简介：介绍动物觅食行为的建模。首先考察觅食动物的搜寻、处理所需时间和能量等基本因素如何影响食饵的选择,建立一个初等模型,使觅食动物的净能量获取率最大,并可预测动物的"最优"食物,然后考虑食饵识别时间、食物地块和觅食中心位置等因素来修正、改进这个模型。最后,用一些实验数据来解释这些模型。

简介：投资消费问题是数理金融中的一个主要问题，Merton在假设股票价格过程为扩散过程的情形下，给出了最优投资消费策略的显式解，本文在股份价格过程为跳－扩散过程的情形下，讨论了最优投资消费策略问题，得到了最优投资消费策略的偏微分方程。

简介：本文研究一类非凸连续全局最优化问题的最优性条件．通过构造含有参数的辅助函数，且对辅助函数作极限运算，得到一种基于积分运算的积分型全局最优性条件，并利用该辅助函数得到非凸规划问题全局最优解的一些充分必要条件．

简介：本文借助一种新的求基转轴运算建立了带非线性不等式约束最优化向题的一个新的广义既约梯度法，算法不引入任何松驰变量，以致扩大问题的规模，也不需对约束函数和变量的界预先估计，另一重要特点是方法不再使用隐函数理论确定搜索方向，而是由简单的显式给出，因此方法计算量小，结构简单，便于应用，对于非K-T点x，我们构造的方向为可行下降的，本文证明了算法具有全局收敛性。

简介：通过探究烤盘形状对烤盘边缘热分布的影响,了解到方形烤盘四角容易将食物烤焦的原因,依据题目条件,提出优化模型,设计出最优布朗尼烤盘,并对上述模型进行了灵敏度分析和模型评估。在灵敏度分析中,提出了模型2在W/L和p改变时突变的现象;在模型评估中,分析了各个模型的优缺点,并对模型2提出了引入倒角和一般多边形的建议。

简介：本文分析了计算机集成制造系统中生产系统的能力最优配置与管理控制策略之间的关系。针对生产加工系统与加工组装系统的不同特点，本文深入探讨了在Push(推）策略或以Push为主导的推／拉混合控制策略下，生产系统各工作站能力最优配置与能力平衡之间的关系。

简介：

简介：

简介：给出了在一些Shiskin型网格[21,23,19,18]上,利用一个任意次的混合有限元方法在L2-模下得到奇异摄动问题解的最优一致收敛阶的一个统一方法.通过研究一个四阶问题,定常和不定常问题,我们显示了这个方法的一般性.结果显示非传统Shiskin型网格上的误差估计比传统Shiskin型网格上的误差估计更容易得到.但两种网格给出的误差估计是相容的,它们证明了Roos的猜想[21]是合理的.

简介：新教材中添加了“简单的线性规划”一节。在求最优解的问题中，如果所求的不是整数最优解,通过平移直线的方法得出最优解学生能够理解，也容易掌握。但如果要求整数最优解，讲解的时候利用以“几何画板”为主多媒体演示学生也能理解,但在作业的时候就出现了问题，不知从何下手。如果同样简单地利用平移直线的方法，由于此时的可行域为不连续的点。就很难得到最优解。本文想从以下几个角度加以探索。

简介：对Goodgrant基金的投资策略进行研究。首先,根据投资要求,对候选学校进行初步筛选,基于筛选后的学校,选取与教育绩效有关且数据信息完整的变量对学校进行聚类,并利用聚类结果对缺失数据进行补全;然后,提出了评价学生教育表现的绩效指标、绩效指示变量及绩效贡献变量的定义与关系,通过对绩效指示变量进行主成分分析,确定出每个学校当前的绩效值,并以此对所有学校进行初步排名;最后,以获得奖学金的学生占当年入学学生总数的比例作为绩效贡献变量,给出每个学校投资回报率的计算公式,并以该公式为依据,从绩效排名前100的学校中选出待投资的10所学校及捐赠数额。

简介：研究超图的标号性质,首先利用拉普拉斯张量的第二小和最大特征值给出4一致超图的带宽和与割宽的上下界;其次构造与超图对应的简单图,通过其拉普拉斯矩阵的特征值给出超图带宽的下界.

简介：

简介：