本文根据湍流射流和湍流边界层理论对圆喷嘴喷射器混合段湍流流场进行了研究,应用雷诺方程推导出喷射器混合段的基本方程和动量积分方程,用数学模型研究了喷射燃烧器,并对喷射器提出了一套最优设计公式

2.4线性规划的灵敏度分析 一、线性规划是静态模型 二、参数发生变化,原问题的最优解还是不是最优 三、哪些参数容易发生变化 2.5 参数线性规划

行动有先后顺序,不同的参与人在不同时点行 动,先行动者的选择影响后行动者的选择空间 ,后行动者可以观察到先行动者做了什么选择 ,因此,为了做出最优的行动选择,每个参与 人都必须这样思考问题:如果我如此选择,对 方将如何应对?如果我是他,我将会如何行动 ?给定他的应对,什么是我的最优选择?

7.1 运输模型 7.2 运输问题的计算机求解 7.3 运输问题的应用 一、产销不平衡的运输问题 二、生产与储存问题 三、转运问题 7.4 运输问题的表上作业法 一、确定初始基本可行解 二、最优解的判别 三、改进运输方案的办法——闭回路调整法 四、如何找多个最优方案

一．模型误差的客观存在性 希望建立的模型尽善尽美： 能“逼真”地模拟现实系统； 能“精确”地预测系统的未来情况； 能“准确”地控制系统； 得到问题的“最优”解；… 逼真、精确、准确、最优、…

研究了带有预见信息的线性离散时间系统的状态观测器，并将其应用到预见控制系统.为了满足设计观测器的需要，首先导出了包含可预见的目标值信号和干扰信号的扩大误差系统，并由此得到最优预见控制器.在设计状态观测器时，通过改写输出方程充分利用了可预见的目标值信号和干扰信号.设计的状态观测器针对原系统是全维观测器，而针对扩大误差系统则是降维观测器.最后通过数值仿真证明了所设计的状态观测器的有效性

针对现实生活中存在的库存刺激需求的现象,建立了生产库存系统的最优控制模型.模型中生产率和价格为控制变量,库存为状态变量,并且生产率是有界的,需求率同时依赖于库存和价格.运用最大值原理对模型进行求解,根据模型参数的不同取值,获得了三种可能的解,并对其进行了详细分析.最后将模型应用于具体算例,得到了系统状态的具体变化过程,通过与需求不依赖于库存的情形相比较,得到了需求依赖于库存所产生的影响

线性规划中所使用的数据,大多是些估计值,有的不够准确，这就需要研究当对某些数据作稍许改变 时，最优解是否变化?如何变化?更何况实际情况还常有变动，特别经济问题是如此,象产品价格的变动,资 源限制数的增减，约束条件的增减，变量的增减等等。这势必影响最优解和最优值。可见充分利用原最优 表，分析最优解对某些数据变化的反应程度即灵敏度是十分必要的，同时也避免了因条件的些许改变而去 从头求解，故灵敏度的分析亦称最优化后分析

第五节如何才能是最优的 一、元可导函数的单调性 二、一元可导函数的极值与最值 三、一元可导函数的凹凸性 四、多元函数的极值 五、小结 六、练习

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度