DF 检验要求模型 的随机 扰动项 t e 独立同分 布。但在实际应用中这 一条件往往不 能满足（如上一节中的有关例子）。一般来说，如果估计 模型的 DW 值偏离 2 较大，表明随机扰动 项是序列相关的，在这种情 况下使用 DF 检验可能会导致偏误，需要 寻找新的检验方法

（一）立项依据与研究内容（4000-8000 字）： 1. 项目的立项依据（研究意义、国内外研究现状及分析，附主要参考文献目录。） 原发性肾病综合征（Primary Nephrotic Syndrome , PNS）是一组以大量蛋白尿、低蛋白血症、 高脂血症及不同程度的水肿为特征的临床症候群，是小儿最常见的泌尿系统疾病之一，国外有资料 报告，16 岁以下人口中每年有 2-7/10 万新病例发生，1968 年 Sohlesinger 自美国报告 16 岁以下人 口中 PNS 年发生率为 2/10 万，累积结果为每 10 万小儿中有 15.7 例或相当于每 6000 小儿中有 1 名 患者，我国尚缺乏类似报告[1]

棉花病害简介 棉墨病中病叶 棉黄萎病初期病叶 棉花是我国重要的经济作物,大部分省区都有种植。棉花病害一 直是限制棉花生产的主要因素之一。据报道,全世界有棉花病害 120多种,我国已发现了40余种,其中严重危害的约有15种。 苗期发生较重的是立枯病、疫病、炭疽病和黑斑病,这些病害造 成黑根死苗,僵苗迟发和缺苗断垄;

生产实际中遇到的线性规划问题常常是规模很大的，如果约束条件多到超过计算机容量 的程度，就会给求解造成困难。为了克服这一困难，对于大型问题，针对其具体结构，往往 可把它分解成几个较小问题来处理，这类方法称为分解算法

实际遇到的线性规划问题，大多是具有上界限制的问题（既有上界限制，又有下界限 制的问题，容易化成只有上界限制的问题）。它的一般形式如下：

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

现在从另一个角度提出问题: 设有一个制造商,要生产m种不同的药丸来代替上述n种不同的食物,试问每种药丸 的价格如何确定,才能获利最大 仍可利用上面的表格,设第i种药丸的价格是w;,并记W=(w1,…,m)为了达到畅 销的目的,药丸的价格当然不宜超过与之相当的食物的价格,即应有WA≤C,于是问题变 成

由上一章定理 5，线性规划问题的最优解可以只限于在基可行解中去挑选。由于基可行 解有限,故原则上可采用枚举法。但从算法的角度看,这显然不是简便有效的。当 m、n 较大 时,根本行不通。事实上 m、n 在 100 左右的线性规划问题属于小型的

（一）非线性规划的例子 在决策和物理等科学中常常提出含有非线性函数的优化问题，请看下面的几个例子。 例 1、某饲养场拟建一排五间的猪舍，平面布置如图 1 所示。由于资金及材料的限制，围墙和 隔墙的总长度不能超过 54 米，为使猪舍面积最大，应如何选择长宽尺寸？

运筹学在欧美简称 O.R（Operations Research）。日本译为“运用学”，我国译为“运筹学”，除 了“运用”，又充实以“筹划”，意义更深，它是许多管理、生产、设计、科研等单位所需要的工具， 其定义，到目前为止已是数以百计，按世界上最早出现的运筹学会（1948 年）——英国运筹学会所 下的定义，运筹学是运用科学方法来解决工业、商业、政府、国防等部门里有关人力、机器、物质、 金钱等大型系统的指挥或管理中出现的复杂问题的一门科学