过程系统寻优新方法――非线性映射主轴分析法
层次分析法详解
构建风险层次结构 通过选取的指标可以看出这是一个多目标的且问题涉及到许多因素，各种因素的作用相互，情况复杂。依据层次分析法处理这类复杂的问题就需要对所涉及的因素指标进行分析：哪些是需相互比较的；哪些是需相互影响的。把那些需相互比较的因素归成同一类，构造出一个各因素类之间相互联结的层次结构模型。各因素类的层次级别由其与目标的关系而定: 第一层是目标层，也就是国家风险的评价排序 第二层是准则层，这一层中是国家风险排序所涉及的国家风险类型，即政治风险、经济风险、社会风险。 第三层是子准则层，这一层是评价衡量准则层中各要素的影响因素及评价指标, 即政权凝聚力、腐败状况、相关法律政策、国际关系、官僚主义、经济政策、汇率稳定性、金融环境、内部冲突、外部冲突、民族差异等。 第四层也就是我们要选择的方案即所要选择的并购方案国家。 为了方便计算以及模型的理解，层次结构中各层次均用字母代替，目标层为A i 准则层为B，子准则层为C,方案层为D。 522重要性程度描述 为了将上述复杂的多因素综合比较问题转化为简单的两因素相对比较问题。首先找出所有两两比较的结果，并且把它们定量化；然后再运用适当的数学方法从所有两两相对比较的结果之中求出多因素综合比较的结果。进行定性的成对比较时, 我们将比较结果分为5种等级：相同、稍强、强、明显强、绝对强并将我们所做出的比较结果应用1?9个数字尺度来进行定量化，比较具体含义及相应数字对应如下表: 表5.2 AHP重要程度描述表 子准则层 方案层 图5.1风险层次结构模型 Fig.5.1 The hierarchical structure model of country
非线性有限元方法及实例分析
非线性有限元方法及实例分析 梁军 河海大学水利水电工程学院，南京（210098） 摘 要：对在地下工程稳定性分析中常用的非线性方程组的求解方法进行研究，讨论了非线性计算的迭代收敛准则，并利用非线性有限元方法分析了一个钢棒单轴拉伸的实例。 关键词：非线性有限元，方程组求解，实例分析 1引 言 有限单元法已成为一种强有力的数值解法来解决工程中遇到的大量问题，其应用范围从固体到流体，从静力到动力，从力学问题到非力学问题。有限元的线性分析已经设计工具被广泛采用。但对于绝大多数水利工程中遇到的实际问题如地下洞室等，将其作为非线性问题加以考虑更符合实际情况。根据产生非线性的原因，非线性问题主要有3种类型[1]： 1．材料非线性问题（简称材料非线性或物理非线性） 2．几何非线性问题 3．接触非线性问题（简称接触非线性或边界非线性） 2 非线性方程组的求解 在非线性力学中，无论是哪一类非线性问题，经过有限元离散后，它们都归结为求解一个非线性代数方程组[2]： ()()()00 021212211=… …==n n n n δδδψδδδψδδδψΛΛΛ （1.1） 其中n δδδ,,,21Λ是未知量，n ψψψ,,,21Λ是n δδδ,,,21Λ的非线性函数，引用矢量记 号 []T n δδδδΛ21＝ （1.2） []T n ψψψψΛ21= （1.3） 上述方程组（1.1）可表示为 ()0=δψ （1.4） 可以将它改写为 ()()()0=?≡?≡R K R F δδδδψ （1.5） 其中()δK 是一个的矩阵，其元素 是矢量的函数，n n ×ij k R 为已知矢量。在位移有限 元中，δ代表未知的结点位移，()δF 是等效结点力，R 为等效结点荷载，方程()0=δψ表示结点平衡方程。 在线弹性有限元中，线性方程组
降维方法
国内当前流行的文本分类算法有最大熵(MaximumEntropy，ME),K近邻法(KNN)，朴素贝叶斯法(NB)，支持向量机法(SVM)，线性最小平分拟合法(LLSF)，神经网络法(Nnet)等，其中KNN、NB和SVM的分类效果相对较好。 文本分类由文本表示，特征降维和分类器训练组成，分类算法只是其中的一个环节，另外两个环节也非常重要。目前普遍采用向量空间模型来表示文本，常见的特征词加权方法有：布尔权重、词频权重、TF—IDF权重等，常见的特征选择方法有文档频率，互信息和统计等。 基于机器学习文本分类的基础技术由文本的表示(representation) 、分类方法及效果(effectiveness)评估3 部分组成。Sebastiani对文本分类发展历程及当时的技术进行了总结，主要内容包括: (1)文本关于项(term)或特征的向量空间表示模型(VSM)及特征选择 (selection)与特征提取(extraction)两种表示空间降维(dimensionality reduction)策略,讨论了χ2,IG,MI,OR 等用于特征过滤的显著性统计量及项聚类和隐含语义索引(LSI)等特征提取方法; (2) 当时较成熟的分类模型方法,即分类器的归纳构造(inductive construction)或模型的挖掘学习过程; (3) 分类效果评估指标,如正确率(precision) 召回率(recall) 均衡点(BEP) F β(常用F1)和精度(accuracy)等,以及之前报道的在Reuters 等基准语料上的效果参考比较。 1、中文评论语料的采集 利用DOM 构建网页结构树，对结构树的分析实现了中文评论的自动采集的方
非线性有限元分析
轨道结构的非线性有限元分析 姜建华 练松良 摘 要 实际轨道结构受载时的力学行为,属于典型的非线性力学问题。钢轨垫层刚度、钢轨抗扭刚度和扣件扣压力的大小是影响轨距扩大的主要因素。根据非线性有限元接触理论,建立了能准确反映扣件、钢轨与垫层的拧紧接触,以及受载车轮与钢轨侧向滑动接触的力学计算模型;并研究计算了不同扣件压力下,由于受载车轮与钢轨侧向滑动接触引起的轨距扩大问题。 关键词 轮轨关系,扣件压力,非线性弹性力学,有限元分析 1 引言 实际工程中常见的非线性问题一般可以归纳为三类:材料非线性、几何非线性以及边界条件非线性。材料非线性问题是由于材料的非线性本构关系所引起的,例如材料的弹塑性变形,材料的屈服和硬化等;几何非线性问题是由于结构的位移或变形相当大,以至必须按照变形后的几何位置来建立平衡方程;边界条件非线性问题是指边界条件随位移变化所引起的非线性问题。通常情况下,我们所遇到的非线性问题多数是上述三类非线性问题的组合[1,2]。 实际轨道结构受载时的力学行为,属于典型的非线性力学问题。比如基于轮轨接触的材料非线性、几何非线性及边界条件非线性问题,以及扣件、钢轨、垫层三者间相互作用时所表现的边界条件非线性行为等。所以,机车车辆在轨道结构上行驶时引起的力学现象是相当复杂的。以往在研究轨道各部分应力应变分布规律时,通常采用连续弹性基础梁理论或连续点支承,偶尔简单考虑扣件的作用和弹性垫层的使用。不管用哪一种支承方式建立模型,都由于这样那样的假设而带有一定程度的近似性。所以,如何利用现代力学理论的最新成果以及日益发展的计算机技术,根据轨道结构的具体情况,建立更为完整更为准确的轨道结构计算模型,为轨道设计部门提供更加可靠的设计依据或研究思路,已十分必要。 本文提出了用非线性有限元理论研究轮轨系统和轨道结构的思路。作为算例之一,本文将根据非线性有限元理论,建立能准确反映扣件、钢轨与垫层的拧紧接触,以及受载车轮与钢轨侧向滑动接触的力学计算模型。 2 轨道结构的有限元接触模型 对于非线性问题,不管是材料非线性、几何非线性,还是边界条件非线性,总是最终归结为求解一组非线性平衡方程及其控制方程。例如用位移作为未知数进行有限元分析时,最后可得到一组平衡方程及其控制方程为 : 图1 轮轨系统的对称性模型简图 [K(u)]{u}={R}(1) (u)= (u)(2)其中:{u}为节点位移列阵;{R}为节点载荷列阵; [K(u)]为总体刚度矩阵; (u)为边界条件。它们 36 姜建华:同济大学工程力学系,副教授、博士,上海200092
层次分析法的基本步骤和要点
层次分析法的基本步骤和要点 结合一个具体例子，说明层次分析法的基本步骤和要点。 【案例分析】市政工程项目建设决策：层次分析法问题提出 市政部门管理人员需要对修建一项市政工程项目进行决策，可选择的方案是修建通往旅游区的高速路（简称建高速路）或修建城区地铁（简称建地铁）。除了考虑经济效益外，还要考虑社会效益、环境效益等因素，即是多准则决策问题，考虑运用层次分析法解决。 1. 建立递阶层次结构 应用AHP解决实际问题，首先明确要分析决策的问题，并把它条理化、层次化，理出递阶层次结构。 AHP要求的递阶层次结构一般由以下三个层次组成： ●目标层（最高层）：指问题的预定目标； ●准则层（中间层）：指影响目标实现的准则； ●措施层（最低层）：指促使目标实现的措施； 通过对复杂问题的分析，首先明确决策的目标，将该目标作为目标层（最高层）的元素，这个目标要求是唯一的，即目标层只有一个元素。 然后找出影响目标实现的准则，作为目标层下的准则层因素，在复杂问题中，影响目标实现的准则可能有很多，这时要详细分析各准则因素间的相互关系，即有些是主要的准则，有些是隶属于主要准则的次准则，然后根据这些关系将准则元素分成不同的层次和组，不同层次元素间一般存在隶属关系，即上一层元素由下一层元素构成并对下一层元素起支配作用，同一层元素形成若干组，同组元素性质相近，一般隶属于同一个上一层元素（受上一层元素支配），不同组元素性质不同，一般隶属于不同的上一层元素。 在关系复杂的递阶层次结构中，有时组的关系不明显，即上一层的若干元素同时对下一层的若干元素起支配作用，形成相互交叉的层次关系，但无论怎样，上下层的隶属关系应该是明显的。 最后分析为了解决决策问题（实现决策目标）、在上述准则下，有哪些最终解决方案（措施），并将它们作为措施层因素，放在递阶层次结构的最下面（最低层）。 明确各个层次的因素及其位置，并将它们之间的关系用连线连接起来，就构成了递阶层次结构。 【案例分析】市政工程项目进行决策：建立递阶层次结构 在市政工程项目决策问题中，市政管理人员希望通过选择不同的市政工程项目，使综合效益最高，即决策目标是“合理建设市政工程，使综合效益最高”。 为了实现这一目标，需要考虑的主要准则有三个，即经济效益、社会效益和环境效益。但问题绝不这么简单。通过深入思考，决策人员认为还必须考虑直接经济效益、间接经济效益、方便日常出行、方便假日出行、减少环境污染、改善城市面貌等因素（准则），从相互关系上分析，这些因素隶属于主要准则，因此放在下一层次考虑，并且分属于不同准则。 假设本问题只考虑这些准则，接下来需要明确为了实现决策目标、在上述准则下可以有哪些方案。根据题中所述，本问题有两个解决方案，即建高速路或建地铁，这两个因素作为措施层元素放在递阶层次结构的最下层。很明显，这两个方案于所有准则都相关。 将各个层次的因素按其上下关系摆放好位置，并将它们之间的关系用连线连接起来。同时，为了方便后面的定量表示，一般从上到下用A、B、C、D。。。代表不同层次，同一层次从左到右用1、2、3、4。。。代表不同因素。这样构成的递阶层次结构如下图。
常见的特征选择或特征降维方法
URL:https://www.360docs.net/doc/6e10631673.html,/14072.html 特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能，更能帮助我们理解数据的特点、底层结构，这对进一步改善模型、算法都有着重要作用。 特征选择主要有两个功能： 1.减少特征数量、降维，使模型泛化能力更强，减少过拟合 2.增强对特征和特征值之间的理解 拿到数据集，一个特征选择方法，往往很难同时完成这两个目的。通常情况下，选择一种自己最熟悉或者最方便的特征选择方法（往往目的是降维，而忽略了对特征和数据理解的目的）。 在许多机器学习的书里，很难找到关于特征选择的容，因为特征选择要解决的问题往往被视为机器学习的一种副作用，一般不会单独拿出来讨论。本文将介绍几种常用的特征选择方法，它们各自的优缺点和问题。 1 去掉取值变化小的特征Removing features with low variance 这应该是最简单的特征选择方法了：假设某种特征的特征值只有0和1，并且在所有输入样本中，95%的实例的该特征取值都是1，那就可以认为这个特征作用不大。如果100%都是1，那这个特征就没意义了。当特征值都是离散型变量的时候这种方法才能用，如果是连续型变量，就需要将连续变量离散化之后才能用，而且实际当中，一般不太会有95%以上都取某个值的特征存在，所以这种方法虽然简单但是不太好用。可以把它作为特征选择的预处理，先去掉那些取值变化小的特征，然后再从接下来提到的特征选择方法中选择合适的进行进一步的特征选择。
2 单变量特征选择Univariate feature selection 单变量特征选择能够对每一个特征进行测试，衡量该特征和响应变量之间的关系，根据得分扔掉不好的特征。对于回归和分类问题可以采用卡方检验等方式对特征进行测试。 这种方法比较简单，易于运行，易于理解，通常对于理解数据有较好的效果（但对特征优化、提高泛化能力来说不一定有效）；这种方法有许多改进的版本、变种。 2.1 Pearson相关系数Pearson Correlation 皮尔森相关系数是一种最简单的，能帮助理解特征和响应变量之间关系的方法，该方法衡量的是变量之间的线性相关性，结果的取值区间为[-1，1]，-1表示完全的负相关(这个变量下降，那个就会上升)，+1表示完全的正相关，0表示没有线性相关。 Pearson Correlation速度快、易于计算，经常在拿到数据(经过清洗和特征提取之后的)之后第一时间就执行。 Pearson相关系数的一个明显缺陷是，作为特征排序机制，他只对线性关系敏感。如果关系是非线性的，即便两个变量具有一一对应的关系， Pearson相关性也可能会接近0。 2.2 互信息和最大信息系数Mutual information and maximal information coefficient (MIC)
AHP层次分析法详细讲解
AHP层次分析法详细讲解 。它是一种定性和定量相结合的、系统化、层次化的分析方法。由于它在处理复杂的决策问题上的实用性和有效性很快在世界范围得到重视。它的应用已遍及经济计划和管理、能源政策和分配、行为科学、军事指挥、运输、农业、教育、人才、医疗和环境等领域。 层次分析法的基本思路与人对一个复杂的决策问题的思维、判断过程大体上是一样的。不妨用假期旅游为例假如有3个旅游胜地A、B、C供你选择你会根据诸如景色、费用和居住、饮食、旅途等一些准则去反复比较这3个候选地点首先你会确定这些准则在你的心目中各占多大比重如果你经济宽绰、醉心旅游自然分别看重景色而平素俭朴或手头拮据的人则会优先考虑费用中老年旅游者还会对居住、饮食等寄以较大关注。其次你会就每一个准则将3个地点进行对比譬如A 景色最好B次之B费用最低C次之C居住等较好等等。最后你要将这两个层次的比较判断进行综合在A、B、C中确定哪个作为最佳地点。 层次分析法的基本步骤 1、建立层次结构模型。在深入分析实际问题的基础上将有关的各个因素按照不同属性自上而下 2 / 8 AHP指南-层次分析法详解地分解成若干层次同一层的诸因素从属于上一层的因素或对上层因素有影响同时又支配下一层的因素或受到下层因素的作用。最上层为目标层通常只有1个因素最下层通常为方案或对象层中间可以有一个或几个层次通常为准则或指标层。当准则过多时譬如多于9个应进一步分解出子准则层。 2、构造成对比较阵。从层次结构模型的第2层开始对于从属于或影响上一层每个因素的同一层诸因素用成对比较法和1—9比较尺度构追成对比较阵直到最下层。 3、计算权向量并做一致性检验。对于每一个成对比较阵计算最大特征根及对应特征向量利用一致性指标、随机一致性指标和一致性比率做一致性检验。若检验通过特征向量归一化后即为权向量若不通过需重新构追成对比较阵。 4、计算组合权向量并做组合一致性检验。计算最下层对目标的组合权向量并根据公式做组合一致性检验若检验通过则可按照组合权向量表示的结果进行决策否则需要重新考虑模型或重新构造那些一致性比率较大的成对比较阵。 层次分析法的优点运用层次分析法有很多优点其中最重要的一点就是简单明了。层次分析法不仅适用于存在不确定性和主观信息的情况还允许以合乎逻辑的方式运用经验、洞察力和直觉。也许层次分析法最大的优点是提出了层次本身它使得买方能够认真地考虑和衡量指标的相对重要性。 建立层次结构模型将问题包含的因素分层最高层解决问题的目的中间层实现总目标而采取的各种措施、必须考虑的准则等。也可称策略层、约束层、准则层等最低层用于解决问题的各种措施、方案等。把各种所要考虑的因素放在适当的层次内。用层次结构图清晰地表达这些因素的关系。 〔例1〕购物模型某一个顾客选购电视机时对市场正在出售的四种电视机考虑了八项准则作为评估依据建立层次分析模型如下 3 / 8 AHP指南-层次分析法详解〔例2〕选拔干部模型对三个干部候选人y1、y2 、y3按选拔干部的五个标准品德、才能、资历、年龄和群众关系构成如下层次分析模型假设有三个干部候选人y1、y2 、y3按选拔干部的五个标准品德才能资历年龄和群众关系构成如下层次分析模型构造成对比较矩阵比较第 i 个元素与第 j 个元素相对上一层某个因素的重要性时使用数量化的相对权重aij来描述。设共有 n 个元素参与比较则称为成对比较矩阵。
系统工程层次分析法
关于春运回家交通工具选择的问题分析 管理学院工商0801班 组员：袁密0802050101 贺宁宁0802050102 刘丹0802050103 常飞0802050104 吕婷0802050105 王莉0802050106
关于春运回家交通工具的选择问题分析 摘要：我们主要针对春节期间农民工、大学生等回家交通工具的选择问题进行分析，运用解释结构模型找出影响我们选择的因素，然后利用层次分析法确定评价方案的权重，最后利用模糊评价法对方案进行评价，最后针对不同的群体确定选用何种交通工具最优。 关键字：交通工具影响因素分析评价 背景：“春运”被誉为人类历史上规模最大的、周期性的人类大迁徙。在40天左右的时间里，将有20多亿人次的人口流动，占世界人口的1/3。中国春运入选中国世界纪录协会世界上最大的周期性运输高峰，创造了多项世界之最、中国之最。 春运是中国大陆在农历春节前后发生的一种大规模的高交通运输压力的现象，春运期间客流量巨大。 层次分析法的基本原理是将复杂的选择问题，分解成各组成要素，将这些要素按支配关系分组形成递阶层次结构，通过两两比较的方式确定层次中各要素的相对重要性，然后综合决策者的判断确定决策方案相对重要性的总的排序，从而做出选择和判断。 随着经济的发展，我国大部分农村地区的青壮年外出打工的人数越来越多，以及日益增多的大学生等，春节快到的时候，大家都要回家与家人团聚，由于需求增多，买票越来越难，所以乘坐何种交通工具成了我们必须面对的问题，为此，我们对交通工具的选择进行了探讨。 一、确定研究对象 外出务工的农民工、大学生等需要回家过年的人群。 二、系统评价的方法和步骤 （一）评价的目的：在春运期间选择回家的交通工具时，通过我们的系统评价，为不同的决策者提供有益的参考信息。 （二）评价的立场：作为外出求学的大学生，每逢春节，我们也会面临选择何种最适合我们交通工具，站在大多数春节期间需要回家的人群的立场上，等对此问题展开分析。 （三）评价指标： 1.安全 2．舒适程度 3．速度 4．价格 （四）评价方案： 1．火车 2．汽车 3．飞机
数据降维方法分析与研究_吴晓婷
收稿日期:2008211226;修回日期:2009201224 基金项目:国家自然科学基金资助项目(60372071);中国科学院自动化研究所复杂系统与智能科学重点实验室开放课题基金资助项目(20070101);辽宁省教育厅高等学校科学研究基金资助项目(2004C031) 作者简介:吴晓婷(19852),女(蒙古族),内蒙古呼伦贝尔人,硕士研究生,主要研究方向为数据降维、模式识别等(xiaoting wu85@hot m ail . com );闫德勤(19622),男,博士,主要研究方向为模式识别、数字水印和数据挖掘等. 数据降维方法分析与研究 3 吴晓婷,闫德勤 (辽宁师范大学计算机与信息技术学院,辽宁大连116081) 摘 要:全面总结现有的数据降维方法,对具有代表性的降维方法进行了系统分类,详细地阐述了典型的降维方法,并从算法的时间复杂度和优缺点两方面对这些算法进行了深入的分析和比较。最后提出了数据降维中仍待解决的问题。 关键词:数据降维;主成分分析;局部线性嵌入;等度规映射;计算复杂度 中图分类号:TP301 文献标志码:A 文章编号:100123695(2009)0822832204 doi:10.3969/j .jssn .100123695.2009.08.008 Analysis and research on method of data dimensi onality reducti on WU Xiao 2ting,Y AN De 2qin (School of Co m puter &Infor m ation Technology,L iaoning N or m al U niversity,D alian L iaoning 116081,China ) Abstract:This paper gave a comp rehensive su mmarizati on of existing di m ensi onality reducti on methods,as well as made a classificati on t o the rep resentative methods systematically and described s ome typ ical methods in detail.Further more,it deep ly analyzed and compared these methods by their computati onal comp lexity and their advantages and disadvantages .Finally,it p r oposed the crucial p r oble m s which needed t o be res olved in future work in data di m ensi onality reducti on . Key words:data di m ensi onality reducti on;p rinci pal component analysis (PCA );l ocally linear e mbedding (LLE );is ometric mapp ing;computati onal comp lexity 近年来,数据降维在许多领域起着越来越重要的作用。通过数据降维可以减轻维数灾难和高维空间中其他不相关属性,从而促进高维数据的分类、可视化及压缩。所谓数据降维是指通过线性或非线性映射将样本从高维空间映射到低维空间,从而获得高维数据的一个有意义的低维表示的过程。数据降维的数学描述如下:a )X ={x i }N i =1是D 维空间中的一个样本集, Y ={y i }N i =1是d (d < 层次分析法(AHP) AHP(Analytic Hierarchy Process)方法，是由20世纪70年代由美国著名运筹学学家T.L.Satty提出的。它是指将决策问题的有关元素分解成目标、准则、方案等层次，在此基础上进行定性分析和定量分析的一种决策方法。这一方法的特点，是在对复杂决策问题的本质、影响因素及其内在关系等进行深入分析之后，构建一个层次结构模型，然后利用较少的定量信息，把决策的思维过程数学化，从而为求解多准则或无结构特性的复杂决策问题提供了一种简便的决策方法。 AHP十分适用于具有定性的，或定性定量兼有的决策分析。这是一种十分有效的系统分析和科学决策方法，现在已广泛地应用在企业信用评级、经济管理规划、能源开发利用与资源分析、城市产业规划、企业管理、人才预测、科研管理、交通运输、水资源分析利用等方面。 一、递阶层次结构的建立 一般来说，可以将层次分为三种类型： （1）最高层：只包含一个元素，表示决策分析的总目标，因此也称为总目标层。 （2）中间层：包含若干层元素，表示实现总目标所涉及的各子目标，包含各种准则、约束、策略等，因此也称为目标层。 （3）最低层：表示实现各决策目标的可行方案、措施等，也称为方案层。 典型的递阶层次结构如下： 一个好的递阶层次结构对解决问题极为重要，因此在建立递阶层次结构时，应注意到： （1）从上到下顺序地存在支配关系，用直线段（作用线）表示上一层次因素与下一层次因素之间的关系，同一层次及不相邻元素之间不存在支配关系。 （2）整个结构不受层次限制。 （3）最高层只有一个因素，每个因素所支配元素一般不超过9个，元素过多可进一步分层。 （4）对某些具有子层次结构可引入虚元素，使之成为典型递阶层次结构。 二、构造比较判断矩阵 设有m个目标（方案或元素），根据某一准则，将这m个目标两两进行比较，把第i个目标（i=1,2,…,m）对第j个目标的相对重要性记为a ij，(j=1,2,…,m)，这样构造的m阶矩阵用于求解各个目标关于某准则的优先权重，成为权重解析判断矩阵， 用层次分析法处理近途旅游问题 “江南好，风景旧曾谙；日出江花红胜火，春来江水绿如蓝。能不忆江南?”每每颂吟着白居易的这首千古名句，总会把我们的思绪引到那风景如画的江南古镇和隐隐回绕的亭榭水乡……那里河湖交错、水网纵横；小桥流水、曲径回廊；吴侬细语、江南丝竹，可谓如诗如画、别有韵味。 散发着浓郁的江南文化的乌镇，可以说是江南古城的缩影。踏着清冷的石板，信步于幽深的街巷和古老的民居中，你就会觉得自己好像走进了一部地域文化的线装书，让你在淡泊、幽思中品读。 被誉为神州第一水乡的周庄因河成街，呈现一派古朴、明洁的幽静，是江南典型的“小桥、流水、人家”。桥街相连，依河筑屋，小船轻摇，绿影婆娑。虽历经900多年的沧桑，仍完整地保存着原有的水乡老街的风貌和格局，宛如一颗镶嵌在淀山湖畔的明珠。 从传统角度来看，旅游的构成要素为旅游的费用，旅途的便捷，行程的长短，景点的经济及其历史影响。旅游景点的中和评价是一种为旅游者提供直接或间接旅行服务所产生的客观指导，它是随着景点综合评估的变化而产生和发展的，是游客不可缺少的物质条件之一，同时也具有为旅游者提供物质与精神享受的功能。 近年来对于长江三角洲区域旅游的研究成为一个热点，该地区凭借自身良好的经济、区位和资源优势，旅游业发展如火如荼。从经济地理意义上来讲，长江三角洲范围包括15个市即上海、江苏的苏南苏中8市和浙江的北部6市．上海则可以说是长江三角洲区域的交道枢纽。本文主要针对以上海为中心的长三角近途旅游（江南古镇群）进行研究。 1.层次分析法(analytic hierarchy process) AHP是美国著名运筹学家Saaty1977年正式提出的。它是一种实用的多准则决策方法。它把—个复杂问题表示为一十有序的递阶层次结构利用人们的判断，对决策方案的优劣进行排序。这种方法能够统一处理决策中的定性与定量因素， 第9章非线性问题的有限单元法 9.1 非线性问题概述 前面章节讨论的都是线性问题，但在很多实际问题中，线弹性力学中的基本方程已不能满足，需要用非线性有限单元法。非线性问题的基本特征是变化的结构刚度，它可以分为三大类：材料非线性、几何非线性、状态非线性。 1. 材料非线性(塑性, 超弹性, 蠕变) 材料非线性指的是材料的物理定律是非线性的。它又可分为非线性弹性问题和非线性弹塑性问题两大类。例如在结构的形状有不连续变化（如缺口、裂纹等）的部位存在应力集中，当外载荷到达一定数值时该部位首先进入塑性，这时在该部位线弹性的应力应变关系不再适用，虽然结构的其他大部分区域仍保持弹性。 2. 几何非线性(大应变, 大挠度, 应力刚化) 几何非线性是有结构变形的大位移引起的。例如钓鱼杆，在轻微的垂向载荷作用下，会产生很大的变形。随着垂向载荷的增加，杆不断的弯曲，以至于动力臂明显减少，结构刚度增加。 3. 状态非线性(接触, 单元死活) 状态非线性是一种与状态相关的非线性行为。例如，只承受张力的电缆的松弛与张紧；轴承与轴承套的接触与脱开；冻土的冻结与融化。这些系统的刚度随着它们状态的变化而发生显著变化。 9.2 非线性有限元问题的求解方法 对于线性方程组，由于刚度方程是常数矩阵，可以直接求解，但对于非线性方程组，由于刚度方程是某个未知量的函数则不能直接求解。以下将简要介绍借助于重复求解线性方程组以得到非线性方程组解答的一些常用方法。 1.迭代法 迭代法与直接法不同，它不是求方程组的直接解，而是用某一近似值代人，逐步迭代，使近似值逐渐逼近，当达到允许的规定误差时，就取这些近似值为方程组的解。 与直接法相比，迭代法的计算程序较简单，但迭代法耗用的机时较直接法长。它不必存贮带宽以内的零元素，因此存贮量大大减少，且计算中舍入误差的积累也较小。以平面问题 为例，迭代法的存贮量一般只需直接法的14左右。在求解非线性方程组时，一般采用迭代 法。 2. 牛顿—拉斐逊方法 ANSYS程序的方程求解器计算一系列的联立线性方程来预测工程系统的响应。然而，非线性结构的行为不能直接用这样一系列的线性方程表示。需要一系列的带校正的线性近似来求解非线性问题。 一种近似的非线性救求解是将载荷分成一系列的载荷增量，即逐步递增载荷和平衡迭代。它可以在几个载荷步内或者在一个载荷步的几个子步内施加载荷增量。在每一个增量的 系统工程课程总结 一.知识梳理 第一章: 1.早期的系统思想具有”只见森林”和比较抽象的特点.15世纪以后的系统思想具有”只见树木”和比较具体化的特点.19世纪自然科学取得巨大成就,尤其是能量转化,细胞学说,进化论这三 大发现,这个阶段的系统思想具有”先见森林,后见树木”的特点. 2.信息论是研究信息的提取,变换,存储与流通等特点和规律的理论. 3.中国学者在系统工程领域的代表作有钱学森的《工程控制论》，华罗庚的《统筹法》和许国志的《运筹学》。 4.系统工程的研究对象是组织化的大规模复杂系统。 5.系统是由两个以上有机联系，相互作用的要素组成，具有特定的功能，结构和环境的整体。该定义有以下四个要点：①系统及其要素②系统和环境③系统的结构④系统的功能 6.系统的一般属性：①整体性②关系统联性③环境适应性 7.大规模复杂系统的特点：①系统的功能和属性多样②系统通常由多维且不通质的要素构成③一般为人—机系统，而人及其组织或群体表现出固有的复杂性④由要素间相互作用关系所形成的系统结构日益复杂化和动态化⑤具有规模庞大和经济性突出等特点。 8.系统的类型：①自然系统和人造系统②实体系统和概念系统③动态系统和静态系统④封闭系统和开放系统（封闭系统是指系统和环境之间没有物质，能量和信息的交换，因而呈现出一种封闭状态的系统） 9.系统工程：用定量和定性相结合的系统思想和方法处理大型复杂系统的问题，无论是系统的设计或组织建立，还是系统的经营管理，都可以统一的看成是一类工程实践，统称为系统工程。 10.软件工程处理的对象主要是信息，着重为决策服务。 第二章： 11.系统工程方法论：就是分析和解决系统开发，运作及管理实践中的问题所应遵循的工作 程序，逻辑步骤和基本方法。 12.霍尔三维结构是由美国学者A.D.霍尔等人在大量工程实践的基础上，于1969年提出的。霍尔三维结构集中体现了系统工程方法的系统化，综合化，最优化，程序化和标准化等特点。 13.霍尔三维结构：①时间维②逻辑维③知识维（专业维） ▲时间维表示系统工程的工作阶段或进程。系统工程工作整个过程或寿命周期分为七个阶段：①规划阶段②设计阶段③分析或研制阶段④运筹或生产阶段⑤系统实施或“安装”阶段⑥运行阶段⑦更新阶段。其中规划，设计与分析或研制阶段共同构成系统的开发阶段。 ▲逻辑维是指系统工程每个阶段工作所应遵循的逻辑顺序和工作步骤。一般分为：①摆明问题②系统设计③系统综合④模型化⑤最优化⑥决策⑦实施计划 ▲知识维的内容表征从事系统工程工程工作所需要的知识。 霍尔三维结构强调明确目标，核心是最优化。 14.切克兰德方法论的主要内容：①认识问题②根底定义③建立概念模型④比较及探寻⑤ 选择⑥设计与实施⑦评估与反馈 切克兰德方法论的核心是“比较与探寻” 15.系统分析概念：是运用建模及预测，优化，仿真，评价等技术对系统的各有关方面进行 机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数f:x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。y是数据点映射后的低维向量表达，通常y的维度小于x的维度（当然提高维度也是可以的）。f可能是显式的或隐式的、线性的或非线性的。 目前大部分降维算法处理向量表达的数据，也有一些降维算法处理高阶张量表达的数据。之所以使用降维后的数据表示是因为在原始的高维空间中，包含有冗余信息以及噪音信息，在实际应用例如图像识别中造成了误差，降低了准确率；而通过降维,我们希望减少冗余信息所造成的误差,提高识别（或其他应用）的精度。又或者希望通过降维算法来寻找数据内部的本质结构特征。 在很多算法中，降维算法成为了数据预处理的一部分，如PCA。事实上，有一些算法如果没有降维预处理，其实是很难得到很好的效果的。 主成分分析算法（PCA） Principal Component Analysis(PCA)是最常用的线性降维方法，它的目标是通过某种线性投影，将高维的数据映射到低维的空间中表示，并期望在所投影的维度上数据的方差最大，以此使用较少的数据维度，同时保留住较多的原数据点的特性。 通俗的理解，如果把所有的点都映射到一起，那么几乎所有的信息（如点和点之间的距离关系）都丢失了，而如果映射后方差尽可能的大，那么数据点则会分散开来，以此来保留更多的信息。可以证明，PCA是丢失原始数据信息最少的一种线性降维方式。（实际上就是最接近原始数据，但是PCA并不试图去探索数据内在结构） 设n维向量w为目标子空间的一个坐标轴方向（称为映射向量），最大化数据 映射后的方差，有： Ξ 求解温度场的非线性有限元方法 刘福来1, 杜瑞燕2 (1.东北大学信息科学与工程学院,辽宁沈阳 110004;2.河北青年干部管理学院教务处,河北石家庄 050031) 摘要:从G alerkin 有限元方法出发,对自由表面上的辐射换热的数学表达式不作线性化处理,而是把温 度场的求解问题转化为非线性代数方程组的求解问题,并且用Newton 迭代法计算了温度场. 关键词:温度场;有限元方法;Newton 迭代法 中图分类号:O 242.21 文献标识码:A 文章编号:100025854(2005)0120021204 由文献[1]知,求解二维待轧过程的温度场,就是要求下面微分方程和初值问题的解: 52T 5 x 2+52T 5y 2=1α5T 5t ;(1) -k 5T 5n =0,(x ,y )∈S 2; (2) -k 5T 5n =σεA (T 4-T 4 ∞),(x ,y )∈S 3; (3) T (x ,y ,0)=T 0(x ,y ). (4)其中:α=λ ρc 称为导温系数,λ,ρ和c 分别为热导系数、密度和比热;S 2为给出热流强度Q 的边界面; T ∞为环境温度;S 3为给出热损失的边界面.对轧制问题的温度场,常常考虑的几种边界面[1] 是:对称 面、自由表面和轧件与轧辊的接触面.在辐射面上,边界条件的数学表达式为σεA (T 4-T 4 ∞)(其中:σ为 Stefan 2Boltzmann 常数,ε为物体表面黑度,A 为辐射面积,T ∞为环境温度)是温度T 的4次幂,具有强 烈的非线性.以往在实际计算中有2种处理方法[2],一种是简化问题的物理模型,有时将表达式看成常 数,有时将边界条件转化成h r A (T -T ∞)(其中h r =σ ε(T 2+T 2∞)(T +T ∞)),在轧制问题中求解温度场时文献[1,3]都采用了这一方法;另一种是处理问题的数学方法,即用近似方法求解非线性的偏微分方程问题.例如,用数值分析的方法,文献[4]中利用了差分方法. 本文中,笔者从G alerkin 有限元法出发,对自由表面上辐射换热的数学表达式不作线性处理,而是直接对非线性代数方程组用Newton 迭代法计算温度场,以二维待轧过程温度场的有限元解析进行讨论.1 G alerkin 有限元方法简介 将待求解区域Ω剖分为E 个单元,每个单元4个节点.设N i 是形函数(i =1,2,3,4),用4节点线性等参单元,则单元内的温度为 T e =N 1T 1+N 2T 2+N 3T 3+N 4T 4={N }T {T}e , (5) 其中:{N }=(N 1,N 2,N 3,N 4)T ;{T}e =(T 1,T 2,T 3,T 4)T .设ω1,ω2,…,ωn 是一组基函数,用 G alerkin 方法求方程(1)～(4)的解,实际上是求c 1,c 2,…,c n ,使T n =c 1ω1+c 2ω2+…+c n ωn 满足 κ Ω ρc 5T n 5t -k 52T n 5x 2+ 52T n 5y 2 ωi d x d y =0,i =1,2,…,n. (6) 对式(6)应用Green 公式,有 Ξ收稿日期:2004 0105;修回日期:20040420 作者简介:刘福来(1975),男,河北省唐山市人,东北大学博士研究生. 第29卷第1期2005年 1月河北师范大学学报(自然科学版) Journal of Hebei Normal University (Natural Science Edition )Vol.29No.1Jan.2005 8.3.2 层次分析法的计算步骤 一、建立层次结构模型 运用AHP进行系统分析，首先要将所包含的因素分组，每一组作为一个层次，把问题条理化、层次化，构造层次分析的结构模型。这些层次大体上可分为3类 1、最高层：在这一层次中只有一个元素，一般是分析问题的预定目标或理想结果，因此又称目标层； 2、中间层：这一层次包括了为实现目标所涉及的中间环节，它可由若干个层次组成，包括所需要考虑的准则，子准则，因此又称为准则层； 3、最底层：表示为实现目标可供选择的各种措施、决策、方案等，因此又称为措施层或方案层。 层次分析结构中各项称为此结构模型中的元素，这里要注意，层次之间的支配关系不一定是完全的，即可以有元素（非底层元素）并不支配下一层次的所有元素而只支配其中部分元素。这种自上而下的支配关系所形成的层次结构，我们称之为递阶层次结构。 递阶层次结构中的层次数与问题的复杂程度及分析的详尽程度有关，一般可不受限制。为了避免由于支配的元素过多而给两两比较判断带来困难，每层次中各元素所支配的元素一般地不要超过9个，若多于9个时，可将该层次再划分为若干子层。 例如，大学毕业的选择问题，毕业生需要从收入、社会地位及发展机会方面考虑是否留校工作、读研究生、到某公司或当公务员，这些关系可以将其划分为如图8.1所示的层次结构模型。 图8.1 再如，国家综合实力比较的层次结构模型如图6 .2： 图6 .2 图中，最高层表示解决问题的目的，即应用AHP所要达到的目标；中间层表示采用某种措施和政策来实现预定目标所涉及的中间环节，一般又分为策略层、约束层、准则层等；最低层表示解决问题的措施或政策（即方案）。 然后，用连线表明上一层因素与下一层的联系。如果某个因素与下一层所有因素均有联系，那么称这个因素与下一层存在完全层次关系。有时存在不完全层次关系，即某个因素只与下一层次的部分因素有联系。层次之间可以建立子层次。子层次从属于主层次的某个因素。它的因素与下一层次的因素有联系，但不形成独立层次，层次结构模型往往有结构模型表示。 二、构造判断矩阵 任何系统分析都以一定的信息为基础。AHP的信息基础主要是人们对每一层次各因素的相对重要性给出的判断，这些判断用数值表示出来，写成矩阵形式就是判断矩阵。判断矩阵是AHP工作的出发点，构造判断矩阵是AHP的关键一步。 当上、下层之间关系被确定之后，需确定与上层某元素（目标A或某个准则Z）相联系的下层各元素在上层元素Z之中所占的比重。 假定A层中因素Ak与下一层次中因素B1，B2，…，Bn有联系，则我们构造的判断矩阵如表8.16所示。 表8.16 判断距阵 Ak B1 B2 …Bn层次分析法步骤解析—根法、和法、幂法
系统工程论文层次分析法
第9章 非线性问题的有限单元法
系统工程课程总结
四大机器学习降维算法：PCA、LDA、LLE、LAPLACIAN EIGENMAPS
求解温度场的非线性有限元方法
层次分析法的计算步骤