简介:将高山红景天多糖作用于转化生长因子β1(TGF-β1)诱导的A549细胞,观察细胞形态变化,MTT法测定其对细胞增殖的影响,WesternBlotting法及间接免疫荧光法测定细胞中间充质标志物Fibronectin-EDA(Fn-EDA)的表达变化.结果表明:高山红景天多糖可以抑制TGF-β1诱导的A549细胞凋亡;高山红景天多糖促进体外培养的TGF-β1诱导的A549细胞增殖;降低了TGF-β1诱导的A549细胞中Fn-EDA的表达;可以抑制TGF-β1诱导A549细胞向间充质细胞转化.研究结果显示高山红景天多糖可以明显改善体外诱导的肺组织细胞纤维化状态.
简介:假设保险盈余服从跳跃扩散过程,保险资金投资标的包括无风险资产和风险资产两部分,其中股票价格过程服从CEV模型.本文研究了一种终值财富期望指数效用最大化的最优化比例再保险投资问题.利用随机控制理论技术,得到比例再保险投资过程的HJB方程,并从理论上推导出了最优投资策略和价值函数的显示表达式.
简介:带柔性时间窗的开放式车辆路径问题(OpeningVehicleRoutingProblemwithFlexibleTimewin—dows,OVRPFTW)对物流配送中的延迟或者提早具有一定程度的容忍.本文首先建立了OVRPFTW的数学模型,然后分别将Sine映射,Chebyshev映射和Logistic映射引入基本蚁群算法,构建了三种混沌蚁群算法,并将其用于求解OVRPFTW.算倒测试表明:Sine映射和Chebyshev映射能够明显地改进基本蚁群算法的优化性能,基于Sine映射和Chebyshev映射的混沌蚁群算法的求解性能优于基本蚁群算法和基于Logistic映射的混沌蚁群算法.
简介:希尔伯特在巴黎国际数学家代表大会上发表演讲《数学问题》,并指出数学问题乃是数学前进的指路明灯.之后,问题解决成了国际教育改革的一个热点问题.问题解决的目的是提高学生解决实际问题的能力,而这种能力的培养是通过一系列创造性的思维活动过程来完成,其中就包括了直观思维.直观思维区别于逻辑思维,是数学教学过程中一种重要的思维方法,它是不经过逐步分析,而迅速对问题的答案作出合理猜测、设想和顿悟的一种跃进性思维,它是外界事物在人脑中的反应.数学问题的解决过程中,直观思维是一种主动的、自觉的或自动化的理解运用数学知识的态度和意识,它可以帮助学生用灵活的方法作出数学判断,针对数学问题的解决提出有效的策略.
简介:目前,随着电动汽车的普及,物流企业逐渐重视电动汽车的应用。本文考虑到电动汽车在实际应用中的行驶里程、充电耗时以及配送时间等因素,研究含时间窗的电动汽车车辆路径问题,建立了相应的混合整数规划模型,然后改进分支定价算法以求得其最优解。改进的分支定价算法首先根据Dantzig-Wolfe分解原理将原问题分解为基于路径的主问题(MP)和求最短路径的子问题,然后用列生成和动态规划算法在主问题和子问题之间进行迭代以求得主问题线性松弛后的最优解,最后采用基于弧的分支策略求得其整数解。通过用改进的Solomon算例的实验数据,与CPLEX比较验证了模型和算法结果的准确性,并对该问题进行了灵敏度分析,证明了本文提出的算法具有一定的应用价值。
简介:本文通过将定性分析与关系图描述相结合,提出H1:城镇化对经济发展具有显著正向促进作用、H2:城镇化可通过消费渠道影响经济发展、H3:城镇化可通过投资渠道影响经济发展、H4:城镇化可通过出口渠道影响经济发展四项研究假设。进一步,根据地区实际经济发展水平,将我国划分为发达与欠发达两类地区。设定经济发展变量PGDP为被解释变量,城镇化变量UR、城镇化与投资交互项变量UR×PFI、城镇化与消费交互项变量UR×HC和城镇化与出口交互项变量UR×PE为被解释变量,采用2000—2012年我国31个省市区的面板数据。基于单位根检验、协整关系检验、F检验、Hausman检验,建立个体固定效应模型,验证假设H1~H4在全国及两类地区是否成立。结果表明:H1、H2、H3假设在全国及两类地区均成立;H4假设仅在欠发达地区成立。基于研究结论,本文提出了相应的启示。
简介:随机需求库存-路径问题(StochasticDemandInventoryRoutingProblem,SDIRP)是典型的NP难题,也是实施供应商管理库存策略过程中的关键所在。文章通过引入固定分区策略(FixedPartitionPolicy,FPP),将SDIRP分解为若干个独立的子问题,并采用拉格朗日对偶理论以及次梯度算法确定最优的客户分区。在此基础上证明了各子问题的最优周期性策略由分区内各客户的(T,S)库存策略以及相应的最优旅行商路径构成,进而给出了客户需求服从泊松分布时求解最优(T,S)策略各参数的方程组,并设计了求解算法。最后,通过数值算例讨论了上述策略以及算法对于解决SDIRP的有效性。
简介:目的:1.比较并改善翼型参数化方法,获得设计变量少、拟合精度高的参数化方法;2.在参数化的基础上利用数值模拟的方法获取翼型流场参数,优化并获得特定条件下升阻比最大的翼型。创新点:1.通过与多项式拟合方法的对比证明了类别/形状函数转换(CST)法在翼型拟合方面的优越性,并通过调整控制点分布,在不增加设计变量的基础上改善了CST方法;2.通过建立响应面模型,利用多岛遗传算法与非线性序列二次规划法相结合的方式获得了更好的翼型优化效果。方法:1.利用修饰后的CST法对翼型进行参数化拟合与设计,并通过与二项式拟合法比较来验证其优越性;2.通过数值方法对翼型周围流场进行计算并与实验结果对比,获得精确计算气动参数的仿真条件;3.通过拉丁超立方采样获得设计变量,建立设计变量与翼型升阻比之间的响应面模型,通过多岛遗传算法与非线性序列二次规划法的结合和优化,得到一定条件下升阻比最大的翼型。结论:1.CST法是一种优秀的参数化方法,本文的优化改善了形状函数控制点选取法则,使其对翼型头部和尾部的描述更加精确;与多项式相比,CST法可以通过更少的设计变量得到更高的拟合精度。2.基于多岛遗传算法的非线性序列二次规划法在本文中用以优化翼型使其具有更高升阻比。优化前后翼型的比较显示,两种优化方法的结合可以得到比单独使用各优化方法更好的结果。
简介:AlphaGo以悬殊的比分战胜围棋世界冠军李世石迅速成为近期的新闻热点。这里我们暂不关心其中的技术细节(其中的数学知识无疑有待于你今后深入学习),而只关注它的决策生成原则。首先,AlphaGo为自己设定了一个全局的目标'WIN',局中每一步落子的决策并不一定是'当前局面下最好