一类随机逼近问题的最优迭代次数分配*

本文考虑一类各分量相对独立的多维随机逼近问题。从最小渐近方差的要求出发,分析出各分量最优迭代次数分配比例,并给出实现这种迭代次数分配的策略及策略参数的适应性的递推估计公式。     

深切缅怀中科院成都数理室的缔造者关肇直先生

<正>2019年是数学大师关肇直先生百年华诞.我们作为关先生缔造的中科院成都分院数理科学研究室的成员,曾蒙先生指导、教诲.尽管先生已离开我们37年,但他的学问、人品和高瞻远瞩科学见解,不仅历历在目,而且让我们终生受益.本文将回忆关先生创建中国科学院成都数理科学研究室的缘由和数理室发展经过,以表达我们对关先生的无限思念和崇敬.     

气井最优工作制度实时控制预报的统计方法

本文对气田开发中的一个重要问题——单井最优工作制度的实时控制,给出了定量分析方法。为便于实际使用,作者还编制了一个可在微机上使用的软件包,使用者只需稍加训练,便可利用这一软件包实现气井最优工作制度的实时控制,以及进行气井主要生产参数的近期预报及气井异常变化的预报。     

传感器网络中信息融合的几个基本问题

系统地阐述了传感器网络环境中几个基本而又重要的信息融合问题的最近进展，包括：最一般条件下全局最优的多传感器分布式统计判决；传感器观测数据或局部估计的最优维数压缩；一般条件下最优线性无偏估计融合公式及其有效算法；传感器观测噪声相关情形下动态系统的卡尔曼滤波融合；容错条件下的区间估计融合．这些结果对传感器网络的设计与应用具有重要意义．     

一类平稳高斯序列超过数点过程与部分和的联合极限分布

主要讨论了一类平稳高斯序列的超过数点过程与部分和的联合极限分布,同时说明了极值与部分和是渐近独立的。     

信息估计融合中的观测量化解决方案

在分布式无线传输网络中的估计问题,由于诸多限制条件,传输量十分有限,传感器只能传送有限的几个0-1码（bit）到融合中心,在此情况下完成多传感器估计融合。采用将区间划分,每一区间形成一个假设,规定假设之间合适的损失系数,将估计融合问题化为决策融合问题,运用成熟的决策融合的方法,对于现在研究还不成熟的估计融合传感器量化问题设计了一个解决方案,将决策融合的决策结果作为最终的估计,从而在观测被量化的条件下达到较优的估计效果。并用计算机模拟的例子对分析进行了验证。     

多传感器分布式区间估计融合

考虑了对未知参数θ的多传感器分布式区间估计融合问题. 建立了一种最优区间估计融合模型———凸线性组合融合, 并给出搜索最优权系数的Gauss Seidel迭代算法, 另外, 给出了一种近似的区间估计融合, 它能减少大量的计算量, 并且在某些情况下可以达到最优的估计性能. 最后采用计算机数值模拟, 用以上方法得到的融合区间估计均优于每个传感器的区间估计的性能.     

分布式多传感器决策系统融合律的等价类

在任何融合律定后最优传感器律能求得的假设下,我们分析了导致融合律之间等价性和优越性的条件,应用如上结果,欲获全局最优的系统性能,我们可以划分所有可能的融合律为若干等价类和比较某些等价类之间的性能,于是有价值的融合律等价类数目将大大减少,而且上面的分析并不依赖于观测数据的统计性质和优化系统性能的目标。