团体沙盘游戏疗法在大学新生适应问题干预中的应用

团体沙盘游戏疗法是沙盘疗法的一个组成部分,因其独特的教育和治疗功能,特别适合大学新生适应性训练。本文针对大学新生自我认识、情绪管理、人际关系等适应性问题,利用团体沙盘游戏进行了干预研究,取得了很好的教育效果。     

论体育教学活动中学生创新精神的培养

目前,创新教育已成为素质教育的核心。课堂教学是培养学生的创新精神和实践能力的主渠道。在课堂教学中应引导、启发学生勤于思考、积极探索、交流合作、勇于实践,逐步培养学生的创新意识,增强学生的动手实践能力,促进学生身心健康发展。在体育教学中,对学生创新精神的培养尤为重要。本文针对目前体育教学中学生创新精神的培养进行分析,以期能够为体育教学改革提供有益的参考。     

一种基于改进的ROUSTIDA算法的数据补齐方法

针对ROUSTIDA数据补齐方法存在的问题,提出了一种改进的ROUSTIDA数据补齐方法.该方法首先将条件属性与决策属性区分对待,优先填补决策属性值,避免了不一致决策表的产生;然后,在决策属性相同的前提下填补条件属性缺失值,扩展了原算法的使用范围;最后,通过一个实例说明改进算法补齐后的决策表的确能够获得更集中的决策规则...     

模糊推理与多重结构神经网络在信息系统安全风险评估中的应用

针对信息系统安全风险评估中风险因素的模糊不确定性及风险因素闻的潜在关联性,提出了一种结合模糊理论与神经网络的评估方法.利用模糊聚类的方法将因素的评价集分为5类,运用三角模糊数对评价集语言变量进行模糊化处理;基于历史经验,借助模糊神经网络强大的自适应能力与非线性映射能力.对信息系统进行安全风险评估,有效降低了评估的随机性...     

DLX虚拟处理器流水线性能分析

介绍了DLX虚拟处理器的结构特征和流水线处理机的工作原理,通过矩阵乘法运算实例模拟了程序在DLX虚拟处理器中的流水执行过程,并利用DLX的统计分析工具对流水线的性能进行对比分析,提出了流水线处理过程中潜在问题的解决方法,为设计和改进流水线结构及提高流水线处理机中算法的执行效率提供了参考依据。     

基于虚拟样机技术的某型坦克炮炮身模态分析

加长身管是坦克炮提高弹丸的初速和火炮威力的常用手段,但该措施也使得坦克炮炮身动态特性发生变化,若设计不合理将使其射击密集度超出可控的范围.因此,掌握坦克炮炮身的振动特性并使其固有振动频率合理分布是坦克炮发射动力学和动态设计研究的重要内容之一.在分析了坦克炮身管振动对射击密集度的影响的基础上,建立了某型加长身管坦克炮的有...     

基于最小负载的相控阵雷达自适应数据率更新算法

提出了一种基于最小负载的相控阵雷达自适应数据率更新算法.该算法基于交互多模型(IMM),以雷达负载最小为准则,推导出新息协方差矩阵和时间间隔T的函数关系,通过求取该函数在一定范围内的极小值,得到使雷达负载最小的时间间隔.仿真结果证明了该算法能够保持雷达负载最小的条件下,根据目标的运动情况自适应的改变跟踪时间间隔,目标机动时预测误差明显小于固定时间间隔目标跟踪算法.     

地空反辐射导弹武器系统作战效能影响评估模型

地空反辐射导弹武器系统融入战术防空体系对防空作战效能的影响如何定量评估是作战运用研究的重要问题。采用阶段概率分析法建立了打击空袭方预警机、电子干扰机对防空作战效能和我方航空兵突击作战效能影响评估模型,通过计算可得出定量数据供作战研究参考。实例计算结果表明地空反辐射导弹武器系统将能极大地提高防空导弹体系作战效能,对于获取防对抗中的信息优势将发挥举足轻重的作用,对地面防空由被动防御向攻防兼备转型将其有重大意义。     

运动激光辐照圆柱薄壳温度场的数值模拟

对圆柱薄壳在四种不同运动模式激光源辐照下的温度场分布进行了分析研究。运用傅立叶级数展开法推导了在不同运动模式激光源作用下圆柱薄壳温度场的解析表达式,并对该解析表达式进行了编程计算,其计算结果与有限元解吻合良好。详细分析了旋转角速度与平动速度对圆柱壳温升分布的影响,发现在往复运动加热模式下光斑区域的温升变化最为剧烈。计算结果为导弹的抗激光辐射提供了理论依据。     

Using stochastic programming to solve an outpatient appointment scheduling problem with random service and arrival times

We study a stochastic outpatient appointment scheduling problem (SOASP) in which we need to design a schedule and an adaptive rescheduling (i.e., resequencing or declining) policy for a set of patients. Each patient has a known type and associated probability distributions of random service duration and random arrival time. Finding a provably optimal solution to this problem requires solving a multistage stochastic mixed‐integer program (MSMIP) with a schedule optimization problem solved at each stage, determining the optimal rescheduling policy over the various random service durations and arrival times. In recognition that this MSMIP is intractable, we first consider a two‐stage model (TSM) that relaxes the nonanticipativity constraints of MSMIP and so yields a lower bound. Second, we derive a set of valid inequalities to strengthen and improve the solvability of the TSM formulation. Third, we obtain an upper bound for the MSMIP by solving the TSM under the feasible (and easily implementable) appointment order (AO) policy, which requires that patients are served in the order of their scheduled appointments, independent of their actual arrival times. Fourth, we propose a Monte Carlo approach to evaluate the relative gap between the MSMIP upper and lower bounds. Finally, in a series of numerical experiments, we show that these two bounds are very close in a wide range of SOASP instances, demonstrating the near‐optimality of the AO policy. We also identify parameter settings that result in a large gap in between these two bounds. Accordingly, we propose an alternative policy based on neighbor‐swapping. We demonstrate that this alternative policy leads to a much tighter upper bound and significantly shrinks the gap.