任哲
- 作品数：25 被引量：111H指数：6
- 供职机构：合肥学院数理系更多>>
- 发文基金：安徽省高校省级自然科学研究项目安徽省教委自然科学基金安徽省高等学校优秀青年人才基金更多>>
- 相关领域：理学自动化与计算机技术环境科学与工程文化科学更多>>
- 关于污染线性回归模型参数估计的注记
- 2005年
- 文[1] 、[2] 研究了简单回归模型中响应变量受到另一随机变量序列污染时，模型参数和污染系数的估计方法，但在 利用误差的不同阶矩估计给出污染系数的估计时发生了错误。我们证明了这种方法是行不通的。
- 任哲
- 关键词：污染系数参数估计强相合矩方法
- NA样本下一般形式的密度估计被引量：4
- 2005年
- Campos和Dorea(2001)在独立同分布样本下讨论了一般形式的核密度估计,得到了与连续型密度和离散型密度类似的结果,并将他们作为特例.本文则在NA样本下给出了类似的结果.
- 任哲陈明华胡舒合
- 关键词：相合性渐近正态性
- 一种基于随机化均匀设计点集的遗传算法用于求解MVCP被引量：2
- 2010年
- 基于理想浓度模型的机理分析,利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行重新设计,并在分析图最小顶点覆盖问题特点的基础上,结合扫描-修正和局部改进策略,给出一个解决图最小顶点覆盖问题的遗传算法,称之为基于随机化均匀设计点集的遗传算法.通过将该算法与简单遗传算法和佳点集遗传算法进行求解图最小顶点覆盖问题的仿真模拟比较,可看出该算法提高求解的质量、速度和精度.
- 任哲周本达陈明华
- NA样本下半参数回归模型估计的强相合性被引量：8
- 2000年
- 考虑固定设计下的半参数回归模型 :yi=xiβ+ g(ti) + ei,i=1 ,2 ,… ,n,在 { ei}为 Eei=0 ,Ee2i=σ2i 的 NA序列时 ,得到了一类估计的强相合性 .
- 任哲陈明华
- 关键词：半参数回归模型NA序列强相合性NA样本
- 部分线性模型中参数估计的Bootstrap逼近被引量：1
- 2002年
- 考虑回归模型 :yi=xiβ+g(ti) +σiei,1≤ i≤ n.其中 σ2i=f(ui) ,(xi,ti,ui)是固定非随机设计点列 ,f (· )和 g(· )是未知函数 ,β是待估参数 ,ei 是随机误差 .对文 [1 ]给出的基于 g(· )及 f(· )的一类非参数估计的β的最小二乘估计β^ n和加权最小二乘估计βn,本文通过重抽样的方法构造了 β^n 和 βn 的 Bootstrap统计量 β^ *n 和 β*n .证明了在给定原样本的条件下 ,n (β^ *n -β^ n)和 n (β*n -β^ n)分别与 n (β^ n-β)和 n (βn-β)有相同的渐近分布 .
- 任哲胡舒合
- 关键词：部分线性模型参数估计渐近分布
- L—统计量的Bootstrap逼近的非一致性速度
- 1999年
- 文①中讨论了L一统计量的Bootstrap逼近的一致性速度,本文则研究了其非一致性速度.
- 任哲
- 关键词：L-统计量统计量BOOTSTRAP逼近
- LHS抽样遗传算法被引量：1
- 2010年
- 文献[1]研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用拉丁超立方体抽样(LHS)的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献[2]中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。
- 任哲陈明华
- 拉丁超立方体抽样遗传算法求解图的二划分问题被引量：4
- 2009年
- 图的二划分问题是一个典型的NP-hard组合优化问题,在许多领域都有重要应用.近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想.基于理想浓度模型的机理分析,利用拉丁超立方体抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在分析图二划分问题特点的基础上,结合局部搜索策略,给出了一个解决图二划分问题的新的遗传算法,称之为拉丁超立方体抽样遗传算法.通过将该算法与简单遗传算法和佳点集遗传算法进行求解图二划分问题的仿真模拟比较,可以看出新的算法提高了求解的质量、速度和精度.
- 陈明华任哲周本达
- 关键词：遗传算法
- 随机化均匀设计遗传算法被引量：4
- 2010年
- 众所周知,遗传算法的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向.以此结论为基础.利用随机化均匀设计的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为随机化均匀设计遗传算法.最后将随机化均匀设计遗传算法应用于求解函数优化问题,并与简单遗传算法和佳点集遗传算法进行比较.通过模拟比较,可以看出新的算法不但提高了算法的速度和精度,而且避免了其它方法常有的早期收敛现象,
- 陈明华周本达任哲
- 均匀设计抽样混合遗传算法求解图的二划分问题被引量：1
- 2008年
- 遗传算法(GA)的运行机理及特点是具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用均匀设计抽样(UDS)的理论和方法,对遗传算法中的交叉操作进行重新设计,并在分析图二划分问题特点的基础上,结合局部搜索策略,给出了一个求解图二划分问题的新遗传算法,称之为基于均匀设计抽样的混合遗传算法。最后将该算法与简单遗传算法和佳点集遗传算法进行比较。通过模拟比较,可以看出新算法不但提高了算法的求解速度和精度,而且避免了常有的早期收敛现象。
- 周本达陈明华任哲
- 关键词：遗传算法
