1) random partitioning
随机划分
2) Creating Random Groups
随机组划分
3) stochastic programming
随机规划
1.
On stochastic programming model with recourse and chance control;
机会可控的补偿随机规划模型
2.
Optimal Design of Integrated Logistics Networks for Hybrid Manufacturing/Remanufacturing Systems Based on Two-stage Stochastic Programming;
基于二阶段随机规划的制造/再制造集成物流网络优化设计
3.
The upper semiconvergence of the optimal solution set of approximations for stochastic programming;
随机规划逼近最优解集的上半收敛性
4) random programming
随机规划
1.
Approximation algorithm on relating probability restraint with two layer random programming problem;
具有概率约束的二层随机规划的逼近算法
5) stochastic program
随机规划
1.
On integrated chance constraints model of stochastic program;
随机规划的合成机会约束模型
2.
The stochastic program model of this problem is constructed.
研究了一类有时间约束、车辆数量不确定的随机车辆路径问题;建立了该类问题的随机规划数学模型;设计了模型求解的遗传算法、禁忌搜索算法和遗传-禁忌混合算法。
3.
Two-stage stochastic program with recourse (2S - SP) is an important kind of stochastic programs.
二(多)阶段有补偿问题是随机规划的一个重要分类,以往的研究多局限于讨论解的计算方法与实现。
6) stochastic programs
随机规划
1.
By Monte Carlo simulation-based approximations of the objective functionand its first derivative, an sequential systems of linear equations(SSLE) algorithm isproposed for the stochastic programs with recourse.
通过利用Monte Carlo 模拟方法近似目标函数及其梯度,给出了带有补偿的随机规划问题的一个序列线性方程组(简称SSLE)算法。
2.
Algorithms based on Monte Carlo sampling both of objective and constraint functions are presented for solving convex stochastic programs,and their convergence theorems are given.
基于对目标函数和约束函数的同时抽样,给出求解凸随机规划的Monte Carlo模拟的算法及其收敛性。
补充资料：随机区组试验
随机区组试验
randomized block expert-ment
随机区组试验(rand。mized bl。ek。xperi-ment)应用设置重复、局部控制和随机排列三个基本原则的试验设计方法。根据试验目的采取不同处理内容的独立单位称为试验单元。一个试验中出现两个以上相同试验单元的称为设置重复，出现的次数称为重复数。不同重复的数据变异是度量试验误差的依据。试验的标准误与重复数的平方根成反比，所以设置重复的作用在于估计试验误差和降低试验误差。按照重复数将试验划分为若干个局部，每个局部容纳不同处理的试验单元各一次称为局部控制。这个局部称为区组。区组内随机误差的变异小于整个试验，所以有利于降低误差。区组内各试验单元的排列位置不受主观因素的影响称为随机排列。随机排列使每个试验单元都有同等机会出现在区组内任何位置，因此可以用以概率论为理论基础的统计学方法，无偏地估计出试验误差。 方差分析模型处理平均数之间的差异需要进行显著性测验。只有两个试验单元的简单随机区组试验直接用t测验。多个试验单元的随机区组试验用两向分组的方差分析。单因素随机区组试验的方差分析以试验单元为行(;)、重复为列(j)构成两元表。每个试验观察值笋，的线性数学模型为: 多，一产+r，+P，+气(l)式(1)中产为总体平均;r.为试验单元的处理效应;P，为重复效应。处理效应和重复效应受乏毛一0及乏P，-o条件的约束。‘，为遵循正态分布N(o，时)的随机误差。 观察值y，少的线性数学模型是分解平方和与自由度的依据。总平方和及总自由度可根据变异来源分解为行、列、随机误差的平方和及自由度.从而求得各项相应的期望均方。肥料试验中行期望均方通常为肥料效应均方。肥料效应均方与随机误差均方之比即F比。F测验采用无效假设，假设肥料效应无效.即H。:石-0，相对应的备择假设为11;:r，笋。。当肥料效应r确定无效时.F值的数学期望值为1，无效假设成立。当F值大于1时，可根据出现实得F值的概率在一定信度水平下接受或否定无效假设。随机区组试验的线性数学模型随其设计内容而异，方差分析模型也有相应变化，但原理是相同的。 由于处理效应r的性质不同可分为固定模型和随机模型。固定模型为处理样本抽自特定的处理总体，其效应是固定的，肥料效应大多属于固定模型。随机模型目的在于研究效应的变异度，处理效应是随机变化的，长期定位肥料试验中气候因素属于随机模型。 经F测验处理效应之间存在显著差异后，还要对各处理平均值作多重比较。 单因素随机区组试验至少有两个试验单元，必须是单个因素的试验。某种养分的施肥量或施肥方法试验等大多采用单因素随机区组设计。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条