一种优化的VMD算法及其在语音信号去噪中的应用

针对非连续、 非平稳语音信号中含有噪声的问题, 提出一种基于参数优化的变分模态分解去噪算法. 首先, 利用灰狼优化算法搜寻变分模态分解算法的最优分解参数组合——分解模态数K和惩罚因子α, 通过使用获得的参数组合分解语音信号以获得K个特征模态函数分量IMF; 其次, 利用相关系数选择有效模态分量, 并用小波阈值处理无效模态分量; 最后, 重构小波阈值处理后的模态分量和有效模态分量以对语音信号进行去噪. 实验结果表明, 该算法与其他经典算法相比能有效提升信噪比, 降低均方误差, 提高语音信号的质量.     

黄瓜钝绥螨对茶黄螨的功能反应

研究了黄瓜钝绥螨雌成螨对不同虫态茶黄螨的功能反应．结果表明：黄瓜钝绥螨雌成螨对茶黄螨卵、幼螨、静止期螨和雌成螨的功能反应均符合Holling方程Ⅱ型，搜寻效率α与处理时间Tb值各为0．1144，1．2433；0．4422，0．2243；0．2861，0．3577；0．4180，0．2676．黄瓜钝绥螨对茶黄螨各虫态均有很好的捕食能力，其中对幼螨的捕食能力最强．     

乌鸡的性状遗传率,遗传相关和杂种优势

本文以乌鸡４个品种作为全群，从中抽出５只雄亲和５套雌系进行巢式交配设计，测定了子代出雏期、１月龄、２月龄、３月龄的体重和胫长．遗传分析表明：（１）雌亲分量遗传率明显高于雄亲分量遗传率，说明群体存在明显的非加性变异；（２）各发育期体重和胫长的遗传相关和表型相关一般为正相关且较大，从而可根据胫长间接选择体重；（３）体重杂种优势变动为－７％～３２％；（４）在强优势Ｆ１组合，１月龄相对生长速度明显高于其亲本组合的，但２月龄的恰相反，这为生产缩短Ｆ１的饲养周期有利．最后讨论了雌亲分量遗传率高于雄亲分量遗传分量和杂种优势产生的原因．     

基于分解与集成的空气质量指数预测

为了能够准确地预测空气质量指数（AQI），建立了基于集合经验模态分解（EEMD）-样本熵（SE）的极限学习机（ELM）和门控循环单元（GRU）组合的AQI预测模型。首先利用EEMD算法对AQI数据进行分解，得到一组不同尺度的本征模态函数分量和残余分量；其次计算各分量SE值，根据各分量SE值将各分量重新组合成新的序列，并将新序列按其复杂程度经过GRU模型或ELM模型进行预测；最后将所有结果叠加得到AQI预测值。实验结果表明，与反向传播（Back Propagation,BP）神经网络模型、长短期记忆网络（Long Short-term Memory,LSTM）模型、ELM模型、GRU模型、EEMD-SE-ELM模型、EEMD-SE-GRU模型和EMD（经验模态分解）-SE-ELM-GRU模型相比，基于EEMD-SE-ELM-GRU的组合预测模型其预测误差最小，预测精度最高。     

结构在多维地震动作用下抗震计算组合方法

假定地震地面运动为平稳随机过程，根据转动分量的频域求法得出了转动分量与平动分量之间的关系；考虑了地震动分量间的空间相关性，用随机过程理论建立了多维地震动作用下结构反应的反应谱组合方法，导出了多维地震动输入下振型相关系数的解析公式．在此基础上，给出了双向地震动作用下的相应公式．数值结果表明，本文提出的方法具有较高的精度。     

马铃薯组织培养技术研究

以马铃薯茎尖、茎段和芽体3种不同外植体为材料，用浓度为1．0mg／L的NAA与不同浓度的2，4-D组合诱导愈伤组织；用浓度为0．2mg／L的NAA和不同浓度的BA组合诱导不定芽。试验结果表明：NAA1．0mg／L 2，4-D1．5mg／L最适于愈伤组织的诱导，NAA0．2mg／L BA0．3ms／L最适于不定芽的诱导；NAA对马铃薯根的分化有促进作用。     

不同浓度的激素组合对猕猴桃愈伤组织诱导及芽分化的影响

本实验以美味猕猴桃试管苗为材料，外植体选用离体茎段，研究了不同浓度的激素组合对猕猴桃愈伤组织诱导及芽分化的影响．试验结果表明，MS培养基中附加激素2，4-D1．0mg／L＋6-BA0．5mg／L有利于愈伤组织诱导，诱导率达86．1％；Ms培养基中附加激素组合NAA0．1mg／L＋6-BA1．0mg／L有利于芽分化，芽分化率为75．2％．     

不同浓度的激素组合对猕猴桃愈伤组织诱导及芽分化的影响

本实验以美味猕猴桃试管苗为材料，外植体选用离体茎段，研究了不同浓度的激素组合对猕猴桃愈伤组织诱导及芽分化的影响．试验结果表明，MS培养基中附加激素2，4-D1．0mg／L＋6-BA0．5mg／L有利于愈伤组织诱导，诱导率达86．1％；Ms培养基中附加激素组合NAA0．1mg／L＋6-BA1．0mg／L有利于芽分化，芽分化率为75．2％．     

新市民健康素养和健康信息搜寻行为的差异及其影响因素

为了解新市民健康素养和健康信息搜寻行为的差异，分析影响新居民网络健康信息搜寻行为因素的差异。通过选取江苏省连云港市海州区为调研地点，以成人医学素养快速评估（REALM）量表为主要依据设置调查问卷开展问卷调查，利用多因素Logistic回归进行参与者健康信息搜寻行为差异及影响因素分析。研究发现高学历、未婚的新市民倾向于使用互联网或社交网络（Social Network Service,SNS）搜寻健康信息；而年龄负向影响新市民的互联网或SNS搜寻健康信息行为；高学历、已婚、高收入的新市民更倾向寻求医疗保健专业人员作为实际使用的健康信息来源。     

(2+1)维广义Nizhnik-Novikov-Veselov方程的新周期波、局域激发之间的相互作用

在分离变量法所得（2＋1）维广义Nizhnik-Novikov—Veselov方程广义解（包含2个任意函数）中引入符合条件的Jacobi椭圆函数以及Jacobi椭圆函数的组合，从而获得了该系统的一些新双周期解．研究了这些周期波之间的相互作用，发现其相互作用是非弹性的．考虑下述2种极限情况：Jacobi椭圆函数的模数部分取0或1，能获得一种称作半局域（在一个方向上是周期的，而在另一个方向上是局域）的新结构，它们之间的相互作用也是非弹性的；Jacobi椭圆函数的模数全部取1，则获得了一些新的局域激发结构（two-dromionsolution），研究表明，这类局域激发之间相互作用后仍然是非弹性的．     

基于COM的启发式搜索算法库的设计与实现

目前启发式搜索算法都是根据具体的问题应用而设计的,在不同的领域运用时启发式搜索算法就要重新进行设计,这样浪费了大量的劳动和时间,同时正确性也难以得到保障。在对多种启发式搜索算法进行分析的基础上,根据软件复用的思想设计启发式搜索算法库,并将COM技术应用到启发式搜索算法库,从而实现启发式搜索算法库。基于COM的启发式搜索算法库实现了与具体应用领域脱离,有效的解决了启发式搜索算法开发,同时也扩大了COM技术的使用范围。     

钢铁企业产成品转库车辆路径问题优化

分析了钢铁企业产成品转库问题的特点,通过将转库任务分解的方法将原问题转化为具有最迟访问时间约束和同时访问车辆数限制的车辆路径优化问题,建立了转换后问题的0-1规划数学模型,针对模型的特点设计了迭代局域搜索算法.算法初始解由贪婪算法生成,局域搜索过程采用4种常用局域搜索算子的混合,摄动过程采用变强度的2-opt*算子.该算法可以同时实现转库车辆指派和车辆路径优化.通过仿真生成的算例对模型和算法进行了验证.实验结果表明,该模型和算法是解决该类问题的有效方法.     

大型0—1目标规划的启发式算法

提出了一个０－１线性目标规划新的启发式算法,该算法以新的算法准则及评价标准,改进了旧算法中的系数限制,并能通用于任何０－１线性目标规划问题,特别能够有效地解决大规模０－１线性目标规划问题。     

通用启发式搜索算法库的设计

由于目前启发式搜索算法被广泛的应用,但是其设计都是针对具体问题的,在不同的领域运用时启发式搜索算法就要重新进行设计,这样浪费了大量的劳动和时间,同时正确性也难以得到保障。针对这个问题,本文通过对多种启发式算法的基础上统一建模,设计了通用的启发式搜索算法库,及通用的数据结构,并与具体问题脱离。实现了启发式搜索算法的通用性、可扩充性与易调试性。     

基于多邻域的车辆路径优化迭代局部搜索算法

针对物流配送中的带有容量约束的车辆路径优化问题,提出了一个基于多邻域的迭代局部搜索算法HILS.首先用简单插入法构造可行解,然后从该初始解出发,在多邻域内进行局部优化.当陷入局部最优解后,根据解的接受准则,选择某个解,并对该解进行扰动,然后从扰动后的解出发重新进行局部优化.为提高搜索效率,局部优化过程只在限定邻域内进行.在国际通用的14个benchmark问题上进行仿真实验,结果验证了本文算法HILS的有效性和稳定性,与文献中的其他几种算法的比较结果表明,算法HILS的总体性能更优.     

博弈树启发搜索算法在五子棋游戏中的应用研究

博弈是启发式搜索的一个重要应用领域,博弈的过程可以用一棵博弈搜索树表示,通过对博弈树进行搜索求取问题的解,搜索策略常采用α-β剪枝技术。在深入研究α-β剪枝技术的基础上,结合五子棋游戏特征,设计了五成/双三、估值函数和α-β剪枝算法相结合的改进博弈树搜索算法,实现了人机智能对弈的五子棋游戏。     

0-1线性规划问题的分类隐数搜寻

针对0-1线性规划问题,提出一种新的分类隐数搜寻方法.该算法将所有的0-1整数点分类,并产生一个描述性的线性方程,由此构造了一组非常好的隐数条件和隐数准则,这样可以排除大量不可行解的列举,大大加快了隐数搜寻过程,并通过几个经典算例的计算结果及与Balas算法的计算结果比较,证实了本算法的高效性.     

启发搜索算法在运筹学中的应用

运筹学中的运输、指派问题具有广泛的应用性，启发式的搜索算法的核心问题是构造启发函数，用启发函数的思想去解决传统的运筹学问题，可以提高求解的效率。文中从启发式的搜索算法角度出发，介绍了如何构造启发函数，并用其解决运筹学中的运输与指派问题。     

启发式搜索中一种新的加权技术

本文提出一种新的加权算法——ＷＳＡ法，它是在Ａ（或Ａ＊）搜索中引入一种新的加权技术。根据［１］中提出的原理，可以把启发式搜索看成某种随机取样过程，所以通过某种统计推断的方法，可以估计出搜索树中各子树包含目标的可能性．然后把某个权值加到不大可能是解路径上节点的估价函数上，从而使搜索集中在最有希望的路径上。在一致ｍ一枝树上；我们证明了这种加权方法可显著提高效率。     

电子商务配送的跨区域VRP模型及其启发式算法

传统的基于分区策略的配送模式已不能满足电子商务物流配送业务的要求,采用将多个配送区域联合、沿途多次补货的配送策略可有效地解决上述矛盾,而车辆路径问题是该配送策略的一个重要组成部分。在说明了模型的假设条件后,建立了基于区域联合策略的VRP(veh icle rou ting prob lem)模型,开发了一种基于几何分析的启发式算法,采用二次搜索、分批插入的办法确定补货点,从而得到沿途多次补货的配送路径,最后用数值算例对模型和算法进行了数值演算。