城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

混合粒子群算法的电火花成型加工工艺参数优化

针对电火花成型加工机床工艺参数难以确定以及工件表面质量差的问题,在CTM450机床上探究了脉冲电流、脉冲宽度、脉冲间隔对成型加工中MPR和Ra的影响,在正方实验的基础上,以提高材料去除率和工件表面质量为优化目标,设计了混合粒子群算法,将仿真优化后的结果与实际加工效果进行验证,表面该算法准确有效.     

有轨电车长枕埋入式轨道复合地基多目标优化

为研究有轨电车长枕埋入式无砟轨道复合地基结构的关键影响因数和最优参数组合,采用有限单元法建立了长枕埋入式无砟轨道复合地基三维精细化计算模型.通过响应面试验得到了无砟轨道复合地基结构力学性能的响应面函数,并采用遗传算法进行多目标优化得到最优参数组合.结果表明:采用响应面模型替代有限元模型进行优化分析,可以大大减少优化迭代所需要的计算时间,且能够保证足够的计算精度;建议在进行长枕埋入式无砟轨道复合地基设计时将钢轨垂向位移作为关键评价指标;各设计变量对长枕埋入式无砟轨道复合地基结构力学性能影响的主次顺序依次为轨道板厚度、桩径、支承层厚度、桩纵向间距;最佳设计方案为轨道板厚度0.32m,支承层厚度0.18 m,桩径0.55 m,桩纵向间距1.6 m.     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．     

水溶性La_(0.88)Sr_(0.12)MnO_3纳米粒子的非水相合成

采用纳米微乳液法,以三嵌段共聚物聚氧乙烯-聚氧丙烯-聚氧乙烯(PEO-PPO-PEO)为表面活性剂,乙酰丙酮镧(III),乙酰丙酮锰(III)和乙酰丙酮锶(II)为前驱体,1,2-十六烷二醇为还原剂成功合成了水溶性La0.88Sr0.12MnO3纳米粒子.FT-IR分析证实该纳米粒子表面存在PEO-PPO-PEO分子,XRD和TEM分析表明该纳米粒子基本上呈球形、粒径分布窄、结晶度高,VSM测试表明该纳米粒子室温下显示软铁磁性.纳米粒子在水中快速和高效的分散收集过程,表明该纳米粒子具有良好的水溶性和磁操控性.     

五种希格斯玻色子与希格斯场之内部结构模型图表解析

现今，“希格斯玻色子”被认为是所有基本粒子质量的来源，也是标准模型预言的最后一种粒子，目前，物理学家普遍认为不排除未来可能会发现其他带电荷的希格斯玻色子。许多物理学家认为：事实上，希格斯玻色子组成希格斯场是一种更加复杂的理论模型，而这些理论模型预言了应有五种不同的希格斯玻色子，它们不仅带有电荷，还有可能带有色荷，而且质量也不相同。希格斯场遍布在宇宙中，该文就这五种不同希格斯玻色子及其组成的希格斯场，作一理论模型预言之图表解析。     

Fe、Al纳米粒子熔化过程结构转变的分子动力学研究

采用分子动力学方法结合嵌入原子势函数,应用势能、共近邻技术分析方法,研究了原子数为147、309和561的正二十面体(ICO),正十面体(Dh)和立方八面体(CO)的Fe、Al纳米粒子的熔化行为.结果表明,原子数为147、309、561的ICO结构的Fe、Al纳米粒子在熔化前保持原有结构;Dh与CO结构的Al纳米粒子在熔化前向ICO结构转变,ICO结构比Dh结构和CO结构更稳定.     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。