航空网络航路点布局的多目标优化设计

航路网络中航路点布局问题（CWLP）是航路网络规划的核心。基于此,从航路网络经济性和安全性出发,考虑航路运行成本和潜在冲突系数两个因素,建立航路点布局多目标优化模型,求解时采用动态递变权重系数的蝙蝠算法以保证运行成本和潜在冲突系数能同时获得较优解。最后对北京飞行情报区进行仿真实验,将蝙蝠算法（BA）与其他多目标算法对比,得到4种算法的非支配解,证明多目标蝙蝠算法在求解航路点布局的大规模优化问题上,能够获得更优解。同时,考虑偏好经济性和偏好安全性两种情况选择两组权重,数据显示,与初始网络相比,这两种情况下网络运行成本和冲突系数减少比例分别为9.99%、15.64%以及-3.97%、65.81%。实验结果表明,该方法能够在航路点布局规划上给决策者以多种优化方案。     

基于蝙蝠算法与信号稀疏分解的DOA估计研究

稀疏分解的DOA估计法具有很高的估计精度,但稀疏分解计算量巨大,需要较长的计算时间。针对这一问题,将蝙蝠算法与信号的稀疏分解算法相结合,应用于信号的DOA估计。利用蝙蝠搜索算法搜索路径优、寻优能力强的优点,可快速寻找到正交匹配追踪过程中每一步分解的最佳原子,从而实现信号快速稀疏分解。仿真结果表明,引入蝙蝠算法后,在有效的估计条件下,加快了计算速度,减少了计算量。     

非典型战例

在世界军事史上,常常会发生许多如此这般令人啼笑皆非、"自作自受"的悲剧:自己发射的炮弹却朝自己打来,自己为敌人制造的灾难却降临到自己的头上……自掘坟墓1916年12月第一次世界大战期间,意大利与奥地利军队为争夺杜鲁米达山展开了一场激战。当时正值隆冬季节,连续下了三天罕     

侏罗纪空中霸主翼龙

1784年,当第一件翼龙化石被发现时,人们甚至都不能确定它属于哪一类动物,有人认为它生活在海洋中,有人认为它是鸟和蝙蝠的过渡类型……200多年以来,对于这种与恐龙同时代的史前奇异动物的身世和行为奥秘的探索从未停止过。     

引入PSO加速因子和个体认知的改进蝙蝠算法

针对蝙蝠算法后期收敛速度慢,易陷入早熟收敛,求解精度低的缺点,提出一种引入粒子群算法中的个体认知与加速因子的改进方法。该方法增加了蝙蝠的个体历史飞行经验,提高了个体自主性,以避免群体经验过度影响带来的进化能力丧失;利用加速因子对速度的控制,增加蝙蝠的可飞行范围,提高搜索能力,加快收敛速度。最后选取标准测试函数对设置不同加速因子的改进算法进行仿真验证,并与基本蝙蝠算法进行对比,结果显示改进后的算法在收敛速度和求解精度上有进一步提高。     

三种蝙蝠线粒体解偶联蛋白2（UCP2）基因的克隆和进化分析

根据几种哺乳动物UCP2基因的保守区设计一对简并引物,扩增马铁菊头蝠（Rhinolophus ferrumequinum）、长翼蝠（Miniopterus fuliginosus）和犬蝠（Cynopterus sphinx）的UCP2基因的全部编码区序列.测序结果表明,三种蝙蝠UCP2编码区全长930 bp,编码309个氨基酸,推测的氨基酸序列包含线粒体内膜载体蛋白的3个特征结构及解偶联蛋白（UCPs）的特征序列.序列分析表明,蝙蝠与其它哺乳动物UCP2的氨基酸推导序列有很高的同源性,为90.6%~97.0%.进化分析表明,UCP2基因在哺乳动物中进化过程中非常保守,受到强烈的纯化选择压力作用（ω=0.063）.Branch-specific 模型分析表明,UCP2基因在蝙蝠支系与其它不能飞行的哺乳动物、冬眠蝙蝠与非冬眠蝙蝠的进化过程所受到的选择压力无明显差异（P>0.05）.这说明在整个哺乳动物进化过程中UCP2对其能量代谢的调控均起到了重要作用.然而,UCP2如何参与哺乳动物能量调控仍有待于进一步研究.     

一部电影读懂美国大选

人们都说美国大选是"一场游戏一场梦",这其中自然少不了美国梦的"造梦机器"——好莱坞的作用。在美国,一个人爱不爱看电影,往往是判断他是民主党还是共和党支持者的依据。据统计,好莱坞的电影人多半是高举"自由主义"大旗的民主党人士。2011年上半年,民主党人平均观影5.7场,而共和党人还不到四场。原因之一是有52%的共和党人会因为不     

基于改进灰色关联分析的BA-BP短期负荷预测

针对短期电力负荷随机性强、预测精度低等问题,提出了基于模糊灰色聚类与蝙蝠优化神经网络的短期负荷预测模型。采用模糊聚类方法选择相似日粗集,然后用改进的灰色关联分析法选取相似日;为了克服传统BP算法易陷入局部极值和收敛速度慢等问题,利用相似日集中的样本训练蝙蝠优化的BP神经网络预测模型。以某地区的历史数据为实际算例,将文中所提算法与普通的BP神经网络、传统灰色关联与蝙蝠优化的BP神经网络预测结果相比,结果表明所提方法有很高预测精度和稳定性,在实际中有一定应用价值。     

求解广义分配问题的拉格朗日蝙蝠算法

基于广义分配问题(GAP)自身的特点,将拉格朗日松弛算法(LR)和蝙蝠算法(BA)相结合,提出了一种高效的拉格朗日蝙蝠算法(LR-DBA)。首先,基于GAP的数学模型,在BA算法的基本框架上,重新定义了蝙蝠速度、位置以及局部更新公式,得出全新的求解GAP的离散蝙蝠算法(DBA)。其次,将其与LR相结合,设计出求解GAP的LR-DBA算法。最后,经过大量算例测试表明,对比DBA算法,LR-DBA混合算法在求解GAP时具有明显优势。