论辅助生殖技术引发的伦理问题及其应对机制

简单介绍了辅助生殖技术,分析了辅助生殖技术引发的伦理问题,提出了应对这些伦理问题的机制。     

压缩系数的微粒群优化算法的收敛性分析

该文利用矩阵理论对具有随机数的压缩系数的微粒群优化算法进行了收敛性分析,给出了c=d=1和c=1两种收敛性结果,同时图形化给出了参数选择准则.     

基于代数变换求解P0阵线性互补问题的不可行内点算法

基于代数变换和KMM算法的框架,通过在牛顿方程中嵌入一种自调节功能,提出了一种新的求解P0阵线性互补问题的不可行内点算法,并证明了该算法的全局收敛性.     

单机不同尺寸工件批调度问题的优化算法

研究了单机环境下不同尺寸工件的批调度问题,引入微粒群算法对制造跨度进行优化.首先给出了问题的微粒表达形式,并根据问题的离散优化特性对微粒状态的更新方法进行了改进;然后将微粒群算法和分批的启发式算法进行有效结合,改善近似解的质量.实验中对各类不同规模的算例均进行了仿真,结果表明了微粒群算法的有效性.     

基于遗传算法的车辆ABS在线整定PID控制及仿真

分析了ABS(防抱制动系统)PID控制方法的原理。提出了基于遗传算法的在线ABS PID控制方法。为了使控制器具有更高的搜索效率以满足ABS的实时性要求,改进了遗传算法的遗传算子,使复制与交叉操作并列存在,使用具有选择性的交叉操作,并改变变异操作的随机性,使其成为受控的随机操作。使系统能根据车辆的运行条件实时整定PID控制参数。仿真结果表明,基于遗传算法的在线ABSPID控制方法能有效抑制超调,控制ABS跟踪路面条件变化。     

基于稳定匹配机制的网格任务调度算法

任务调度和资源分配是网格计算的关键技术.提出了一种基于稳定匹配机制的网格任务调度算法(SMM:Stable Matching Mechanism),以及根据各奈件因素值及其所占比率进行量化匹配的思想.用户和资源可以根据自身特点动态地设置各条件因素的基准值,通过与实际提供的条件因素值进行比较,得到匹配度,按照匹配度的高低顺序循环匹配最终达到稳定.算法综合考虑用户和资源双方的需求而得出相应的稳定匹配调度策略.给出了算法的数学模型和描述,在Matlab语言环境下仿真表明,SMM算法可以有效地实现网格任务调度,满足任务和资源双方的需求,得到稳定匹配.     

一种直线逼近渐开线齿廓曲线的自适应算法

从渐开线弧长公式出发，引入一种能根据加工精度要求来确定逼近线段的段数，并使节点在渐开线齿廓曲线上分布均匀的自适应计算方法。给出计算实例及用AutoCAD来绘制齿轮的方法．以及用VLisp语言编制计算程序和绘图程序的框图。     

评估洪水灾情等级的投影寻踪模型

为检验所订洪水灾情等级标准的合理性 ,解决各单项指标灾情等级评估结果的不相容问题 ,提高灾情等级模型的灾级分辨率 ,提出了一种新的洪水灾情等级模型——投影寻踪 ( PP)模型 ,它的灾级是连续的实数值 .为减少 PP建模的计算量 ,给出了一套建模方案 ,构造了新的投影指标函数 ,并统一用实码加速遗传算法来优化投影指标函数和模型参数 .实例的计算结果表明 ,该方案是有效的和通用的 ,具有广泛的应用前景.     

Samples Selection for Artificial Neural Network Training in Preliminary Structural Design

An artificial neural network (ANN) is applied in the preliminary structural design of reticulated shells. Major efforts are made to enhance the generalization ability of networks through well-selected training samples. Number-theoretic methods (NTMs) are adopted to generate samples with low discrepancy, i.e.uniformly scattered in the domain, where discrepancy is a quantitative measurement of the uniformity. The discrepancy of the NTM-based sample set is 1/6-1/7 that of samples with equal spacing. In a case study,networks trained by NTM-based samples are compared with those trained by equal-spaced samples in generalizing performance. The results show that both the computational precision and stability of the former ANNs are more satisfactory than those of the latter. It is concluded that the flexibility of ANNs in generalizing can be effectively increased by use of uniformly distributed training samples rather than simply piling data.More reliable uniformity should be obtained, however, through NTMs instead of equal-spaced samples.