首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   8973篇
  免费   496篇
  国内免费   620篇
系统科学   822篇
丛书文集   527篇
教育与普及   229篇
理论与方法论   39篇
现状及发展   43篇
综合类   8429篇
  2024年   13篇
  2023年   176篇
  2022年   164篇
  2021年   172篇
  2020年   232篇
  2019年   227篇
  2018年   119篇
  2017年   171篇
  2016年   206篇
  2015年   292篇
  2014年   466篇
  2013年   512篇
  2012年   539篇
  2011年   612篇
  2010年   559篇
  2009年   628篇
  2008年   639篇
  2007年   538篇
  2006年   362篇
  2005年   348篇
  2004年   270篇
  2003年   259篇
  2002年   258篇
  2001年   259篇
  2000年   190篇
  1999年   182篇
  1998年   196篇
  1997年   177篇
  1996年   182篇
  1995年   197篇
  1994年   174篇
  1993年   162篇
  1992年   149篇
  1991年   117篇
  1990年   116篇
  1989年   110篇
  1988年   64篇
  1987年   35篇
  1986年   12篇
  1985年   3篇
  1982年   1篇
  1965年   1篇
排序方式: 共有10000条查询结果,搜索用时 15 毫秒
1.
惯性权重是粒子群优化算法重要参数之一,它能够平衡算法的全局搜索能力和局部搜索能力.为了利用已知惯性权重解决某些问题的优点,提出一种多惯性权重的自适应粒子群优化算法.首先定义了K步进化度的概念,然后基于进化度,从惯性权重集中随机选择惯性权重,使得适合解决某一问题的惯性权重在迭代过程中能够多次被使用,从而提高算法性能,把该算法应用到典型测试函数中,并与其他算法进行比较分析,结果表明,所提出的算法是可行的、有效的.  相似文献   
2.
有限生成群G粗拟作用在一个度量空间X上,如果X具有有限渐近维,且拟稳定子是可强嵌入的,则群G是可强嵌入的.  相似文献   
3.
电力系统负荷预测精度直接决定了预测模型的质量.为了降低预测模型输出结果的预测误差,提出了粒子群算法优化支持向量机回归这一智能预测方法.通过对环境温度、节假日、工作日、日期的采集与分析作为模型的输入,以日平均负荷作为模型的输出.最后,通过仿真,对引入粒子群算法的支持向量机回归模型的预测结果进行对比分析.结果表明:优化后的智能模型取得了更为理想的预测结果.  相似文献   
4.
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。  相似文献   
5.
针对VMD(Variational Mode Decomposition)在处理信号时,模态个数K和惩罚参数α的选择会影响信号分解的效果,提出一种改进PSO(Particle Swarm Optimization)优化VMD(PSO-VMD)的算法,通过改进阈值相关系数法选择有效模态分量,根据信号分析对高频噪声进行奇异值去噪重构.对仿真信号和管道泄露信号进行实验,通过选择多个K并结合相关系数法选择模态进行重构,比较不同K对应的重构信号与原信号的信噪比(SNR: Signal to Noise Ratio)、相关系数(CC:Coefficient)、平方绝对误差(SAE: Square Absolute Error)、均方误差(MSE: Mean Square Error)证明改进PSO优化VMD的可靠性.将该方法与改进的PSO-VMD结合豪斯特夫距离和奇异值(HD-SVD: Hustoff Distance-Singular Value Decompositio)、互信息和奇异值(MI-SVD: Mutual Information-Singular Value Decompositio)、相关系数和小波变换(CC-WT: Correlation Coefficient-Wavelet Transform)等方法对比,效果更佳.  相似文献   
6.
针对煮糖结晶过程难以进行自动控制的问题,提出一种基于预测模型的自适应控制方法。以逐步浓缩上升煮糖工艺为基础,基于核极限学习机构建糖膏液位和糖膏锤度的预测模型;以预测工艺偏差作为适应度函数,利用粒子群算法在线优化蒸汽阀和入料阀开度,并自动调节阀门用于跟踪理想工艺曲线。结果表明:与人工煮糖相比,自适应控制的煮糖过程更稳定且更接近理想工艺曲线,达到卸糖液位和锤度所需的时间相对减少7.06%。基于核极限学习机的煮糖结晶自适应控制方法具有可行性,可为进一步实现工业煮糖自动控制提供理论参考。  相似文献   
7.
巢湖浮游动物功能群和浮游植物的相互关系   总被引:1,自引:0,他引:1  
为研究巢湖浮游动物功能群和浮游植物的相互关系,于2019a7月对巢湖浮游动物和浮游植物进行了调查采样,划分了浮游动物功能类群,并系统分析了浮游动物功能群和浮游植物的组成特征.结果表明:浮游植物6门45种,其中硅藻门9种、金藻门1种、蓝藻门8种、裸藻门5种、绿藻门19种、隐藻门3种,蓝藻门是巢湖浮游植物主要组成部分,优势种群主要为螺旋鱼腥藻、微囊藻、固氮鱼腥藻、柱胞藻;绿藻门优势种群主要为小球藻,隐藻门优势种主要为尖尾蓝隐藻.浮游动物为44种,其中轮虫23种,原生动物11种,枝角类6种,桡足类4种.巢湖浮游动物共分为11个功能群,站V、站I、站VII、站VIII、站VI的P A/P B密度最高,站IV的SCF密度最高,站Ⅱ、站III、站V、站VI的RF密度较高.8个样点SCF的生物量均为最高,站Ⅱ、站III、站V、站VI的RF生物量也较高.浮游动物功能群和环境因子的冗余分析(RDA)表明,蓝藻、绿藻、螺旋鱼腥藻、微囊藻、固氮鱼腥藻和小球藻6个类群密度是与巢湖浮游动物功能群相关性较强的环境因子,且影响浮游动物各功能类群的环境因子存在差异.  相似文献   
8.
快速准确辨识光伏电池参数对于电池输出功率预测及电池故障诊断模型的研究具有重要意义.针对传统智能算法应用于光伏电池参数辨识时存在准确性低、易陷入早熟的问题,提出一种精英反向粒子群算法(EOPSO),在算法进化过程中,对当前种群中的优秀个体根据概率进行精英反向学习,生成精英反向种群,并将精英反向种群与当前种群进行竞争,当算法陷入停滞时,对最优个体进行柯西变异.将该算法应用于光伏电池参数辨识,实验结果表明,精英反向粒子群算法能准确辨识光伏电池参数.  相似文献   
9.
为缓解因城市某些地区、某些时间段停车供需不平衡的问题,将居住区内空闲车位进行共享的解决方法已引起多方的关注。在居住区实施共享停车时,需考虑车位提供者与社会停车用户的时空冲突问题。本文首先基于实际停车行为数据,假设车位提供者返回过程呈非齐次泊松过程;其次,以居住区共享停车为运营场景,居住区停车场车位共享率和管理者收益最大化为目标,构建了相应的数学优化模型;最后,设计了粒子群求解算法,通过数值实验,分析该场景下的最优运营策略。结果表明:(1)社会停车用户的最大离开速率在其占车位总数的四分之一左右时,管理者总收益最大;(2)随着车位提供者车位返回速率突变时间的改变,要使得总收益及车位共享率最优,第一阶段变更共享策略时间设置在车位提供者返回速率突变时间前三十分钟内,第二阶段变更共享策略时间应设置在车位提供者返回速率突变时间后一小时五十分钟以内为宜。  相似文献   
10.
为提高PAC89(Pacejka'89 tyre model)轮胎模型的辨识速度和辨识精度,采用加入自适应权重和自然选择性的粒子群算法,并将PAC89轮胎模型参数分为两级,依次进行辨识.以轮胎模型侧偏力曲线的辨识为例,轮胎模型中的刚度因子、形状因子、峰值因子、曲率因子、垂直和水平偏移率为一级参数,通过改进粒子群算法进行一级辨识得到;组成上述因子的特性参数为二级参数,通过改进粒子群算法进行二级辨识得到.一级辨识收敛时的迭代次数小于40,二级辨识收敛时的、迭代次数在100左右,通过实验数据与辨识模型的对比得出平均相对残差为1.6961%.辨识结果表明,采用改进粒子群算法分两级对PAC89轮胎模型进行辨识的方法,能够在保证模型精度的同时提高辨识速度,是一种有效的多参数辨识方法.  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号