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.     

关于有限群幂图的强彩虹连通数

图的强彩虹连通数在网络信息安全传输中有重要的应用,由于决定图的强彩虹连通数问题是NP-困难的,因此需要给出一些特殊图的强彩虹连通数的计算方法.该文首先运用图论与群论的相关知识,给出了幂图强彩虹连通数的一些上下界,并且研究了达到界的一些幂图.其次利用这些界给出了循环群、初等交换p-群、二面体群和半二面体群的幂图的强彩虹连通数的计算公式.结果表明,幂图的强彩虹连通数依赖于群的极大对合数及群的极大循环子群数.     

关于二面体群的共轭类长素图

讨论二面体群的结构问题,利用GAP软件给出二面体群D2n的共轭类长素图,并完整给出当n以及n/2分别是奇数和偶数时的共轭类长素图情况.     

关于Berger定理的推广

Berger定理断言任意可解群G中的拟本原复特征标也是本原的，文章考察了该定理关于正规子群L?G的相对情形。为了统一研究复特征标和Brauer特征标的本原性和拟本原性的关系，引入了L-本原的和L-拟本原的π-部分特征标，证明了在适当的可解性条件下L-拟本原性等价于L本原性，该结果加强并推广了Berger定理。     

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．     

基于产业需求的高职财经类专业群建设探析

基于目前财经类专业群存在的突出问题,以经济发展需求为导向,将财经大类下的会计电算化、财务管理、工商企业管理和金融管理与实务四个专业进行整合,实现校企优质资源共享,构建会计与企业运营管理专业群,明确专业群建设目标和具体建设途径.旨在形成系统的专业群人才培养体系,提升财经专业就业层次和质量.     

污染环境中具有Markov切换的随机互惠三种群生存分析

研究污染环境下受到毒素和双重噪声(白噪声和有色噪声)作用的随机系统,建立污染环境中具有Markov切换的随机互惠三种群模型。利用随机微分方程相关理论和分析方法,考虑系统同时受到白噪声、有色噪声、毒素浓度及种群间相互作用因素对种群生存状态的影响,得到随机互惠三种群系统中各种群趋于灭绝、随机非平均持久、随机弱平均持久和随机强平均持久的充分条件。数值模拟验证了理论结果的正确性。     

基于期刊阅读群划分的期刊服务探索——以北京青年政治学院图书馆为例

新媒体时代的到来,使图书馆传统的期刊服务面临着新的挑战。为更好地做好期刊服务,分析了期刊阅读群各自的特点,探讨了基于期刊阅读群划分的期刊服务,包括面向教学科研期刊阅读群的深层次服务、面向学生阶段性阅读群的引导型服务以及面向休闲浅阅读群的灵活性服务。     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.