结合旋转求包含多边形的最小正三角形

文[1]对寻找包含平面多边形的最小正三角形问题提出了一种基于遗传算法的求解方法,用此求解方法所求的最小正三角形必须有一边平行于x轴。本文将所给多边形进行旋转,在不同旋转角度下应用遗传算法求一边平行于x轴且包含相应多边形的最小正三角形。比较不同旋转角度下的结果,就可以得出比文[1]更好的选择。本文还以实例验证了以上思路是正确的。     

求包含多边形的最小正三角形的遗传算法

对寻找包含平面多边形的最小正三角形问题提出了一种基于遗传算法的求解方法.对遗传算法求解过程中的编码、正三角形内心(内切圆的圆心)的范围界定,选定个体内心后正三角形内切圆半径的确定和适应度函数选取等进行了讨论,并以实例验证了算法的有效性.     

求包含多边形的最小正三角形的遗传算法

对寻找包含平面多边形的最小正三角形问题提出了一种基于遗传算法的求解方法.对遗传算法求解过程中的编码、正三角形内心(内切圆的圆心)的范围界定,选定个体内心后正三角形内切圆半径的确定和适应度函数选取等进行了讨论,并以实例验证了算法的有效性.     

用遗传算法求最小生成树

以图论和遗传算法为基础,给出了一个改进的求最小生成树的算法,提出了＂无性生殖＂的方式,舍弃了逆转算子,改进了换位算子,调整了选择算子,更简单,因而编程更容易,效率更高.使用该算法可以在较短的时间内以较高的概率获得一组最小或次小生成树,而传统算法一般只能得到一个最小生成树.     

坐标变换法求多边形的凸凹性

介绍一种求多边形凸凹性的亲手虎法。本算法通过标公式推导出计算多有任意顶点凸凹性的算子，算子的正负性决定了对应在顶点的凸凹性，进而可求多边形的凸凹性，一法也是求多边形最小凸包的有效方法。     

平面上点与多边形包含关系的Q算法

分析了用夹角和判别法计算平面上点与多边形的包含关系后,指出了参数的选择是影响包含关系计算的重要原因之一,在此基础上,提出了以矢量和为基的Ｑ函数替代角度和进行包含关系计算的方法,研究了表明,矢量和为基的Ｑ算法是可靠的,且有较高的计算效率。     

平面多边形变形的向量方法

研究平面多边形的变形问题,提出了一种通过插值边向量间旋转角度及旋转矩阵的变形方法,较好地克服了顶点线性插值法引起的多边形边长变化不均匀的萎缩现象.该变形方法的计算量较小,变形过程较为自然,变形效果令人满意.     

任意两个多边形的求交算法

对Ａ．Ｍａｎｇｅｎ的算法进行改进，使之在计算机辅助排样应用中效率更高，通用性更强。     

平面度误差最小区域优化算法——旋转平移法

根据平面度公差带方位浮动的特点，对测量数据组进行旋转平移，使包容区域符合最小条件，并且使平面度误差评定的数学模型取得较简化形式。最后利用最优化方法求解平面度误差。     

2-正n边形的旋转排列计数的轮换指标计算

对正n边形旋转排列计数进行了推广,对3类条件下的2正n边形在两类变换下的轮换指标进行了研究,得到了对应的计算公式以及其轮换指标。     

广义亥姆霍兹线圈中轴线上磁场的计算与分析

从毕奥—萨伐尔定律出发,结合亥姆霍兹线圈装置,首先研究了正三角形的广义亥姆霍兹线圈在其中轴线上的磁场分布情况。然后利用Mathematicas数值模拟了共轴正三角形线圈中心轴线上的磁场强度,得出了满足磁场均匀性的条件。     

用递推的方法求极限Ⅰ

本文通过一个特殊的数学求极限的例子,用不同的方法,巧妙地得出了结果。进而对此类问题作更深一步的研究,得出了两个推论。     

Failure to find holes in the T-cell repertoire

The ability of an animal to respond to a given antigenic peptide depends on its major histocompatibility complex (MHC) type. Some peptides are not immunogenic when combined with a particular form of the MHC-encoded molecule. This non-responsiveness is regulated by immune response (Ir) genes and is thought to arise by one of two distinct mechanisms. Either the MHC-encoded molecules physically fail to interact with the antigen, preventing the activation of T cells with appropriate receptors, or they limit the expressed repertoire of T cell clones so that no T cells are available to be activated by existing complexes of MHC-encoded molecules and antigen. Experimental evidence has been generated to support both mechanisms. However, the relative importance of each has not been clearly established. In this study we started with a peptide that was immunogenic in B10 mice; it was thus known to be able to interact with the MHC molecule, and T cells existed which could recognise the peptide-MHC complex. Based on previous experiments, we then changed only those parts of the peptide that we thought interacted with the T-cell receptor. All the new analogues created were still immunogenic, confirming that the amino-acid substitutions that we had made did not prevent productive interactions with the MHC-encoded molecule. No limitations ('holes') in the T-cell repertoire were found. The experiments demonstrate the vast potential of the T-cell population to recognize many different analogues, each in a unique way, and suggest that constraints on the diversity of the T-cell repertoire may not be a major explanation for Ir gene defects.     

面向对象技术中如何发现对象

本文概述了面向对象技术中发现对象的出发点和抽象原则,详细叙述了面向对象技术中发现对象的整个过程,提出了一些在实际项目中的面向对象分析过程中总结出的发现对象的方法和技巧,对面向对象的软件项目具有较强的现实指导意义。