车间流程的免疫调度算法

为了高效地解决车间流程(Flow Shop)问题,提出了一种利用免疫算法求解Flow Shop调度问题的方法.该算法是根据人或者其他高等动物的免疫系统机理设计的,将调度目标和约束条件作为抗原,将问题的解作为抗体,对抗体采用按工件加工顺序进行自然数编码,并把最大流程时间的倒数作为适应度函数,新抗体的繁殖是通过部分匹配交叉算子和按工件顺序互换的变异算子实现的,对抗体产生的刺激和抑制通过抗体浓度来调节,而抗体浓度通过计算抗体之间的最大亲和力获得.通过对Flow Shop问题的基准测试表明,该算法不仅在求解问题的规模上具有很好的可伸缩性,而且在运算时间上也低于遗传算法和模拟退火算法.     

高效翅柱复合型散热器的流动与散热性能研究

针对平板翅片式散热器存在的不足,提出了一种翅片间设有钉柱的翅柱复合型散热器.钉柱能够使通过该散热器的气流受到扰动,从而提高其散热性能.通过对2种散热器通道内的流动换热进行数值计算和实验验证,结果表明:在相同的风速下,翅柱式散热器表面的Nusselt数比板翅式散热器高30%～50%;在相同的泵送功率下,翅柱式散热器的收益因子比板翅式散热器约高20%.因此,在相同的工况下,翅柱式散热器具有更好的散热性能,并具有可靠性高、使用成本低的优点,在电力电子设备的冷却中具有较高的使用价值.     

核心元素的特征及其在决策树生成中的应用

利用粗糙集约简的辨识矩阵，给出属性是核心元素的充要条件为该属性是辨识矩阵中单元素集．利用上近似与下近似给出了判断是否核心元素的两个充分条件，指出利用核心元素简化决策树比用熵函数ID3方法简化的决策树更简单．     

不同动物小肠肌间神经丛内NOS神经元分布的比较

采用NADPH-黄递酶组织化学法对草鱼、牛蛙、家鸡和大鼠小肠肌间神经丛内NOS阳性神经元的分布进行了比较研究．结果表明，NOS阳性产物在草鱼肌间神经丛中未见分布，而在其它几类动物中阳性反应明显．但在不同动物NOS阳性神经元的形态、分布、密度及神经纤维的分布存在差异．在牛蛙、家鸡和大鼠的小肠肌间神经丛中，NOS阳性神经元的分布从分散到集中，形态呈现由不规则形到规则形再到不规则形的复杂变化；神经节从无到有，神经网络由不发达趋于发达；而在每种动物中，NOS阳性神经元的密度沿肠道由前向后基本呈上升趋势，这种节段性的差异牛蛙极显著，家鸡和大鼠则不甚显著．实验结果提示，随着动物的进化，一氧化氮能神经元在肠肌间神经丛中的分布也更加复杂而有序，从而使胃肠道的调节更加精确．     

热处理制备碳纳米洋葱状富勒烯的研究

采用真空热处理方法，以石墨为原料制备洋葱状富勒烯。利用高分辨电子显微镜对其进行了观察和表征。用金属纳米颗粒掺杂催化制成的纳米洋葱状富勒烯，石墨化程度较高。催化剂对纳米洋葱状富勒烯的形成有较大影响。这种制备纳米洋葱状富勒烯的方法工艺简单、产量较高，产品易于纯化，比较易于工业化。     

基于模糊专家系统的智能行车控制

模糊自适应控制利用不同特性参数下的控制规则进行推理控制，专家系统则利用经验及策略迅速校正控制器的输入，减小控制过程中的迟滞，达到平稳快速的调节。提出了一种模糊控制与专家控制相结合的比例控制器。该控制器能够实现精确的点到点运输负载，并且减小过程中的振荡。仿真结果表明，模糊专家控制器在行车控制中比串联反馈控制器各项控制性能好。     

FAST算法的窗口控制策略研究及其TCP友好性分析

分析了FAST的理论基础、优点和存在问题，并讨论了它的TCP友好性。分析结果表明，FAST算法运用延时信号，克服了传统TCP不稳定和在高速网络环境中利用率低等问题，但也面临难于正确估测base RTT和参数自适应等新的困难，它的TCP友好性研究还有待相关文献的正式发表和足够的实验数据去证明。     

光栅能量分布测试系统的研究

基于衍射光栅的特点，采用面阵CCD进行数据采集，利用计算机进行编程处理，研制了一种光栅能量分布测试系统，实现了光栅能量分布的定量测试。     

战略并购的风险规避与控制

战略并购和财务并购在并购的直接目标、并购行为的性质等方面有显著差异。本文采取逻辑推理和案例分析相结合的方法，从产业关联度和整合模式两方面入手对战略并购展开分析，结合企业所处产业的性质，遴选出便于实施风险规避与控制的并购方案。     

基于LSI和自组织神经网络的高效文本聚类方法

根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.