蚁群算法在全局最优路径寻优中的应用

移动机器人路径规划是机器人学的一个重要研究领域。针对移动场地的特点对其进行了建模与存储,然后将场地处理成简单的连通图,在此基础上对TSP模型进行了改进以应用到机器人全局最优路径中来,然后利用蚁群算法的基本原理在所建立的模型上进行全局最优路径搜索。为了更好的寻找到全局最优路径,对基本蚁群算法也做了一定的改进。不同的实验结果表明这种方法的确可以准确地找出全局最优路径。     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

一种基于新的条件信息量的属性约简算法

为了获得决策系统中更好的相对约简,讨论了属性约简与条件信息量的关系,提出了新的条件信息量,由此定义新的属性重要性。统一了一致决策表和不一致决策表属性约简方法,以新的属性重要性为启发信息,给出了计算新的条件信息量的高效算法。理论分析和实验结果表明,与现有的基于条件信息量的约简算法相比,该算法时间复杂度较低,同时约简后的属性数目更少。     

基于GIS的河南省南阳市植烟田土壤肥力适宜性评价

在分析河南省南阳市烤烟种植区各项土壤肥力指标的基础上,建立了烤烟土壤肥力适宜性评价指标体系。运用模糊数学和层次分析法对土壤肥力水平进行了综合评价、分级。采用地理信息系统软件mapGIS绘制河南省南阳市烤烟种植区土壤肥力评价图。结果表明,唐河、方城和内乡的东南部由于植烟田土壤有机质含量和K含量高,为土壤适宜性较高地区;西峡、淅川、邓州和内乡的西部植烟田虽然土壤中有机质和含N量较高,但Cl-含量也比较高,为次适宜区。今后应注意改良土壤,加强N、P、K搭配比例的协调。图2,表3,参15。     

纳米ZnO光催化有机磷农药降解的研究

研究纳米氧化锌对三种有机磷农药的降解情况，考查了催化剂及其用量、光照时间、pH值的影响，结果表明纳米氧化锌能使有机磷农药发生降解。实验结果还表明不同形貌的氧化锌在降解有机磷农药时其效果不一样，网状比粒状所需要时间要短，这可能因为网状的粒径比较小，与降解体系接触空间更大。     

共沉淀法制备的铁酸锌纳米材料的晶化与晶粒生长行为

采用共沉淀法合成了纳米铁酸锌粉体,并对所制粉体在100~1000℃不同温度下进行热处理,用TEM、XRD等手段对所制备的纳米铁酸锌晶体进行了表征,并对纳米铁酸锌晶体的晶粒生长进行了探讨.结果表明,具有尖晶石结构的铁酸锌纳米晶在共沉淀反应时就已形成,但晶粒的尺寸较小;随着热处理温度的进一步升高,晶粒迅速长大,粒径的尺寸分布在5~30 nm;当热处理温度升至1000℃左右时,晶粒尺寸已达微米数量级.对照TEM和XRD测量结果,表明所制备的铁酸锌纳米粉颗粒为单晶颗粒.     

融盐包裹法合成球形正极材料LiNi_(0.7)Co_(0.2)Al_(0.1)O_2(英文)

以球形Ni(OH)2为核心原料,Al(NO3)3.9H2O、Co(NO3)2.6H2O和LiNO3为包裹原料,采用融盐包裹法在空气中煅烧合成了单相固溶体LiNi0.7Co0.2Al0.1O2。用XRD研究了合成产物的物相和结构,用SEM研究了合成产物的形貌,用电池性能测试仪研究了合成产物的电化学性能。实验结果表明,合成产物具有α-NaFeO2型层状有序结构、球状形貌和良好的电化学性能。     

具有两个异号非线性源项的波动方程的整体解

讨论了具有两个异号非线性源项的波动方程utt-△u a|u|p-1u-b|u|q-1u=0的初边值问题.依据势井理论,引入了一簇势井,并结合紧致性方法得到该问题整体解的存在性.     

濒危植物桫椤过氧化物酶的分离纯化与性质

将齿叶黑桫椤叶片提取液经硫酸铵盐析、透析、DEAE-琼脂糖凝胶柱层析和Sephacryl S-200凝胶柱层析分离得到纯化的POD,其纯化倍数为26.29,回收率为27.04%;通过SDS-PAGE法测得POD的分子量为43000D;通过IEF-PAGE法测得POD的等电点为4.55;齿叶黑桫椤POD最适pH在4左右;最适温度在45℃左右;Km值在最适温度45℃、最适pH4的条件下为0.07 mol/L。     

基于均值约束满足度剪枝策略的高效序列模式挖掘算法

为了减少无用候选序列的生成,并使挖掘得到的序列模式符合用户要求,约束条件下的频繁序列模式挖掘已成为数据挖掘领域的一个新的重要研究方向.作为强约束形式的一种,均值约束目前仍然是基于约束的频繁序列模式挖掘的一个困难问题,其主要原因在于很难利用均值约束来进行序列模式挖掘中的剪枝.为此,提出了一种基于均值约束满足度剪枝策略,并且以前缀增长方法为基础设计了一个有效的频繁序列模式挖掘算法.通过分析并实验验证了该算法的时间效率和剪枝性能,结果表明,该方法是有效的.