量子宇宙学的发展及影响

半个世纪以来，人们普遍接受了建立在广义相对论基础上的大爆炸学说，后来又确立了大爆炸早期的暴涨阶段，对于在这个标准模型中存在的疑难，人们试图从宇宙的创生期，应运量子理论来找出答案，文章尝试着从这个探索过程中，理清量子宇宙学的形成、内涵及影响，并期望能为以后的研究理清一个思路。     

用FCGA优化的四辊冷轧机恒张力模糊控制系统的设计

为了保证冷轧机轧制中带钢恒张力这一特点，设计了四辊冷轧机恒张力模糊控制系统。该系统含有电压、电流和速度三个内环，最外环为张力环；电压环和电流环采用一维模糊控制器控制，速度环和张力环采用二维模糊控制器控制。为了加强模糊控制的自适应性，采用了一种模糊控制的遗传算法将外张力模糊控制器的隶属参数进行优化。理论分析和仿真结果都表明该系统对带钢恒张力控制具有很强的鲁棒性和实时性，即使在变工况下（大范围变负荷下）也保持了良好的控制性能。     

一种求解价格控制问题的混合遗传算法

针对价格控制问题提出了一种将遗传算法与单纯形法相结合形成的混合遗传算法，在分析了价格控制问题具体特点的基础上，对遗传算法在编码、约束处理、下层问题无解处理等方面进行改进，最后进行了数值模拟，模拟结果验证了该算法具有较高的精度且简便易行。     

蜂窝网络中基于遗传算法的信道分配

信道分配问题属于组合优化中的NP完备问题 ,为了更有效的利用频率资源 ,在遗传算法的基础上提出了一种新的信道分配方法·在信道分配中主要考虑三种限制 :同频限制、邻频限制和同位置限制·目标是得到一个用最少的信道数 ,满足话务需求和电磁兼容限制的信道分配方案·采用了最小间隔编码方案 ,利用固定遗传算子 (交叉和变异 ) ,在整个迭代过程中始终满足话务需求的要求·提出了几种遗传算子并进行了验证 ,比较结果表明选择性变异技术能得到很好的结果·对几个著名的benchmark问题进行仿真 ,结果表明 ,它对解决信道分配问题是一个非常有效的方法     

测试二元运算乘法表是否构成群表的算法设计

对计算机测试二元运算乘法表是否构成群表的算法进行研究 ,一个乘法表构成群表的充要条件是乘法表具有两个性质·在测试乘法表构成群表的第一性质中提出了直接逐行、逐列测试G中所有元素 ,按行、按列搜索相同元素及相异元素计数三种算法 ;在第二性质测试中 ,对搜索与单位元 1构成矩形的同行、同列元素中提出自然升序法、外推法及小段优先三种算法 ;在遍历整个二维乘法表判别矩形第 4顶点元素特性中 ,提出了单个矩形移动、按行(列 ) (n-1 )个矩形同时移动、(n -1 ) 2 个矩形同时移动及改进的单个矩形移动四种算法 ;讨论了主要算法的复杂性 ;用VisualC ++6.0实现了算法的程序设计 ;用所设计...     

并行流程式生产线调度问题的概率分析求解算法

并行生产线调度问题兼有并行机器和流程车间调度问题的特点 ,是一类新型的调度问题·针对工件在各工序具有任意加工时间的一般并行生产线调度问题 ,构造了整数规划模型 ,设计了基于概率分析的求解算法·对随机生成的测试问题进行求解的实验结果表明了算法的有效性     

代数迭代映射分支值的优化算法

以代数迭代映射动力系统的倍周期分叉问题为背景,研究出较精确计算代数迭代系统分支值的优化方法·以分支值为设计变量,映射点的最大开口量为目标函数,以映射点周期关系为等式约束和分支值分布范围为不等式约束,建立了关于分支值计算的新方法·通过两个代数迭代系统分支值实例分析计算,获得较高精度的结果·     

带机器准备时间的同类机在线与半在线排序问题

研究带机器准备时间的m台同类机(uniform machines)在线和半在线排序问题，目标函数为极小化最大机器(工件)完工时间。对于在线情形，证明了LS算法的最坏情况为ρ=｛（1 √5）/2，m=2,1 √2m-2/2,m≥3，并且当m=2，LS算法是最好的近似算法；当m=2，3，…，6时界是紧的，特别地，当s1=s2=…=sm-1,sm≥l时，证明了LS算法的最坏情况界为ρ=｛（1 √5）/2，m=2,3-4/m 1,m≥3，而且界是紧的；对于已知加工时间递减的半在线排序问题，证明了LS算法的最坏情况界为2—2/(m 1)。     

系统参数对双基地声呐定位性能的影响

提出一种单纯基于声波到达时间TOL(Time Only Localization)的双基地声呐定位算法,给出了该算法的原理和误差分布.通过数值仿真,研究了基线长度、站址测量误差和声速波动等系统参数对双基地TOL算法定位性能的影响,为多基地声呐体制的建立提供了理论依据.     

用遗传算法确定斜拉桥的恒载初始索力

在设计预应力混凝土 (P .C .)斜拉桥时 ,确定成桥恒载初始索力值是一项重要而困难的任务 ,为此尝试用遗传算法来确定不同目标状态下的斜拉桥初始索力 .以往的方法往往都要假设一个斜拉桥成桥初始内力或位移状态 ,与以往方法不同的是 ,在使用遗传算法的时候却没有这样的要求 ,它只需要一个目标函数即可 ,剩下的任务就是求目标函数的极值解或者目标函数极值解所对应的各变量值