全文获取类型
收费全文 | 926篇 |
免费 | 10篇 |
国内免费 | 51篇 |
专业分类
系统科学 | 77篇 |
丛书文集 | 13篇 |
教育与普及 | 149篇 |
理论与方法论 | 53篇 |
现状及发展 | 6篇 |
综合类 | 689篇 |
出版年
2024年 | 2篇 |
2023年 | 15篇 |
2022年 | 17篇 |
2021年 | 13篇 |
2020年 | 7篇 |
2019年 | 8篇 |
2018年 | 7篇 |
2017年 | 6篇 |
2016年 | 5篇 |
2015年 | 27篇 |
2014年 | 61篇 |
2013年 | 72篇 |
2012年 | 68篇 |
2011年 | 83篇 |
2010年 | 63篇 |
2009年 | 78篇 |
2008年 | 80篇 |
2007年 | 54篇 |
2006年 | 54篇 |
2005年 | 48篇 |
2004年 | 35篇 |
2003年 | 30篇 |
2002年 | 25篇 |
2001年 | 24篇 |
2000年 | 38篇 |
1999年 | 11篇 |
1998年 | 8篇 |
1997年 | 14篇 |
1996年 | 5篇 |
1995年 | 6篇 |
1994年 | 3篇 |
1993年 | 5篇 |
1992年 | 4篇 |
1991年 | 3篇 |
1990年 | 3篇 |
1989年 | 2篇 |
1988年 | 1篇 |
1987年 | 1篇 |
1985年 | 1篇 |
排序方式: 共有987条查询结果,搜索用时 15 毫秒
51.
2011年9月,根据位于瑞士日内瓦欧洲核子研究中心的粒子物理学家的研究报告,他们检测到中微子的运动速度超过了光速,这违反了爱因斯坦的狭义相对论。但是,这却让时间旅行变成了可能。而2012年2月,该项目负责人对外发表声明称,他们找到了两个可能“严重”影响实验结果的问题。科学家称爱因斯坦相对论依然正确。 相似文献
52.
如果你热爱旅行,也喜欢台湾,建议你的"自由行"不妨来一趟"故事旅行"!其它旅行,或许有很多机会夜宿舒适的五星级饭店,品尝各国美食,在壮阔的世界美景中留影;然而,故事旅行中有丰富但过去未曾用心聆听的在地故事,讲故事的人不是能言善道的导游,而是故事主角本人,带你走入他们在台湾土地上的生命故事。不同于"阿里山、日月潭", 相似文献
53.
54.
55.
旅行商问题(TSP)的模拟退火求解 总被引:3,自引:0,他引:3
提出了循环排序中6种不同的随机抽样方式,对旅行商问题(TSP)的模拟退火求解进行了进一步深入研究.理论分析证明,6种抽样方式均满足模拟退火算法的全局收敛性条件.实例计算表明,子排列反序并移位抽样方式的求解寻优效率最高,且明显优于目前公认最好的著名的S.Lin“2-交换”抽样方法.本研究和结论对循环排序类优化问题及其求解具有普遍意义. 相似文献
56.
首次用Chandra卫星资料详尽的对蟹状星云弧秒尺度区域以及主要的活动区进行了X射线谱分析.测得了蟹状星云中的主要活动区:如环面(torus),结节(knots),亮条纹(wisp),喷流(东南方向),反向喷流(西北方向)的光子谱指数(photon index).同时在环面区,分析了光子谱指数随径向的分布.有迹象表明,在内环中可能存在一个在理论和观测上以前都没有提及到的粒子加速区.结节是整个蟹状星云中光子谱指数最低的地方,这表明粒子在这些区域得到加速.东南方向的喷流的谱指数和环面内暗区的谱指数类似,而西北方向的反向喷流具有最大的光子谱指数.得到的结果同XMM(X—Ray Multi—Mirror Mission)卫星的结果进行比较,两基本一致. 相似文献
57.
求解TSP 问题的离散粒子群优化算法 总被引:20,自引:0,他引:20
以旅行商问题为例,提出了一种离散粒子群优化算法,根据优化问题及离散量的特点,对粒子的位置、速度等量及其运算规则进行了重新定义,为抑制早熟停滞现象,为粒子和粒子群分别定义了个体多样性和微观多样性,算法中定义了排斥算子来保持粒子群的多样性,使用高效的学习算子来提高算法的局部求精能力,使算法在空间探索和局部求精间取得了很好的平衡,与领域中的其它典型算法进行了仿真比较,结果表明,离散粒子群优化算法具有很好的性能. 相似文献
58.
以遗传算法求解旅行商问题(TSP)为例,提出一种改进的交叉和变异算子,深入讨论了各个遗传算子的程序实现,并给出其算子的MATLAB程序编码,最后用5个城市的非对称TSP进行仿真分析.结果表明,改进的算法比传统算法收敛速度更快,适应值更优,说明改进算法是有效的,证实TSP问题是遗传算法得以成功应用的典型例子. 相似文献
59.
60.
基于Hopfield网络的极小值问题学习算法 总被引:5,自引:0,他引:5
针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 ,结果能够以很高的比率收敛于最优解 相似文献