微粒在涡旋光场高阶贝赛尔光束中的受力分析

根据涡旋光场高阶贝赛尔光束表达式,推导出了微粒在此光束中所受轴向力的表达式并进行了计算.分别研究了在贝塞尔光束中,高折射率微粒与低折射率微粒所受轴向力与粒子半径、折射率、光束波长、束腰半径之间的关系.数值结果表明该光束不仅可以捕获高折射率微粒,也可以捕获低折射率微粒.     

微粒群算法思想下蚁群算法的改进及在CTSP中的仿真实现

为了克服标准蚁群算法容易陷入局部最优化从而导致算法过早停滞的缺陷,借鉴了微粒群算法的优秀思想,提出了基于微粒群算法的城市选择变参数选取策略与信息激素的更新方式的改进策略,并应用于对CTSP问题的仿真实验.结果表明:改进算法能够提高收敛速度,节省搜索时间,而且能够克服停滞行为的过早出现.     

火山灰呛死大飞机

那当然!别看这些火山灰的微粒只有0．001毫米到2毫米那么大．但是论起搞破坏的本事,那可绝对是专家级的。     

工程项目多目标协同优化研究

将微粒群算法(particle swarm optimization,PSO)引入工程项目多目标协同优化领域,研究工程项目的质量、费用、资源和工期的协同优化问题。文章首先系统介绍微粒群算法原理、流程以及算法的改进发展,然后研究了工程项目质量、费用、工期和资源的协调功效系数,并建立了质量、费用、工期和资源的多目标协同优化模型,接下来介绍了应用微粒群算法编码解决工程项目多目标优化的方法步骤。最后,通过一个应用实例,计算表明微粒群算法可以准确快速地解决工程项目多目标协同优化问题。     

Pareto方法在服务网格资源调度多目标优化中的应用

服务网格资源调度问题是一个新兴的课题,如何构建一个高效的资源调度模块,是提高服务网格性能的关键.采用基于微粒群智能优化算法(PSO算法)的Pareto方法,探索解决资源调度的多目标优化问题,通过实验证明该方法在多目标优化方面具有优越性.     

动态环境下一种改进的自适应微粒群算法

提出了一种适应复杂动态环境的微粒群算法———改进的自适应微粒群算法(Improved AdaptiveParticle Swarm Optimizer,IAPSO).使用由DF1(Dynamic Function 1)生成的复杂动态环境对IAPSO算法进行了验证,并着重将IAPSO算法同APSO(Adaptive Particle Swarm Optimizer)算法进行了对比.实验结果证明,在复杂的动态环境中,IAPSO算法比APSO算法具有更好的适应性.     

汽相生长金刚石微粒及金刚石薄膜分析

用化学汽相沉积法已长出金刚石微粒及金刚石薄膜,并对它进行了扫描电镜观查,X-射线衍射分析,喇曼光谱分析,硬度测试,证明它确是金刚石并具有金刚石的性能.     

CTAB-正己醇-正庚烷-水四元反相胶束体系制备CdS纳米微粒及其光学性质

制备和表征了CTAB-正己醇-正庚烷-水四元反相胶束体系, 确定了微液滴呈单分散且稳定的反相胶束区域, 并以微液滴为“微反应器”合成了CdS纳米微粒; 研究了反相胶束体系的四元组成对纳米微粒的尺寸及分布、 形貌、光学性质和稳定性的影响. 当W = 24.45 (W = [水]/[CTAB]), P = 5.27 (P =[正己醇]/[CTAB]), [CTAB] = 0.19 mol/L, [Cd2+]和[S2－]为8.45 ( 10－4 mol/L时, 可得到尺寸均一的CdS纳米微粒, 其粒径为6～8 nm.     

基于静态有向种群结构的EPSO算法研究

较弱的局部搜索能力是影响扩展的微粒群算法(EPSO)性能的重要因素。为了提高扩展微粒群算法的局部搜索能力,本文针对EPSO的特点设计了各种静态有向种群结构。通过研究静态有向种群结构的特征度量与EPSO算法性能的关系,得出微粒的出度值和适应值是影响EPSO局部搜索与全局搜索能力的重要因素等结论。     

分形在超细微粒粒度测试中的应用

提出了用分形理论来建立微粒布朗运动特征模型的设想，并从理论上阐明了它的有效性。在此基础上进行分析，得到了模型的分形特征和微粒尺寸参数间的关系。结合图象信号处理技术，可从计算的分形维值中获取粒度信息，进而可得到一种超继微粒粒度测试的方法。