北京野鸭湖湿地膜翅目群落多样性及生态分布

2006年4～10月利用网捕法对北京野鸭湖湿地膜翅目昆虫群落进行了调查,对4个样带的膜翅目昆虫群落组成、多样性及生态分布特征进行了初步研究.共捕获膜翅目昆虫标本45 006只,隶属于31科.研究结果表明,该地区膜翅目昆虫以跳小蜂科、姬小蜂科为优势类群;旋小蜂科、缘腹细蜂科、蚜小蜂科、金小蜂科、缨小蜂科、棒小蜂科、环腹瘿蜂科、分盾细蜂科、姬蜂科、茧蜂科、蚁科共11个科为常见类群.利用D、C、H',层及Ci等指数对不同样带膜翅目昆虫群落的结构特征进行了比较分析.不同样带H'从高到低依次是芦苇样带、扁秆蔗草-绵毛酸模叶蓼样带、稗-水蓼样带、牛鞭草样带;不同月份H'从高到低依次是9月、8月、10月、5月、7月.在4个样带中,环境条件比较复杂的扁秆蔗草-绵毛酸模叶蓼样带和稗-水蓼样带膜翅目昆虫的物种数最多,指数H'和Ci较高.聚类和排序结果显示,不同样带膜翅目昆虫之间差异显著.研究结果表明野鸭湖湿地膜翅目昆虫群落的组成丰富,重视湿地多样化生境的保持,对湿地膜翅目昆虫的多样性具有明显意义.     

单机排序元胞传输模型在终端区排序中的应用

为缓解终端区航班延误问题,将终端区进场航空器排序过程分为航路飞行排序阶段和汇聚排序阶段,从而降低问题复杂度,结合单机排序算法与元胞传输理论,利用标准雷达引导航线,并结合实际管制经验,建立以系统运行时间最短为目标函数的元胞传输模型;根据航空器对链一体化原则,将等待着陆的航空器分组,并赋予相应的权值,针对航空器对链影响因子的不同进行排序,并结合实例计算得到系统总运行时间,起点处等待时间,最终着陆顺序等。结果分析表明,该优化模型能够反映终端区进场航班的动态特性,给出合理的航空器进场顺序,为终端区进场航班提供路径参考,满足实际的运行需求。     

单机分批加工最大迟后问题的一个多项式时间算法

文中考虑了下述单机分批问题;对时刻零同时到达的ｎ个工件需分成若干批在同台机器上加工,同批工件加工时相邻,任一工件的完工时间为所在批中全部工件完工时的时间,机器每加工一批工件需一相同的调整时间。文中以工件的最大迟后为目标函数,对工件加工顺序预先给定和可任意时的最优分批分别给出了多项式时间算法。     

合同加工排序的随机性问题分析

建立了具有随机加工时间和交工期为指数分布随机变量的合同加工调度问题的一般模型,并给出了相应算法．     

Microsoft Excel的数据库管理方法

从一般数据库管理的角度出发,论述Excel管理数据库的方法。这种“表格”式的数据库管理方法将提供给用户一种新颖的设计方法和简单的使用操作。具有很大的推广价值。     

求解一类单向函数的 TMP 权衡方法

针对求解一类具有良好伪随机性的单向函数,利用ＴＭＰ权衡技术,提出了一种新型的迭代算法．经过分析,此算法在计算上是可行的：其时间复杂度Ｔ～ｌｔ,空间复杂度Ｍ～ｍ,（其中ｍｌｔ≥Ｎ,Ｎ是所求问题定义域中元素的个数）,且此算法将以极大概率（在随机性假设下,以１概率）在上述时空复杂度内得出所求结果;同时,对特殊问题ＤＥＳ进行复杂度分析,证明了此算法的优越性．     

轨道养护计划多目标模型及求解

建立了包括轨道几何状态最优和成本费用最小两个目标函数的轨道养护计划模型.为了求解轨道养护计划多目标模型,通过编码改进、约束条件全过程控制以及遗传系数自适应的方法,对带精英策略的快速非支配排序遗传算法(NSGA-II算法)进行了改进,使其在求解轨道养护计划多目标问题时能更好地保持种群多样性,避免"早熟",并在后期加速收敛得到全局最优解,解决了大型养路机械最佳作业时间和地点的决策问题;沪昆上行线案例表明:所建立的计划编制方法的计算效率高,且养护计划效果明显,各区段轨道不平顺均未超过事后养护维修限度.     

基于非支配排序遗传算法的塔机有限元模型修正

为了建立一个能准确反映结构实际状态的有限元模型,提出了一种基于非支配排序遗传算法Ⅱ(NSGA-Ⅱ)的有限元模型修正方法.首先建立初始有限元模型,基于二次响应面法,得到有效的响应面替代模型,然后采用NSGA-Ⅱ对该模型进行修正,最终建立了满足工程精度要求的可靠的有限元模型.给出了某型塔机有限元模型修正的工程算例,将修正后的计算结果与实测数据相比较,说明了基于NSGA-Ⅱ多目标优化算法对于有限元模型修正具有理想的效果,修正后的有限元模型能准确反映结构力学特性.     

发动机缸体加工方案选择与操作排序协同优化

提出一种基于蚁群算法的发动机缸体加工方案选择与操作排序协同优化方法.考虑到部分零件特征有多个可行加工方案,在每次总迭代中为此类特征随机选择一种加工方案,并根据特征约束矩阵和操作优先级系数自动生成对应的操作约束矩阵.通过子迭代中的遗传算法进行操作排序优化,以装夹、刀具和机床3类制造资源的综合变换次数最少为目标得出子最优解,并在总迭代中利用精英保留策略获得全局最优工艺路线.最后,通过复杂的发动机缸体实例验证了该方法的有效性.     

基于重要性排序蒙特卡洛粒子滤波的物体跟踪算法

研究复杂背景下的物体跟踪方法. 提出一种用于物体跟踪的重要性排序马氏链蒙特卡洛粒子滤波算法. 算法利用少量加权初始粒子得到后验概率分布的初步估计,并通过重要性排序马氏链蒙特卡洛采样技术从该初步估计抽取新的粒子,以构建对应不同模态的多条独立马氏链,从而充分逼近真实后验概率分布的多模态. 所提出的算法自适应地根据当前模态分布构建多条独立马氏链,因此能够在多模态的复杂场景下准确估计目标状态的后验概率分布;同时,在构建马氏链的过程中,算法采用重要性排序策略确定历史样本被选为状态转移核的似然度,提高了小权重样本被选中的可能性,降低了在马氏链构建过程中陷入局部最优的概率. 仿真实验以及真实视频上所进行的实验显示,所提出的方法能够实现准确稳定的物体跟踪,且效果优于标准粒子滤波算法以及马氏链蒙特卡洛粒子滤波算法.