6种一年生草本物种响应于发芽季节的生物量分配机制

发芽季节对植物的生长和繁殖有重要的生态学和进化学意义.发芽季节推迟会诱导植物生物量分配的可塑响应,但不同物种的响应方式如何随发芽季节的延迟发生变化并不清楚.笔者以6种常见的一年生草本植物(金狗尾(Setaria glauca(L.) Beauv.)、地肤(Kochia scoparia(L.) Schrad.)、冬葵(Malva crispavar.crispa)、野黍(Eriochloa villosa(Thunb.) Kunth)、狗尾(Setaria viridis(L.) Beauv.)和苋菜(Amaranthus tricolor L.))为研究对象,使其在春季、夏季和秋季3个时期发芽,并在生长季末测量所有个体各器官的生物量.研究结果表明,随发芽季节的延迟,所有物种的总生物量都降低,但不同物种生物量分配的响应有差异,主要表现为3种策略：(1)资源获取优先策略：晚发芽的金狗尾可以通过提高根和叶的生物量分配,降低茎生物量分配,维持繁殖生长的稳定,晚发芽的野黍与狗尾有更强的繁殖能力,可以不降低营养生长而维持繁殖水平的稳定;(2)垂直生长优先策略：晚发芽的地肤可以通过降低根和叶生物量...     

不确定需求下基于匹配度的应急物资分配区间鲁棒优化

考虑需求不确定性的应急物资分配是重大突发事件救援领域关注的热点问题。针对需求不确定下的应急物资分配问题,综合考虑需求量和需求时间的匹配度,构建以综合匹配度均值最大为目标的区间鲁棒优化模型,设计基于随机采样的改进自适应遗传算法,以某突发事件中的应急物资需求为对象开展算例研究,计算相应的物资分配方案及需求匹配度,分析模型和算法的性能,探究模型中部分参数的影响。结果表明：改进的自适应遗传算法在大规模物资分配问题求解方面的优势更加突出;鲁棒优化在提高应急物资分配中需求匹配度方面具有一定的优化效果,但鲁棒性降低并不一定意味着平均匹配度的明显增长;需求量匹配度权重对匹配度具有更加显著的影响,但需求量不确定程度的增加并不一定导致匹配度的下降。权衡保守值与匹配度之间的关系,设置合理的需求量匹配度权重,调节与控制需求量的不确定程度等,能够有效改善不确定条件下应急物资的分配效率与需求匹配度。     

内河液化天然气加注码头储罐分配与加注船调度集成优化

为提高内河液化天然气加注码头运作效率,减少船舶加注等待时间,研究固定计划期内该类码头的储罐分配与加注船调度集成优化.重点考虑移动式加注与固定式加注的交互影响,兼顾储罐/加注船与受注船匹配限制、受注船可服务时间窗与最大服务时间限制、储罐库存与加注船容量限制等现实约束,以所有受注船总加权等待时间最小为目标,构建混合整数线性规划模型.基于问题的特点,重建原模型为集划分模型,并设计行列生成算法求解.通过数值实验,验证了方案及算法的有效性;特别地,行列生成算法的求解结果同下界平均相对偏差不足0.01%,且平均求解耗时少于2分钟;分析了储罐/加注船数和受注船最大服务时间的影响,可为加注码头运营提供决策支持.     

基于匈牙利-模拟退火算法的多阶段武器目标分配方法

针对现代化战争中远程精确制导武器成本高昂以及武器发射平台数量有限的问题,研究了多阶段武器目标分配问题,以最小化武器成本为优化目标,建立了混合整数非线性规划模型。设计了一种集成匈牙利和模拟退火的混合智能搜索算法,首先根据待攻击目标的时空状态与毁伤特性确定打击阶段、标记可松弛性。在模拟退火的框架下,基于目标的松弛性调整攻击阶段,再通过匈牙利算法计算每个阶段武器和目标的精确匹配方案。通过启发式算法和精确求解技术的结合,在保证求解质量的前提下,极大减少了计算时间。通过计算实验,与变邻域搜索算法进行了对比分析,验证了该算法在求解多阶段武器目标分配问题的有效性。仿真结果表明,所提算法在计算时间和求解效果上优于变邻域搜索算法。     

基于改进BBO算法和模糊期望效果的反导武器目标分配建模与实现

针对现有反导武器目标分配(weapon target allocation, WTA)由于忽略射击有利度和目标意图价值的不确定特征,而造成目标错分、漏分的问题,引入模糊期望理论,构建基于模糊期望效果的最大化费效比反导WTA模型。针对模型特点,提出基于改进型生物地理优化(improved biogeography-based optimization, IBBO)算法。该算法采用基于整数的矩阵编码方式,通过余弦动态自适应策略改进迁移操作。同时,引入共生生物搜索(symbiotic organisms search, SOS)算法中相互作用思想,设计基于共生策略的变异操作。此外,在IBBO算法基础上结合模糊模拟形成混合智能算法,对模型进行求解。仿真实例表明,所提算法较好地协调了集约化和多样化的能力,提升了求解的精度与效率,满足不确定环境下反导辅助决策对求解精度和时效性的要求。     

基于多智能体强化学习的协同目标分配

针对传统方法难以适用于动态不确定环境下的大规模协同目标分配问题,提出一种基于多智能体强化学习的协同目标分配模型及训练方法。通过对相关概念和数学模型的描述,将协同目标分配转化为多智能体协作问题。聚焦于顶层分配策略的学习,构建了策略评分模型和策略推理模型,采用Advantage Actor-Critic算法进行策略优化。仿真实验结果表明,所提方法能够准确刻画作战单元之间的协同演化内因,有效地实现了大规模协同目标分配方案的动态生成。     

低C/N污水培养好氧颗粒污泥研究进展

【目的】为解决低C/N污水难以培养好氧颗粒污泥（Aerobic Granular Sludge,AGS）的问题,对AGS的形成机理、影响因素等方面进行研究分析。【方法】综述了AGS形成的4种学说和影响AGS形成以及处理效果的6种因素,分析了AGS国内外工程应用情况,总结了AGS培养过程中的相关问题。【结果】低C/N污水培养AGS的过程中会受到原水基质浓度低、氮磷负荷难以协调的问题,还会受到溶解氧、曝气模式、剪切力、污泥龄、温度和周期设置的影响,颗粒化困难。后续可通过更改培养参数和运行策略满足生产需求。【结论】低C/N污水水质成分复杂,往往包含部分工业尾水,须规范行业制度,为AGS技术提供良好环境。低C/N污水培养AGS要求各类学科紧密配合,系统性整合产业链。通过工艺协调进水负荷,满足生产需求。此外还能通过采用协同处理的模式,引入工业废液改善水质,降低培养难度。     

基于多态蚁群优化算法的认知无线电动态频谱接入策略

为尽可能提高系统的网络收益及网络资源的利用率,针对原有蚁群算法搜索时间长、收敛速度慢及信息素单一等问题,提出一种基于时间效率的多态蚁群优化算法,借助信息素的增强型积累,为蚁群算法中蚂蚁的行动提供依据,并将其运用到认知无线电动态频谱接入中.以最大网络公平性和网络收益总和作为目标函数的仿真试验表明:改进后的算法能显著地提高系统的网络效益,保证系统的公平性,与此同时,节省了认知用户的搜索时间,使认知用户能更快速地接入可用信道,改进后的算法在加快收敛速度的同时,使得系统吞吐量也显著增加,提升了系统的整体性能.     

新公共管理语境下大学自治权限分配的公法争议及其解决

作为一种“历史的妥协”,大学自治的权限分配集中表现为国家管制与学术自治的双重集权结构。在大学自治的外部关系与内部关系方面,分别表现为以功能为导向的国家间隔原则和利益相关者参与原则。在新公共管理语境下,传统的自治观点开始被行政法学视野下的治理理论所取代。据此,大学自治的权限分配开始呈现新的变化,并在学说与实务上引发诸多公法争议。就大学自治的外部关系而言,传统的国家管制模式开始被监管型治理模式所取代,国家规制系统呈现“隐性强化”的特征;就大学自治的内部关系而言,传统的学术自治权限被削弱,而管理自治、利益相关者引导机制以及竞争机制得到持续强化。因此,应重申大学自治权限分配的民主正当路径与合法性逻辑,以实现国家监督、大学自治与师生权益保障之间的动态平衡。