关于仿真理论的探讨

系统仿真经过几十年的发展,逐渐形成了一个相对独立的学科领域。作为学科,应该有其自己相应的基础理论。本文提出将模型论、仿真算法和仿真可信度评估理论作为系统仿真学科的基础理论的观点。     

基于广义Julia集f(z,c)=(zα+c)β+c分形图的设计与实现

以广义的Julia集为例,论述了Julia集分形图设计的方法与结果,并阐述了Julia集分形图在广告,装潢等设计领域的应用价值,是一种新颖的图形辅助设计方法。     

Sb-度量空间中一类映射的公共耦合不动点定理

在Sb-度量空间中,证明了一类具有混合g-单调性的映射的耦合重合点定理和公共耦合不动点定理,并给出实际例子来验证新结果的有效性,拓展和推进了之前文献中的一些相关结果.     

ABAQUS二次开发在骨重建仿真中的应用

本研究的目的 是利用ABAQUS二次开发环境,将基于应变能密度准则的骨自优化理论,编写成骨重建仿真算法.可以提取仿真模拟的密度分布数据作为场变量以云纹图的形式显示出来.通过计算骨组织密度的变化趋势分析骨重建过程.建立二维悬臂梁模型,进行200步迭代计算.结果 显示密度分布呈现出桁架结构,验证了基于ABAQUS二次开发环...     

量子电路可逆逻辑综合的研究及进展

分析了量子电路可逆逻辑综合的意义、研究现状和研究进展,给出了相关的研究方法和目前量子可逆逻辑综合研究中存在的主要问题,提出了量子可逆逻辑综合中的最小量子代价、最小化垃圾信息位、最小化门的数量和可逆逻辑综合的规模等关键技术问题的解决思路.     

云计算环境中面向大数据的改进密度峰值聚类算法

对密度峰值聚类算法进行有效改进,计算各样本点之间的距离和各样本点局部密度,选择两者中较大的样本点作为聚类中心点,根据其余样本点与各中心点的距离设定样本点所属类别;引入K近邻算法对密度峰值聚类算法进行优化,求解各样本点的距离时只需要考虑其周围由邻近值决定的若干样本点,实现距离阈值的自动选取;根据距离矩阵计算样本点的密度,绘制决策图并选择簇内中心点,将剩余点根据密度值分配给离中心点距离最近的类;最后将K近邻-密度峰值聚类算法部署至Hadoop云计算平台,用于解决大规模数据聚类的问题。仿真结果表明,通过合理设置K近邻算法的近邻值k,K近邻-密度峰值聚类算法具有较好的大数据样本聚类性能,与常用聚类算法相比,该算法具有更高的聚类准确率和聚类效率,适用于大数据样本聚类。     

基于环境因素的露天煤矿粉尘质量浓度预测

为实现PM2.5、PM10和TSP粉尘质量浓度预测,利用哈尔乌素露天煤矿环境监测数据,以随机森林算法为基础,建立环境因素影响下的粉尘质量浓度预测模型,采用网络搜索的方法对随机森林模型进行参数调整.研究结果表明:采用加权算术平均值法对粉尘质量浓度数据进行降噪处理,能有效提高预测模型的准确性.特征重要性分析表明,环境影响因...     

基于聚类的多样本复发拷贝数变异检测算法

拷贝数变异是人类基因组中一种重要的结构变异类型.不同样本中相同区域出现的拷贝数变异称作复发拷贝数变异.研究表明,复发拷贝数变异与人类复杂疾病紧密关联.提出一种基于聚类思想的多样本复发拷贝数变异的检测算法,该算法首先提取两种与复发拷贝数变异密切相关的特征:即多样本中每个位点的拷贝数变异比率和拷贝数变异幅度均值,然后利用聚...     

混合与孔板通风下隔离病房内气溶胶扩散特征

对采取混合通风及孔板通风策略下的典型隔离病房内气流组织及气溶胶扩散过程开展了数值模拟研究,以探讨通风策略对病房中气溶胶扩散与沉积的影响．进一步研究了气溶胶颗粒粒径及孔板通风的多孔板开孔率对气溶胶分布的影响．利用文献中试验数据验证了所采用数值模型的准确性．结果表明：相比于混合通风,孔板通风策略可以使病房内的流场、温度场分布更加均匀,并且能加速气溶胶颗粒排出,从而有效降低医护人员的交叉感染风险;小粒径气溶胶颗粒更容易受到流场影响,在病房内扩散悬浮,而大粒径的气溶胶颗粒更容易沉积在地面和病床上;当采取孔板通风时,减小开孔率可以加速气溶胶颗粒的沉积和排出,减少颗粒物在室内的悬浮,降低空气中的病毒感染风险．     

考虑运输时间的紧前约束下柔性作业车间调度

针对紧前工序对机床主件制造车间生产调度的影响,结合运输时间分析紧前工序的四种表现形式,建立各形式紧前工序约束模型．引入模糊运输时间的概念,利用三角模糊数确定确切的工件运输时间,构建考虑运输时间的紧前约束下的四目标柔性作业车间调度模型,设计基于勾股模糊前景值的最优觅食算法求解该调度模型．算法中将勾股模糊数与前景理论结合,将目标函数值映射为模糊数,利用基于直角三角形形心的距离测度评估模糊信息,基于距离测度体现个体选择时的偏好,通过双理想参考模糊数前景值函数获取综合前景值判断非劣解质量,引导最优觅食算法进化．通过算例、实例测试和真实生产案例仿真验证了所提算法性能强于四个经典的多目标智能优化算法．