物理教学中渗透研究性学习的策略——以“光电效应”的教学为例

结合＂光电效应＂的教学,探究了物理教学中渗透研究性学习的策略,即更新教育观念,确立研究目标;突出教学重点,确保研究时间;优化教学过程,创造研究机会,以使研究性学习落到实处,推进素质教育。     

液氮洗工艺的多目标遗传算法优化

为了优化大化肥中的液氮洗关键流程以提高能量效率、控制CO2排放,在使用Aspen Plus软件对某低温液氮洗工艺进行模拟分析的基础上,结合多目标遗传算法和二次规划法(MOGA-QP)来解决局部极值和大规模优化问题.根据超结构方法,构建了液氮洗工艺流程总结构,即在原流程中加入了一个减压阀和一个分离器,由此可以增补29.546 kJ/kg冷量,使得液氮洗涤塔出口净化气中的CO体积分数为0.55×10-6.利用MOGA-QP求解了超结构,即在进化过程中用二次规划法来模拟流程表单的各个子模块,在最终收敛的环节用二次规划法求解子问题,从而对遗传算法产生的Pareto解做进一步的精细优化.实际应用显示:在满足工艺指标的前提下,优化后的液氮入口流量减至0.131 2 kmol/s,出口CO体积分数降至0.25×10-6,液氮入口流量减少了1.7%,火用损失减少了15.7%,表明改进流程更佳,MOGA-QP算法有效.     

应用回归分析的数据关联算法

针对复杂电磁环境下目标跟踪需要兼顾实时性和精确性的问题,应用测量领域的数据处理方法,提出了回归分析的数据关联算法.首先,利用对滤波曲线的两点回归分析,逐一预测各观测到达时刻的置信区间,筛选出关联点;接着,以系统处理周期为分组标准,对筛选序列进行成组观测数据回归分析;最后,计算出观测融合点,并用该点更新滤波器新息.该算法不仅能将复杂的关联转变成测量点迹动态更新过程,而且优化了同步化处理步骤.仿真实验表明:回归分析算法与联合概率数据关联算法相比,在直线运动场景下,两者的均方根误差及轨迹丢失率相近,且随着目标数目的增多,前者在平均占用CPU时间上的优越性更加突出;在曲线运动场景下,两者跟踪误差相当,前者占用CPU时间仅为后者的1/6.     

基于服务质量的Web服务优化选择算法及仿真

提出一种基于服务非功能属性的Web服务优化选择的多目标遗传算法.考虑到在服务选择时组合方案中的控制结构、具体服务之间的关联性和多个服务质量指标之间的折衷这三方面的约束,对服务选择建立分层模型给出优化选择的形式化定义.在此基础上,采用多目标遗传算法求解优化服务选择.首先设计了适合的染色体编码方式,以表示可行的服务选择方案...     

库存积压风险对回购激励的影响及其对策

针对决策过程中决策者在考察期望收益的同时通常也会考虑获得该期望收益的不确定性这一实际情况,基于"效用"的角度考虑了供应链回购激励机制的目标函数,提出用库存积压风险规避因子来描述决策者的风险偏好,建立了相应的基于Stackelberg主从博弈的回购激励模型,并通过对比风险中性情形的决策过程得出了关于零售商库存积压风险规避态度影响的定量结论:对于库存积压风险规避的零售商,供应商将需要给出更大的激励力度,即零售商将得到风险溢金.设计了基于批发价的目标回购激励机制作为应对策略,并证明了其有效性.     

基于块背景建模的运动目标检测

运动目标检测是计算机视觉中目标识别、目标跟踪和场景理解的前提.文中提出一种基于块的混合高斯背景建模方法,采用图像块的均值和块内方差作为块的特征对场景进行建模,并对前景块根据它的邻域块处理以得到更精确的目标区.新方法不仅考虑了像素在时间域上的分布信息,还利用了像素邻域间的信息消除虚警数,改善了传统混合高斯背景建模方法处理...     

工程结构优化设计研究进展

对工程结构优化设计进行了综述,系统介绍了不确定性优化、形状优化、拓扑优化、多目标优化、系统优化等现代工程结构优化设计以及遗传算法、模拟退火算法、神经网络算法等现代仿生学寻优新方法及其应用,指出寻求目标函数和约束函数的高精度近似显式解析式和对最优准则法、数学规划法及仿生学算法进行改进、组合是工程结构优化算法发展的主要方向...     

驾驭自己的心理时空

我们无不生活在同一个物理时空之中,也就是重复无尽的昨天、今天、明天这"三天"之中。然而,人们想法各不相同。不是吗?有的人心情被过去的昨天牢牢地束缚着;有的人却深深地沉浸于今天现在的情境中;而有的人思绪早已飞向明天那遥远的未来。心理时空各有不同迷恋"过去"心理时空的人,其表现不一。有的人陶醉于以往的骄     

多目标规划纯量化问题的Lipschitz稳定性

利用Kojima函数的正则性质研究了多目标规划问题的纯量化问题解的强Lipschitz稳定性．     

基于改进粒子滤波算法的比较分析研究

提出一类改进的粒子滤波算法.对于建议分布的选取方案,此算法采取强跟踪分散的卡尔曼滤波方式建立它的建议分布.由于线性调节参数,此算法让系统拥有更优越的自适应性及鲁棒性,对高机动目标具有更强的跟踪效果,继而为强跟踪扩展卡尔曼滤波的能力.仿真结论说明,此算法的性能比别的几类非线性滤波算法更加优秀.比如辅助粒子滤波器(APF)、迭代扩展卡尔曼粒子滤波器(IEKE-PF)、Unscented粒子滤波器(UPF)、正则化粒子滤波器(RPF),则是在bootstrap粒子滤波器提出之后,继而出现的改进的粒子滤波器0基于粒子滤波,本文提出了阻止粒子退化的两个重点原因,以及选取合适的采样建议分布及重采样算法.