对洪关于幂LCM矩阵的一个猜想的注记

一个含有n个不同正整数的集合S={xt,…,xn}称为是gcd闭的,如果S中任两个整数的最大公因子也在S中,洪绍方在2002年猜想：对于给定的一个正整数t,存在一个仅由t决定的正整数k(t),使得当n≤k(t)时,定义在任意gcd闲集S={xt,…,xn}上的幂LCM矩阵([xi,xj]^t)是非奇异的;而当n≥k(t) 1,则存在一个gcd闭集S={xt,…,xn},使得定义在其上的幂LCM矩阵([xi,xj]^t)奇异,洪于1999年证明了k (1)=7,在本文中,作者证明了若t≥2,则有k(t)≥8．     

弹塑性梁柱非线性分析的变截面法

在偏心受压梁柱M.P-ψ(弯矩一轴力一曲率)关系的基础上,分析了从弹性到塑性状态时梁柱截面刚度的变化规律,建立了弹塑性梁柱非线性分析的变截面法,即采用幂函数模拟塑性梁柱截面惯性矩变化规律。应用此法可将梁柱的非线性问题转化为几何非线性问题。用本方法对实际算例的分析结果与已有的解析法结果相符。此方法为进一步研究梁柱的非线性行为提供了一种新的思路。     

求解多目标单机分批排序问题

分批排序(Batch Scheduling)是在半导体生产过程的最后阶段提炼出来的一类新型的排序问题．单机分批排序问题就是n个工件在一台机器上加工,要将工件分批,每批最多可以同时加工B个工件,每批的加工时间等于此批工件中的最大的加工时间．目前只有Cheng-shuo Wang,Reha Uzsoy运用Random Key方法编码研究了单目标函数为Lmax的分批排序问题．给出组合优化中的多目标分批排序问题的一种新编码,结合模糊数学知识,运用遗传算法研究多目标分批排序问题．研究了多目标遗传算法的机制特征,进而给出求解多目标分批排序的遗传算法．     

异色瓢虫雌虫多次交配的利益

本文研究了多次交配对异色瓢虫雌虫的产卵量、孵化率和雌虫寿命的影响。结果表明：多次交配显著提高了异色瓢虫雌虫的产卵量和孵化率,缩短了异色瓢虫雌虫的寿命;单次交配和重复交配对异色瓢虫的产卵量、孵化率和雌虫寿命没有显著影响。可能是不同雄虫间的精子竞争提高了精子质量,导致异色瓢虫雌虫进行多次交配产卵量和孵化率提高。多次交配中,不同雄虫间激烈的交配竞争和交配干扰给雌虫身体造成的物理损伤可能是雌虫寿命缩短的原因。     

基于频率控制的多约束风电塔优化方法

提出了基于频率控制的多约束单管型风电塔优化方法.塔架简化成悬臂梁结构,其横截面参数作为设计变量,以最小化材料体积为目标函数,按照将塔架设计成刚-刚或刚-柔或柔-柔不同类型的要求设定塔架的固有频率约束,采用专业软件Bladed计算风荷载,按照风电塔规范考虑强度、稳定性和疲劳等约束,这使得优化结构更符合实际设计.考虑到采用Bladed荷载计算工作量很大,整个优化过程分为几个阶段,在每个阶段的开始,以前一个阶段的优化设计作为初始设计,并重新计算结构荷载,在该阶段内于固定荷载下用移动渐近线法(MMA)求解优化问题改进设计,所需的固有频率、强度及疲劳约束灵敏度采用解析法获得.对一现有塔架进行优化以说明方法的有效性.根据塔架固有频率和风机工作转速之间的关系,发展了高风电塔的分类.在此基础上,结合提出的优化方法,可以帮助设计者判定在指定高度和机型下哪种类型塔架更合适,为塔架概念设计提供有价值的参考.     

基于多重响应的大跨度空间网格结构重要构件评估方法

为统一大跨度空间网格结构在进行连续性倒塌分析时移除构件的判别方法.基于稳定与强度失效模式,给出大跨度空间网格结构重要构件初选范围的选取方法.在此基础上提出了基于初选范围的多重响应分析法,并将该方法通过算例进行验证后应用于世界大学生运动会主体育场中,得到此类折面空间网格结构的重要构件分布.该分析结果与实际工程的设计结果吻合较好.研究表明:基于初选范围的多重响应分析法简单实用,能够快速全面地评估大跨度空间网格结构中构件的重要性,弥补了现有方法只考虑单一结构响应的不足,解决了目前连续性倒塌分析中初始失效构件判别没有统一标准的缺陷,使备用荷载路径法得到了更广泛的应用.     

多元回归分析在生物成矿研究中的应用

运用回归分析原理,讨论了浓度、时间及不同物种对生物聚金富集率的影响,并和粘土矿物吸附金作了对比。结果显示：生物对金的富集导致富集率的急剧上升是在较短的时间内完成的,其动力机制在于生物对金的被动吸附及细胞壁对金的络合作用;时间与金溶液浓度同为影响生物富金的重要因素,金溶液浓度的影响远较时间因素显著;生物富金与无机物吸附金相比,无机物吸附金是一个较为缓慢的过程,时间作为影响吸附能力的一个因素,其显著性大大提高。     

多分类器组合的投票表决规则

为了提高多分类器组合的效果 ,提出了一种改进的投票表决规则 .每个分类器对每个模式类别的识别能力不尽相同 ,通过对大量样本的统计 ,获得有关每个分类器识别性能的先验知识 ,将其作为投票表决的依据 .投票表决时每个类设置不同的表决阈值 ,使组合效果得以改善 .这些阈值可以通过训练获得 .在数字识别系统中的实验结果表明 ,该方法使多分类器组合的识别率和置信度明显提高     

多概念学习的决策树MNID算法

决策树归纳法ＩＤ３是人工智能机器学习中发展较快的一种归纳学习算法,而目前的ＩＤ３及其改进算法亦因各种问题限制了其在工程中的应用。基于决策树归纳学习算法示例学习最优化的理论,用在多概念学习条件下对多特征属性值进行分组聚类实现优化的方法,导出了定义在多概念窨上的决策树归纳学习算法ＮＭＩＤ。这种新算法对工程技术领域普遍存在的多概念学习问题,有较好的应用价值。