机床主轴的模糊可靠性优化设计

针对机床主轴常规优化设计不考虑设计参数的随机性和模糊性 ,提出将模糊可靠性引入到主轴的优化设计中 ,在常规优化设计的基础上建立了机床主轴模糊可靠性优化设计的数学模型。     

基于Flash的物体运动编程方法

用Flash编程实现物体的运动，绘制运动轨迹、运动曲线和函数图形，制作交互式多媒体课件，极大地方便了物理、数学的教学，结合实例详尽地说明使用Flash电影剪辑对物体运动进行编程的方法。     

基于GIS的常州市绿地适宜性评价方法研究

城市绿地适宜性评价是科学规划城市绿地系统的前提。以常州市绿地系统规划为对象,在野外调查和资料收集的基础上,根据主导性、稳定性、独立性和代表性原则选择城市绿地适宜性评价的影响因子,采用特尔菲法给定影响因子的权重,建立GIS系统管理下的各图层(影响因子)空间属性信息数据库,利用ArcGIS9.2空间分析功能,对常州市城市绿地规划建设用地进行定性定量评价,揭示常州市绿地布局的适宜性与限制性,以此确定常州绿地系统的布局空间和发展方向。结果表明,利用GIS对城市绿地适宜性进行评价,合理有效,实用性强,可丰富城市绿地系统规划的理论和方法。     

Evolution of Internet Topology＇s Features in ＂Occupy Wall Street＂

以占领华尔街事件为例,研究社会事件和网络事件对Internet复杂拓扑连接的冲击,分析其拓扑在事件发展过程中的突变特征量,并剖析产生突变的原因.分别对各特征量与事件的发展趋势进行相关性分析,寻找相关度最高的特征量.将网络拓扑划分成低核、中核和高核3个层次,从核的角度分析网络各层次之间紧密程度的变化.结果表明,社会事件会通过搜索来改变网络路由路径,使得平均路径长度产生突变.通过分析各核边数的变化,得到以下结论：平均路径长度的变化是由低核至中、高核间的＂长边＂引起的.     

基于改进粒子群算法的集成网络节点部署优化

针对集成RFID与WSNs网络中智能节点最佳位置的选择问题,采用改进粒子群算法优化策略,在复杂的传播环境、交叉覆盖及智能节点间不可避免的干扰等影响因素下,寻找智能节点的最佳位置。该最佳位置不仅要保证给定智能节点对标签的最大覆盖率,而且要使得智能节点间的干扰最小。仿真结果表明,基于惯性权重线性递减策略的粒子群算法,加快了寻找最优节点部署的速度,并能快速有效地收敛于最优解,从而在保证覆盖率的前提下使干扰最小。     

基于SLP的波纹管厂布置设计研究

本文根据波纹管厂的产品组成、产品产量、工艺流程、辅助服务设施、时间约束等等各个方面信息对企业的设备、物料以及人员所需空间等进行合理分配布置和有效地组合。采用系统化布置设计(SLP)方法分析产品的生产流程,提供了一种以作业单位的物流和非物流相关关系分析为基准的规划设计方法。最终得出该厂的作业单位位置相关图和波纹管厂的可行布置图。     

城市生态环境规划的原理与模拟探析

在剖析城市演化历程中的功能变迁与导引的生态环境滞胀类型和危害的基础上,着重利用系统生态学的原理和方法,探讨了可持续发展要求下的城市生态环境规划的目标、原理和研究的内容、方法及过程;提出了以产业结构、土地利用结构和空间格局的调整为核心制定城市生态环境规划的总体思路;创造性地融大气扩散、雨水沉降和植被吸纳SO₂,NO_x及TSP等污染物模型与经济、人口和碳氧平衡等模型于一体,构建了案例城市广州的生态环境综合调控模型,并借助DYNAMO语言模拟得到了广州市未来生态环境规划的优化方案。     

聚类分析在多极值函数优化中的应用

将聚类分析方法应用于经典的优化和遗传寻优过程当中，提出了一种求解多极值函数全局最优解的方法。在基于梯度的算法中，先取多个初始点，几次迭代搜索后做聚类分析。在每类取一点，将目标函数分为多个单极值函数，然后分别寻优，通过比较得到全局最优解。在遗传算法中，通过聚类分析在每类取若干个体作为代表个体，它们将始终参与遗传操作，从而有望达到全局最优。     

TM遥感影像植被信息提取的最佳波段组合选择——以福建省松溪至建瓯高速公路为例

以拟建福建省松溪至建瓯高速公路两侧10 km为研究区域,运用最佳指数OIF法,同时参考地物光谱特征曲线以及各波段主要应用范围,在TM遥感影像图植被信息提取过程中,探讨基于遥感技术实现植被信息提取的最佳波段组合,研究显示:145波段组合信息量最为丰富,其波段间相关性最小,为植被信息提取的最佳波段组合.在此基础上,探讨了多光谱数据中,快速、准确选取最佳波段组合,为提高植被解译的精度和工作效率提供重要依据.     

PSO-QGA在移动机器人复杂路径规划中的应用

量子遗传算法具有适应性强、收敛速度快、适合于全局搜索的特点,粒子群优化算法的优点是具有记忆能力,在智能搜索的实现上可以结合个体和全局的最佳位置实现位置定位,但粒子群优化算法在搜索速度和择优能力方面还有待提升.因此提出了一种改进的路径规划算法,即利用量子遗传算法结合粒子群优化算法的记忆功能和最佳定位能力,实现对移动机器人路径规划算法的改进.通过仿真实验已经证明,改进后的移动机器人路径规划算法在稳定性和路径优化选择上都优于单纯的粒子群优化算法和量子遗传算法,并且改进后的算法更适合于复杂路径中实现优化.