城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

创新文化竞争力国际比较研究

提升中国创新文化国际竞争力,是全面塑造发展新优势的关键着力点,对我国建设创新型国家具有基础性、长期性、决定性影响.通过构建创新文化竞争力指标体系,选取GII创新指数排名和GDP总量排名均为前20的国家作为研究对象,运用主成分分析法对创新文化国际竞争力进行评价,研究发现:①从综合竞争力水平来看,英国、荷兰、美国、瑞士处于第一梯队,德国、加拿大、法国处于第二梯队,中国、韩国、日本为第三梯队;②从竞争力构成要素来看,中国创新文化可持续发展能力和国家创新驱动力具有相对竞争优势,发展基础力和创新型产业支撑力亟待提升,创新文化吸引力也存在进步空间.为此,提出完善创新文化发展的基础条件、讲好中国故事、加大要素投入等管理启示,以期为提升中国创新文化国际竞争力,建设创新型国家提供针对性建议.     

以政府改革促进“大众创业、万众创新”

<正>创新成为两会"最强音"。3月5日,国务院总理李克强在政府工作报告中指出,2015年中国面临的困难"可能比去年还大",要打造大众创业、万众创新和增加公共产品、公共服务的"双引擎"。报告中,"创新"一词被提及近40次。专家委员们更是将创新视为提振经济的有效手段。2014年9月10日,李克强总理在2014夏季达沃斯论坛开幕式上的致辞中指出,今后一段时间,我们要加快转变经济发展方式,以结构性改革促进结构性调整,就要用好创新这把"金钥匙",着力推进体制创新和科技     

两种常用启发式算法在车间生产调度中的应用

通过对某电池生产的各加工流程进行相关数据的测量,分别运用Palmer算法和彼得罗夫-哈姆算法对生产进行排序,并计算出了经排序后产品的加工周期。通过比较发现,选择彼得罗夫—哈姆算法进行排产,能达到提高设备利用率、缩短产品加工周期的目标。     

在实变函数教学中融入数学文化的思考

讨论在实变函数课程教学中融入数学文化教学的重要性,提出了若干教学方法以有效改善实变函数的教学效果,达到提高学生数学素养的目的.     

基于卢浮宫游客疏散模型探讨大型建筑的疏散方案

卢浮宫是法国的著名建筑,也是游客数量较多的一处景点,因此做好紧急情况的游客疏散预案具有重要意义。本文以卢浮宫的人群撤离为研究对象,结合卢浮宫建筑构造模型化的特点,设计了一种以语音导览器为导航介质的疏散方案,使游客能在最短时间内有序撤离到最近的出口,从而达到疏散游客的目的。以此模型为原型,人们可以根据建筑的特点优化该模型,使之适应不同的建筑。     

民国时期西安的戏曲班社与城市文化

在清末民初“戏曲改良”背景下,一批秦腔改良班社兴起于西安城内,这些戏曲班社大都实行室内剧场的经营方式。与此同时,随着西安城内商业的繁荣,逐渐形成了以秦腔剧场为主体的公共娱乐场所,导致城市空间结构的变化,更形塑着城市文化。这些戏曲班社体现出秦腔戏曲文化所包含的传统特性、戏曲杂志与电气化舞台美术所展现的现代特性。通过探析民国时期西安秦腔班社,可窥得城市文化新旧交叠的特性。     

基于一维数据逐段均匀条件下的参考分布研究

聚类分析中一个重要的问题是估计聚类数,GS方法通过参考分布对聚类数进行合理的估计,解决了其他聚类方法无法对应分为一类的数据进行分类的问题,具有更好的分类效果;目前已通过理论证明得出,在分布为对数凹且一维情况下,GS方法的参考分布为均匀分布,而有关其在其他条件下的参考分布研究较少;针对这一情况,提出解决一维且逐段均匀条件下GS方法的参考分布问题,以类内平方和为评价标准,通过拉格朗日乘数法求解与问题等价的优化问题,理论证出条件下总体均匀分布是类内平方和最大的情况,进而得出对于一维数据,逐段均匀条件下的参考分布仍为均匀分布的结论。