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。     

植入式硅神经微电极的发展

 神经科学和神经工程研究需要研究大脑神经元的电活动情况，以了解大脑产生、传输和处理信息的机制。植入式神经微电极作为一种传感器件，是时间分辨率最高的神经电活动传感手段之一。介绍了国内外几种主要的植入式硅基神经微电极的结构特点、制备方法和性能特点。分析表明，未来通过不断结构优化和改性修饰，特别是在高通量的神经记录方面，通过与同样基于硅材料的电路的集成，硅神经微电极能够进一步提高生物相容性，解决大规模的电极通道体内外传输与连接问题，实现对神经元的在体大规模长时间记录。     

La$_{{1-x}}$Sr$_{x}$TiO$_{3}$ 薄膜的高通量 X 射线衍射

高通量材料合成方法和高通量材料表征手段区别于传统低效率的 "试错法"材料发展方法, 极大地加速了材料科学的变革和发展. 通过设计程序进行了高通量 X 射线衍射实验, 在保证数据分辨率条件下, 高效地表征了 La$_{1-x}$Sr$_{x}$TiO$_{3}$ 薄膜上多个数据位点的晶体结构, 验证了其成分的连续变化性质, 为后续开展更多类型的高通量 X 射线衍射实验提供了指导.     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．     

Gelatin/PVA复合薄膜的制备及其性能表征

实验利用旋涂法制备了一种明胶(Gelatin)和聚乙烯醇(PVA)的复合薄膜,通过金相显微镜、红外光谱、接触角测量仪对所得薄膜进行了表征测试,探究了不同比例的Gelatin和PVA对薄膜性能的影响。研究表明,随着两种聚合物比例的不同,薄膜性能差异较大。Gelatin和PVA的比例越大,薄膜的接触角越小,润湿性能也越好,并且所有样品的接触角均小于90°,说明薄膜具有良好的亲水性。随着Gelatin与PVA比例的增大,复合薄膜的厚度也逐渐增加,说明Gelatin的加入量决定了复合薄膜的厚度。     

五种希格斯玻色子与希格斯场之内部结构模型图表解析

现今，“希格斯玻色子”被认为是所有基本粒子质量的来源，也是标准模型预言的最后一种粒子，目前，物理学家普遍认为不排除未来可能会发现其他带电荷的希格斯玻色子。许多物理学家认为：事实上，希格斯玻色子组成希格斯场是一种更加复杂的理论模型，而这些理论模型预言了应有五种不同的希格斯玻色子，它们不仅带有电荷，还有可能带有色荷，而且质量也不相同。希格斯场遍布在宇宙中，该文就这五种不同希格斯玻色子及其组成的希格斯场，作一理论模型预言之图表解析。     

Fe、Al纳米粒子熔化过程结构转变的分子动力学研究

采用分子动力学方法结合嵌入原子势函数,应用势能、共近邻技术分析方法,研究了原子数为147、309和561的正二十面体(ICO),正十面体(Dh)和立方八面体(CO)的Fe、Al纳米粒子的熔化行为.结果表明,原子数为147、309、561的ICO结构的Fe、Al纳米粒子在熔化前保持原有结构;Dh与CO结构的Al纳米粒子在熔化前向ICO结构转变,ICO结构比Dh结构和CO结构更稳定.     

车辆路径问题的粒子群算法研究

车辆路径优化问题是一类具有重要实用价值的组合NP问题．粒子群算法(panicle swarm optimization)是一种新出现的群智能(swarm intellingece)优化方法，将其应用于车辆路径优化问题，构造车辆路径问题的粒子表达方法，建立了此问题的粒子群算法，并与遗传算法作了对比试验．结果表明，粒子群算法可以快速、有效求得车辆路径问题的优化解，是求解车辆路径问题的一个较好方案。