首页 | 官方网站   微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   1281篇
  国内免费   50篇
  完全免费   534篇
工业技术   1865篇
  2019年   4篇
  2018年   19篇
  2017年   42篇
  2016年   40篇
  2015年   87篇
  2014年   121篇
  2013年   97篇
  2012年   206篇
  2011年   239篇
  2010年   180篇
  2009年   188篇
  2008年   194篇
  2007年   186篇
  2006年   114篇
  2005年   82篇
  2004年   37篇
  2003年   17篇
  2002年   10篇
  2001年   1篇
  2000年   1篇
排序方式: 共有1865条查询结果,搜索用时 46 毫秒
1.
基于混合优化算法的正交多相码的设计   总被引:1,自引:0,他引:1  
姚铭君  袁伟明  邢文革 《现代雷达》2007,29(7):55-57,60
通过结合模拟退火算法的概率接受准则和蚁群算法的并行搜索,提出了一种有效的混合优化算法,设计出了具有良好自相关和互相关性能的正交信号组。混合算法弥补了模拟退火算法的搜索效率低和蚁群算法的容易陷入局部最小值的缺点,提高了全局搜索的能力。仿真结果表明,在搜索最优正交多相码方面该混合优化算法优于其他搜索算法。  相似文献   
2.
自适应PID控制技术综述   总被引:1,自引:0,他引:1  
自适应PID控制与智能PID控制是近年来的研究热点,文中综述了几种应用于工业现场卓有成效的PID控制器的构成方式及应用特点,并对智能PID控制的研究新成果作了简要介绍.  相似文献   
3.
群体智能研究综述   总被引:9,自引:0,他引:9  
王玫  朱云龙  何小贤 《计算机工程》2005,31(22):194-196
群体智能利用群体的优势,在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方案提供了新的思路。首先阐述了群体智能的研究现状,包括典型的蚂蚁群优化算法、粒子群优化算法、群体机器人以及算法的应用。在此基础上,对今后的研究趋势进行了分析和展望:对群体智能系统底层机制的研究以及群体机器人的研究将是今后研究的重点,具有重大意义和广阔前景。  相似文献   
4.
智能优化算法求解TSP 问题   总被引:39,自引:0,他引:39  
TSP(旅行商)问题代表组合优化问题,具有很强的工程背景和实际应用价值,但至今尚未找到非常有效的求解方法.为此,讨论了最近研究比较热门的使用各种智能优化算法(蚁群算法、遗传算法、模拟退火算法、禁忌搜索算法、Hopfield神经网络、粒子群优化算法、免疫算法等)求解TSP问题的研究进展,指出了各种方法的优缺点和改进策略.最后总结并提出了智能优化算法求解TSP问题的未来研究方向和建议.  相似文献   
5.
Examining the economics of multi-pass machining operations has significant practical importance. Traditional optimization techniques have been used, but are limited in application. Non-traditional optimization techniques like genetic algorithms, simulated Annealing and ant colony optimization are increasingly used to solve optimization problems. This paper discusses the use of non-traditional optimization techniques for optimizing the depth of cut in multi-pass turning. The resulting subdivision of the cut depth indicates the proposed methodologies are competent, efficient and accurate.  相似文献   
6.
Computer-aided process planning (CAPP) forms an important interface between Computer-aided design (CAD) and Computer-aided manufacturing (CAM). It is concerned with determining the sequence of individual manufacturing operations required to produce a product as per technical specifications given in the part drawing. Any sequence of manufacturing operations that is generated in a process plan cannot be the best possible sequence every time in a changing production environment. As the complexity of the product increases, the number of feasible sequences increases exponentially, and there is a need to choose the best among them. This paper presents an application of a newly developed metaheuristic called the ant colony algorithm as a global search technique for the quick identification of the optimal operations sequence by considering various feasibility constrains. A couple of case studies are taken from the literature to comparing the results obtained by the proposed method.  相似文献   
7.
Generation of optimal index positions of cutting tools is an important task to reduce the non-machining time of CNC machines and for achievement of optimal process plans. The present work proposes an application of an ant colony algorithm, as a global search technique, for a quick identification of optimal or near optimal index positions of cutting tools to be used on the tool magazines of CNC machines for executing a certain set of manufacturing operations. Minimisation of total indexing time is taken as the objective function.  相似文献   
8.
基于蚁群算法的神经网络配电网故障选线方法   总被引:1,自引:0,他引:1       下载免费PDF全文
为了克服基于神经网络的故障选线方法收敛速度慢、易于陷入局部极小点的缺点,提出了蚁群算法和神经网络相结合的故障选线方法。利用ATP-EMTP做单相接地仿真试验,得到各线路的零序电流信号,通过小波变换和傅里叶变换提取其中的故障特征作为神经网络的输入。利用蚁群算法对神经网络进行训练,完成训练的神经网络模型即可实现故障选线。仿真结果表明,该方法训练速度快、误判率低。  相似文献   
9.
动态分阶段蚁群算法及其收敛性分析   总被引:1,自引:0,他引:1  
为了提高蚁群算法的收敛速度和求解精度,根据仿生优化算法在不同阶段的特点,提出一种改进的蚁群算法.该算法对参数和选择策略进行了分阶段设计,而且参数的分阶段是根据寻优状态动态划分的.通过对蚁群系统马尔科夫过程进行分析,证明了该算法的全局收敛性.针对典型的TSP问题进行仿真对比实验,验证了该算法在速度和精度方面优于传统蚁群算法.  相似文献   
10.
针对蚁群算法在优化网络权值过程中存在搜索速度慢和精确度的问题,将梯度下降法作为优化算子嵌入蚁群神经网络,提出了一种新型混合蚁群神经网络,并根据花岗岩的高应变率动态实验,构建了一种动载高应变率作用下花岗岩本构关系分析的蚁群智能模型,其拟合结果与实际情况吻合,对于研究在高应变率下岩石动力学性能具有借鉴意义。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号