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   8篇
  免费   1篇
  国内免费   2篇
工业技术   11篇
  2023年   1篇
  2022年   1篇
  2019年   2篇
  2016年   2篇
  2015年   2篇
  2009年   1篇
  1991年   2篇
排序方式: 共有11条查询结果,搜索用时 15 毫秒
1.
鲁义轩  徐向平  莫林峰  常刚  冯叶  徐晓笛 《通信世界》2009,(11):I0008-I0010
根据中国联通集团此前下发给地方联通的“无线网建设七大原则”,各省联通在实施重组融合的同时,快马加鞭地开始了WCDMA设备入网与工程建设,基于WCDMA网络的3G品牌和业务,也即将在今年5月全面向用户推出。  相似文献   
2.
以煤气化渣(CGS)为载体,采用溶胶凝胶法制备了Fe3+掺杂改性的Fe3+-TiO2@CGS光催化剂复合材料,利用电子扫描显微镜、N2物理吸附仪、热重分析仪等设备对复合材料进行了表征,并以苯酚废水为目标污染物,考察了该复合材料的光催化性能.实验结果表明,250mL浓度为300mg·L-1苯酚溶液在光催化反应器进行处理,...  相似文献   
3.
针对标准人工蜂群(ABC)算法易陷入局部极值的问题,对标准ABC算法的轮盘赌选择机制进行了修改,提出了一种基于动态评价选择策略的改进人工蜂群(DSABC)算法。首先,根据到当前为止一定迭代次数内蜜源位置的连续更新或停滞次数,对每个蜜源位置进行动态评价;然后,利用所得的评价函数值为蜜源招募跟随蜂。在6个经典测试函数上的实验结果表明:与标准ABC算法相比,动态评价选择策略改进了标准ABC算法的选择机制,使得DSABC算法的求解精度有较大幅度提高,特别是对于两种不同维数的Rosenbrock函数,所得最优值的绝对误差分别由0.0017和0.0013减小到0.000049和0.000057;而且,DSABC算法克服了进化后期因群体位置多样性丢失较快而产生的早熟收敛现象,提高了整个种群的收敛精度及解的稳定性,从而为函数优化问题提供了一种高效可靠的求解方法。  相似文献   
4.
针对标准粒子群优化(PSO)算法早熟收敛及易陷入局部极值的缺点,提出一种基于环形邻域的混沌粒子群优化算法RCPSO,并将其应用于求解数据聚类问题,而且通过在4个数据集上进行仿真实验验证了算法的有效性。实验表明,当邻域大小为整个种群规模的1/3时,基于静态邻域和基于随机邻域的算法在4个数据集上的整体聚类效果均达到最好。RCPSO算法利用适当规模的环形邻域提高了粒子群的全局寻优能力,并利用混沌因子增强了粒子收敛过程中种群的多样性,从而避免算法的早熟收敛。另外,与K-means、PSO、K-PSO及CPSO算法的实验结果进行比较表明,RCPSO算法在错误率方面表现得更好,因此该算法为聚类问题提供了一种切实有效的解决方法。  相似文献   
5.
本文主要从整机结构和实体划分的角度简要地介绍了光配线架(终端盒)、数字配线架(高频、低频)的用途以及配线架的系列设计,并简要地介绍了国外配线架的类型。  相似文献   
6.
分析了离子膜自身结构、电解液、电解槽气相压力、杂质污染等因素对槽电压的影响。提出要尽可能避免不当操作导致的槽电压异常情况,而且要不断优化设计,改进离子膜电解槽。  相似文献   
7.
研究了折点加氯法在卤水预处理中的应用,并提出了陕西北元化工集团股份有限公司的生产运行优化建议。  相似文献   
8.
针对基本离散粒子群优化(DPSO)算法收敛速度慢、易于陷入局部最优等问题,提出了一种基于优秀系数的局部搜索混沌离散粒子群优化(ILCDPSO)算法并用于求解旅行商问题(TSP)。基于轮盘赌选择原理,给每段路径设定一个合理的优秀系数,以提高短边被选择的概率,从而有利于提高算法的寻优能力和收敛速度;为了进一步提高解的精确性,在算法机制中添加了局部搜索策略,通过调整每个城市在给定邻域内的城市路径,提高算法的局部搜索能力;另外,在算法的迭代公式中加入了混沌序列来提高粒子的随机性和多样性,增强了算法的全局搜索能力。最后用国际通用的TSP数据库(TSPLIB)中的若干经典实例对算法进行了测试,并与粒子群优化(PSO)算法、改进的PSO(IPSO)算法和混沌PSO(CPSO)算法等进行了比较。实验数据显示,在相同的实验条件下,与其他算法相比,ILCDPSO算法获得最优解的平均迭代次数较少且获得最优解的次数比例最高。研究结果表明,加入优秀系数后,ILCDPSO算法在收敛速度、全局寻优能力以及稳定性方面均优于其他算法。  相似文献   
9.
10.
为克服全局粒子群优化算法易陷入局部最优的缺点,基于全局自适应速度粒子群优化(SAVPSO)算法,给出一种基于环形邻域拓扑的局部SAVPSO算法来求解约束优化问题,同时采用动态目标方法(DOM)来有效处理约束条件,并以13个经典的测试函数为例对算法的性能进行仿真实验研究。测试结果表明,与全局SAVPSO算法相比,该算法具有较强的全局寻优能力,可以较好地避免陷入局部最优;另外,粒子的邻域大小及实现形式对算法的性能均有一定的影响。  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