全文获取类型
收费全文 | 7354篇 |
免费 | 388篇 |
专业分类
公路运输 | 1622篇 |
综合类 | 2476篇 |
水路运输 | 2098篇 |
铁路运输 | 1394篇 |
综合运输 | 152篇 |
出版年
2024年 | 110篇 |
2023年 | 368篇 |
2022年 | 418篇 |
2021年 | 458篇 |
2020年 | 359篇 |
2019年 | 345篇 |
2018年 | 137篇 |
2017年 | 186篇 |
2016年 | 228篇 |
2015年 | 229篇 |
2014年 | 297篇 |
2013年 | 301篇 |
2012年 | 342篇 |
2011年 | 361篇 |
2010年 | 328篇 |
2009年 | 372篇 |
2008年 | 425篇 |
2007年 | 404篇 |
2006年 | 273篇 |
2005年 | 251篇 |
2004年 | 253篇 |
2003年 | 219篇 |
2002年 | 175篇 |
2001年 | 166篇 |
2000年 | 107篇 |
1999年 | 102篇 |
1998年 | 90篇 |
1997年 | 78篇 |
1996年 | 71篇 |
1995年 | 62篇 |
1994年 | 66篇 |
1993年 | 43篇 |
1992年 | 32篇 |
1991年 | 15篇 |
1990年 | 49篇 |
1989年 | 17篇 |
1988年 | 2篇 |
1965年 | 3篇 |
排序方式: 共有7742条查询结果,搜索用时 750 毫秒
511.
铁路行包运输径路算法 总被引:2,自引:1,他引:1
针对铁路行包运输网络和运输组织的特征,遵循长短途分工、始发直达、区域中转等铁路行包运输组织基本原则,以营业站和列车运行模式对铁路行包运输网络进行描述;综合考虑运输成本、时间、能力和现场作业等方面因素,给出铁路行包运输径路的基本形式和选择策略,并设计基于选择策略的铁路行包运输径路搜索算法,实现对装车站以及中转站列车的合理选取,有效减少选用列车的数量,提高搜索的效率和有效性。通过限定最大搜索次数对铁路行包运输径路算法的搜索深度进行有效控制;搜索广度主要由可选用的列车数决定。该算法可以完成给定装车站到所有营业站的径路计算,应用于中铁快运公司1 000多个行包营业站、1 600多列列车的大规模铁路行包运输网络的运输径路计算,效果良好。 相似文献
512.
轮乘制下的铁路乘务排班系统 总被引:1,自引:0,他引:1
张波 《铁路通信信号工程技术》2008,5(3):33-36
针对铁路乘务制度由包乘制改为轮乘制,建立基于回溯算法的乘务排班系统,完成乘务计划快速自动编排,降低乘务成本。 相似文献
513.
基于随机需求的多频次道路货运调度模型及算法 总被引:1,自引:0,他引:1
以道路货物运输为研究对象,采用多频次调度方法对随机需求的道路货运调度问题进行研究,给出了基于随机需求的多频次调度模型及求解模型的微粒群算法,同时通过算例验证了该模型的可行性。 相似文献
514.
介绍了列车运行控制仿真系统中ATP列车超速防护仿真子系统的系统结构和功能.阐述了仿真中目标距离、目标速度的确定方法,以及目标.距离模式曲线的仿真算法.对基于轨道电路和应答器的CTCS-2级列车超速防护系统进行了仿真实现.该系统为进一步研究列车超速防护系统提供了有效的实验环境和方法. 相似文献
515.
针对列车调度指挥系统在开通天津集中台的过程中,出现的列车运行阶段计划调整方案不能满足调度指挥要求的问题,研究天津集中台列车运行阶段计划自动调整方案。天津集中台管辖车站多,车站间环状相连,连接方向多,列车走行径路有300多条。为此,建立以列车优先级别、列车追踪间隔时间、列车区间运行时分、列车起停车附加时分、车站股道接车能力、旅客列车最早发车时间和列车固定停站时间为约束条件,以列车加权晚点总时间最小为目标函数的调整模型。采用动态规化算法进行求解,设计相应的算法步骤,并以天津集中台天津(临时)至下直通场间的车站为例进行验证。计算结果表明:采用上述模型和求解算法进行列车阶段计划调整,能够快速给出列车运行阶段计划的调整方案。该方法在天津集中台已经得到了应用。 相似文献
516.
517.
518.
计算机联锁控制系统的进路生成算法研究 总被引:2,自引:0,他引:2
提出了一种有效分解车站站场图形的方法,构造出由股道区段组成的子集链。在此基础上进路生成问题转化为变约束条件的优化问题。通过对子集的处理消除了约束条件。给出了适于生成进路的遗传算法。理论分析及仿真实验结果表明给出的进路生成算法的有首效性及实用性。 相似文献
519.
520.
蚁群算法在PID参数优化中的应用研究 总被引:1,自引:0,他引:1
本文介绍了蚁群算法的基本原理,将蚁群算法应用到了PID控制的参数优化问题中,并详细给出了基于蚁群算法的PID控制参数优化算法的实现步骤。为了验证本文算法的可行性,我们对文献[1]中的例子进行了仿真,并将仿真结果与文献[1]给出的基于遗传算法的PID控制参数优化结果进行了比较,发现:基于蚁群算法的PID参数优化算法无论是在最优解的质量方面还是在算法的执行效率方面都要优于基于遗传算法的PID参数优化算法。 相似文献