基于改进贪婪策略遗传算法0/1背包问题求解

在交通运输领域,背包问题有着广泛的应用。分析背包问题的特点,改进贪婪策略在遗传算法中初始种群的选择方法,将这种方法与自适应遗传算法相结合。实验结果表明:算法在求解速度和求解质量都有明显提高。该方法可为货物装载、运输等问题提供理论依据。     

城市轨道交通三维缓冲区构建方法

为解决现有地理信息系统无法完成城市轨道交通三维缓冲区构建的难题,采用八叉树作为构建三维缓冲区的基础数据结构,用线性八叉树编码储存轨道交通实体的空间结构信息,将交通三维缓冲区分析转化为八叉树节点的空间分析。研究了八叉树节点的空间关系,得出了一种线性八叉树邻域分析的新算法,即0-1互换算法。运用0-1互换算法找出轨道交通的边界节点,确定边界节点的边界方向,由边界节点构建交通三维缓冲区,形成了一套由线性八叉树构建城市轨道交通三维缓冲区的新方法。运用0-1互换算法对直线隧道、曲线隧道、直线高架桥、曲线高架桥等轨道交通实体模型进行边界节点提取,并与传统算法和经典肖氏算法进行了比较。选择连拱隧道、单拱隧道和高架桥3种结构,分别进行了三维缓冲区构建,统计了3种结构分割的八叉树节点数量,并与采用传统栅格结构进行三维缓冲区分析的栅格节点数量进行对比。分析结果表明:与传统算法和经典肖氏算法相比,0-1互换算法在对直线隧道、曲线隧道、直线高架桥、曲线高架桥4种轨道交通实体模型的边界节点提取中耗时最少,分别为5、7、10、18ms,将算法的时间复杂度由二次阶减少为一次阶;基于线性八叉树的交通三维缓冲区构建方法,对连拱隧道、单拱隧道与高架桥进行三维缓冲区构建时,其存储空间分别为栅格结构的7.26%、3.64%、3.72%。可见,基于线性八叉树结构的交通三维缓冲区构建方法能显著降低分析节点数量,提高交通三维缓冲区的构建效率。     

密闭舱段片状聚合物锂离子电池组温度场分析

水下航行器密闭电池舱段中聚合物锂离子电池工作时所产生的热量极难散出,这会导致聚合物锂离子电池组温度升高,进而影响其性能和安全性。本文针对水下航行器密闭舱段对聚合物锂离子电池建立数学模型,利用Ansys软件对电池组、1/2电池组、50及20块电池所组成的电池组进行温度场分析。通过分析结果可知,片状聚合物锂离子电池叠加在一起时,热量主要沿侧面散出,两端面对电池组温度影响较小,在对电池组进行温度场分析时,正负极极耳不能忽略。     

快递服务网点选址模型研究

为了提高快递企业收益,同时满足用户时效要求和费用要求,对快递企业服务网点的选址问题进行优化分析,建立0-1混合整数规划模型.采用GM(1,1)模型在MATLAB环境下预测用户未来需求量;考虑交通因素对运输成本的影响,进而影响快递企业收益以及网点的新建位置,建立关于交通影响因素的快递企业总收益的0-1混合整数规划模型.在预测用户未来需求量的前提下,利用LINGO11.0软件求解0-1混合整数规划模型,求得在满足用户费用要求和时效要求条件下,快递企业收益最大化的服务网点新建位置.通过算例分析,该方法能够快速有效获得最优解,符合服务网点选址的实际要求和长远发展.     

基于残差单调性的GM（1,1）修正模型及其应用研究

通过建立灰色GM（1,1）预测模型,对边坡位移进行预测。根据预测结果并利用残差在一定区间内呈单调变化的特性,再基于残差单调性重新选取样本序列,再次建立1组新的灰色模型,从而可极大地提高边坡位移预测精度。该模型被称为基于残差单调性的GM（1,1）修正模型。     

HJ-1A／B卫星数据几何校正与辐射校正顺序研究

以 HJ-1A/B卫星CCD数据为例,确定遥感卫星数据辐射校正和几何校正的方法,通过改变辐射/几何校正顺序,设计遥感数据预处理研究流程,从图像的统计特征和纹理特征两个方面,定量化的分析辐射/几何校正的先后顺序对处理结果的影响。实验从统计特征和纹理特征两个方面对结果进行了分析,发现校正顺序对结果的影响很小,该实验说明辐射/几何校正顺序的不同对预处理结果的影响很小,同时也可以为 HJ-1A/B卫星遥感数据的处理流程提供参考。     

基于“4M1E”影响因素的敞开式TBM快速掘进保障措施

TBM施工是一个复杂的系统工程,涉及的专业多、领域广,需要各个制约因素的高效集成,充分确保TBM设备利用率,加快施工进度,是体现TBM优势的关键。将影响TBM施工的各项因素归结为"人、机、料、法、环"5个方面进行研究。结果表明,通过培养高素质的人员管理队伍、保障完好的设备状态加之对材料供应、施工方法、环境控制等方面的科学管理,能够发挥人员的主观能动性、降低施工风险、体现设备的先进性,使快速掘进得以实现。     

小样本监测信息露天矿边坡变形预测模型对比分析

利用GM（1,1）,BP神经网络和灰色BP神经网络组合三种模型,分别对不同样本容量的小样本监测信息进行测试,对比分析预测结果的准确性与稳定性.结果表明,边坡变形预测模型受既有监测信息的样本容量影响较大,样本容量的增加有利于边坡变形预测模型精度的提高.在既有监测信息较少的情况下,GM（1,1）模型预测精度虽然最高,但缺乏稳定性;单一BP神经网络模型的预测精度由于样本较少,其精度较差.从预测结果的稳定性和精度两个方面综合对比来看,灰色BP神经网络组合模型更适用于小样本监测信息情况下的露天矿边坡变形趋势的预测.     

新陈代谢GM(1,1)模型在建筑物沉降监测中的应用

通过对都匀市某在建大楼沉降数据处理,运用灰色系统理论,建立新陈代谢GM(1,1)模型对大楼沉降进行预测,并对所建模型精度检验,结果充分显示新陈代谢GM(1,1)模型在建筑物沉降变形分析中具有很强的实用性和有效性。     

HtrA1、Survivin在早发型重度子痫前期胎盘组织中的表达及意义

目的探讨HtrAl(high temperature requirement A1,HtrAl)及Survivin在早发型重度子痫前期(early-onset severe preeclampsia,ES-PE)胎盘组织中的表达及其意义。方法采用SABC法测定早发型(30例)与晚发型(35例)重度子痫前期患者胎盘组织中HtrA1及Survivin的表达。结果 HtrAl在早发型重度子痫前期胎盘组织中的表达明显高于晚发型,平均灰度值分别为142.63±3.48和158.72±4.26(平均灰度值与表达强度成负相关),差异有统计学意义(P<0.05);Survivin在早发型重度子痫前期胎盘组织中的表达明显低于晚发型,平均灰度值分别为138.32±3.26和126.47±2.85,差异有统计学意义(P<0.05);HtrA1和Survivin在子痫前期胎盘组织中的表达呈负相关(r=-0.67,P<0.05)。结论 HtrA1、Survivin与早发型重度子痫前期的发生密切相关,提示早发型重度子痫前期与晚发型发病机制可能不同。