群体智能优化算法

正0引言群体智能(swarm intelligence)的核心思想就是若干个简单个体构成一个群体,通过合作、竞争、交互与学习等机制表现出高级和复杂的功能,在缺少局部信息和模型的情况下,仍能够完成复杂问题的求解[1].其求解过程为对求解变量进行随机初始化,经过迭代求解,计算目标函数的输出值.群体智能优化算法不依赖于梯度信息,对待求解问题无连续、可导等要求,使得该类算法既适应连续型数值优化,也适应离散型组合优化.同时,     

玫瑰、丁香和百合露酒风味物质分析

分别以白酒基酒、玫瑰、丁香和百合白酒为研究对象,通过顶空固相微萃取-气相色谱-质谱法(HS-SPME-GC-MS)对白酒基酒及3种露酒的挥发性风味物质进行内标定量检测分析,并应用气味活度值(OAV)对白酒基酒及3种露酒的关键风味物质进行特征性分析。结果表明,白酒基酒及3种露酒中共检出50种挥发性化合物。玫瑰露酒含有特征花香物质香茅醇和香叶醇;丁香露酒含有特征花香物质香茅醇、芳樟醇、δ-杜松烯、反式-橙花叔醇和丁香酚;百合露酒中未检出特征花香物质。白酒基酒、玫瑰露酒中异戊乳酸酯的OAV最大,分别为1140、1150;丁香白酒、百合露酒中癸酸乙酯的OAV最大,分别为125.31、131.62。白酒基酒及3种露酒风味物质含量存在差异,玫瑰和丁香能有效改变露酒风味。     

缓和曲线的实施及其存在问题的分析与处理

分析了缓和曲线的实施和实施过程中存在的问题，总结了放样方法，提出了解决特殊问题的具体方法。     

非对称全连接二值神经网络的收敛性

对非对称全连接二值神经网络的收敛性能进行了分析，给出了保证网络收敛的充分条件和收敛时间的计算公式，分析并指出了这些结论是对称情况的一种推广，因而更具普遍性，最后对网络实现的误差允许范围进行了讨论。     

联想神经网络异步工作方式下收敛性能的研究

本文对具有投影学习算法的Hopfield型二值神经网络在异步工作方式下收敛性能进行了比较全面的分析讨论,采用非能量函数的方法证明了网络具有演化收敛到网络平衡点的特性;推导了计算网络收敛所需瞬态工作步数上界的估算公式;分析并给出了计算平衡点(记忆模式)收敛半径的算法.     

玫瑰、百合煎饼风味成分比较研究

为探究玫瑰、百合对煎饼风味的提升作用,本研究以原味、玫瑰和百合煎饼为对象,通过顶空固相微萃取（HS-SPME）与气相色谱-质谱联用技术(GC-MS)测定煎饼中的挥发性风味物质,对其相对含量进行聚类层次分析并计算相对气味活度值,采用高效液相色谱法（HPLC）分析煎饼中有机酸含量。从3种煎饼中共分离出51种挥发性风味物质,不同煎饼中挥发性风味物质种类和含量存在差异,在玫瑰煎饼中检出了玫瑰特征香气成分香茅醇,相对含量为2.24%,在百合煎饼中未检出百合的特征香味成分。相对气味活度值结果表明,煎饼中关键风味物质主要为醛类物质,香茅醇、橙化基丙酮和苯乙醇对玫瑰煎饼风味具有积极作用,而乙酸丁酯和正癸醇对百合煎饼风味具有修饰作用。有机酸结果表明煎饼中乳酸含量最高,其中原味煎饼中乳酸含量达到了5.604 mg/g,与百合煎饼中的3.848 mg/g存在显著差异（P<0.05）,仅在百合煎饼中检出苹果酸,含量为1.921 mg/g,说明玫瑰和百合能够有效改变煎饼的风味物质。     

三种黑蒜醋挥发性风味和有机酸成分分析

为了探究3种不同产地黑蒜醋的呈味物质,采用顶空固相微萃取-气相色谱-质谱联用和高效液相色谱分析技术进行测定分析。结果表明,产品A,B,C挥发性风味物质总数分别为33,34,26种,其中共有的关键挥发性风味物质有乙酸、γ-壬内酯、苯乙醇、糠醛。蒜香味的二烯丙基二硫醚是产品A特有的挥发性风味物质;烘烤味的吡嗪类物质是产品B特有的挥发性风味物质;橙香味的正壬醇是产品C特有的关键挥发性风味物质。产品A,B,C有机酸总数分别为9,9,5种,其中共有的有机酸有乙酸(24.03~43.82 g/L)、乳酸(0.41~5.80 g/L)。除乙酸外,产品A中苹果酸浓度较大,为6.67 g/L;产品B中乳酸浓度较大,为5.80 g/L;产品C中其他有机酸浓度均小于1 g/L。