论筷子与刀叉的比较分析对现代设计的启示

从人机工程学的角度分析了筷子和刀叉的差异,探讨了隐藏在背后的东西方饮食文化以及思想的差异,最后在对比中论述了“筷子哲学“对现代设计的启示。     

一种基于分解和协同的高维多目标进化算法

现实中高维多目标优化问题普遍存在，而且其巨大的目标空间使得经典的多目标进化算法面临严峻挑战，提出一种基于分解和协同策略的高维多目标进化算法MaOEA/DCE.该算法利用混合水平正交实验设计方法产生接近于指定规模且均匀分布于聚合系数空间的权重向量，提高种群的分布性；其次，算法将差分进化算子和自适应SBX算子进行协同进化以产生高质量的子代个体，改善算法的收敛性.该算法与另外五种高性能的多目标进化算法在基准测试函数集DTLZ{1，2，4，5}上进行IGD⁺性能指标实验，结果表明MaOEA/DCE在收敛性、多样性和稳定性方面总体具有显著的性能优势.     

休闲社会背景下城市近郊地区的保护和开发

以太原市东山地区为例,对休闲社会背景下城市近郊地区的保护和开发进行了探讨,指出良好的生态环境是城市近郊地区可持续发展的根本,将旅游功能与城市近郊地区独特的资源相结合,进行合理的商业开发,是城市近郊地区稳妥转型、保持活力的关键。     

基于环境意识的人性化产品设计

阐述了绿色设计和人性化设计的理念,细致分析了这两者之间存在的各种矛盾与冲突.而设计师可通过恰当满足目标群体的需求、适当简化产品的造型、合理地选择材料以及巧妙地标准化和模块化设计4个方面,使产品在环境保护和人性化之间获得最佳的平衡点,并最终实现"人-环境-产品"之间的相互协调.     

GSM网络中Abis接口信令解码的分析与编程实现

Abis接口是BSC和BTS之间的通信接口,从MS发送到网络以及从网络下发送的大部分信令都会通过该接口。对该接口信令中所携带信源的分析和解码是了解通信用户状况和网络通信质量的有效手段。文中对Abis接口上的信令进行解码、提取信息的方法进行系统的分析和总结,并结合实践经验,提出了更有效的应用解码的一些建议及编程实现。     

QFD和TRIZ集成在儿童玩具车概念设计中的应用

首先对目前国内外流行的2种设计理论QFD和TRIZ的概念以及主要观点进行了介绍分析;接着在此基础上提出了2种理论集成以及融合的设计模型,最后以此模型为理论基础,对儿童玩具车进行了分析,并提出了其概念设计方案.     

分子印迹固相萃取-高效液相色谱联用检测饲料中喹乙醇的研究

研究了以本体聚合法制备的喹乙醇分子印迹聚合物作为固相萃取填充材料,建立了分子印迹固相萃取与高效液相色谱联用技术检测饲料中残留痕量喹乙醇的方法。通过优化分子印迹固相萃取条件,确定用0.5ml甲醇-水(90∶10,V/V)洗脱液,在上样流速为1.2ml/min,样品在pH7~8条件下,对喹乙醇有较好富集效果。为了评价分子印迹固相萃取材料对模板分子喹乙醇的选择富集能力,分别以分子印迹聚合物和C18为固相萃取填充柱比较富集效果。在上样流速为1.2ml/min条件下,预富集42min,分子印迹固相萃取材料富集倍数达78,最低检测限(S/N=3)为88.0ng/L,连续在线富集5次的精密度(相对标准偏差)为4.6%。对添加有喹乙醇浓度为0.002 5和0.010 0mg/g的饲料进行检测,其添加回收率为89.5%和93.4%。     

刘河煤矿通风系统优化改造

刘河煤矿二水平瓦斯含量高,在此水平进行开采时,矿井有可能由低瓦斯矿井变成高瓦斯矿井,继续由主井担负矿井的回风任务,已不能满足矿井二水平开采的安全生产要求。文章对矿井通风系统进行技术测定后,分析了通风容易和困难时期的生产部署和配风情况,提出了矿井通风系统优化改造方案,运用计算机对各个时期进行解网分析,最终确定矿井主要通风机的型号,这将有助于该矿的安全生产。     

一种多策略混合的粒子群优化算法

针对传统粒子群优化算法在解决一些复杂优化问题时易陷入局部最优且收敛速度较慢的问题,提出一种多策略混合的粒子群优化算法(Hybrid Particle Swarm Optimization with Multiply Strategies,HPSO)。该算法利用反向学习策略产生反向解群,扩大粒子群搜索的范围,增强算法的全局勘探能力;同时,为避免种群陷入局部最优,算法对种群中部分较差的个体实施柯西变异,以产生远离局部极值的个体,而对群体中较好的个体施以差分进化变异,以增强算法的局部开采能力。对这3种策略进行了有机结合以更好地平衡粒子群算法全局勘探和局部开采的能力。将HPSO算法与其他3种知名的粒子群算法在10个标准测试函数上进行了性能比较实验,结果表明HPSO算法在求解精度和收敛速度上具有较显著的优势。     

一种基于自适应模糊支配的高维多目标粒子群算法

高维多目标优化问题由于具有巨大的目标空间使得一些经典的多目标优化算法面临挑战.提出一种基于自适应模糊支配的高维多目标粒子群算法MAPSOAF,该算法定义了一种自适应的模糊支配关系,通过对模糊支配的阈值自适应变化若干步长,在加强个体间支配能力的同时实现对种群选择压力的精细化控制,以改善算法的收敛性;其次,通过从外部档案集中选取扰动粒子,并在粒子速度更新公式中新增一扰动项以克服粒子群早熟收敛并改善个体分布的均匀性;另外,算法利用简化的Harmonic归一化距离评估个体的密度,在改善种群分布性的同时降低算法的计算代价.该算法与另外五种高性能的多目标进化算法在标准测试函数集DTLZ{1,2,4,5}上进行对比实验,结果表明该算法在收敛性和多样性方面总体上具有较显著的性能优势.