全文获取类型
收费全文 | 1032篇 |
免费 | 126篇 |
国内免费 | 106篇 |
专业分类
电工技术 | 38篇 |
综合类 | 30篇 |
化学工业 | 23篇 |
金属工艺 | 18篇 |
机械仪表 | 80篇 |
建筑科学 | 20篇 |
矿业工程 | 12篇 |
能源动力 | 12篇 |
轻工业 | 3篇 |
水利工程 | 11篇 |
石油天然气 | 5篇 |
武器工业 | 4篇 |
无线电 | 69篇 |
一般工业技术 | 36篇 |
原子能技术 | 4篇 |
自动化技术 | 899篇 |
出版年
2024年 | 2篇 |
2023年 | 7篇 |
2022年 | 14篇 |
2021年 | 24篇 |
2020年 | 27篇 |
2019年 | 14篇 |
2018年 | 28篇 |
2017年 | 26篇 |
2016年 | 30篇 |
2015年 | 57篇 |
2014年 | 70篇 |
2013年 | 108篇 |
2012年 | 96篇 |
2011年 | 119篇 |
2010年 | 86篇 |
2009年 | 112篇 |
2008年 | 104篇 |
2007年 | 124篇 |
2006年 | 73篇 |
2005年 | 57篇 |
2004年 | 33篇 |
2003年 | 27篇 |
2002年 | 3篇 |
2001年 | 7篇 |
2000年 | 7篇 |
1998年 | 1篇 |
1997年 | 1篇 |
1992年 | 1篇 |
1991年 | 1篇 |
1990年 | 2篇 |
1987年 | 1篇 |
1984年 | 1篇 |
1980年 | 1篇 |
排序方式: 共有1264条查询结果,搜索用时 15 毫秒
991.
为了求解工件具有不同尺寸的批处理机调度问题,将蚁群算法调整为工件直接成批的调度算法,并提出了一个新的局部优化算法对蚁群算法进行改进。最后通过仿真实验将本算法与其它算法对本问题的求解进行了比较,表明该算法在求解批调度问题上有较好的性能。 相似文献
992.
研究动态信息偏好捕捉精确度问题。网络数据存在重复性信息和随机性强。针对互联网中的大量数据,而造成了有效的信息的查找速度慢等缺陷,为了能够快速的获取更多的用户比较感兴趣信息,提出了一种改进的蚁群算法用户兴趣模式获取技术。面向层次结构的信息网站,算法首先根据网站和用户兴趣所具有的层次性特征,然后采用改进的蚁群算法较高的寻优机制,利用蚂蚁的觅食周期活动,从各个层次求出相应路径的信息素浓度,并适时的实行信息素更新机制,从而得到用户对该结点的偏好函数值,再依据此值求得用户兴趣模式。仿真结果表明,提出的方法能够有效地捕捉出用户兴趣信息,捕捉精确度较高,是一种有效的方法,具有一定的推广价值。 相似文献
993.
针对传统的蚁群边缘检测算法耗时长的问题,提出基于邻域中节点梯度计算启发式信息值的方法。该方法能够更快更好地引导蚂蚁向边缘节点进行移动,减少耗时。同时,还引入模糊C均值算法,用以确定蚁群算法中信息素阈值,使其更加准确合理,更精确地判断边缘节点。实验表明,该改进算法能够减少耗时,有效地抑制噪声,并能更加有效、精确地检测出图像的边缘。 相似文献
994.
一种新的求解MMKP问题的ACO&PR算法 总被引:1,自引:0,他引:1
针对多选择多维背包问题(MMKP)的特点,设计一种新型混合算法(ACO&PR).该算法将线路重连算法(PR)嵌入蚁群算法(ACO),在搜索过程中既考虑解的质量,又考虑解的分散性.线路重连算法在重连过程中,向导解的属性逐步引入起始解属性中,可快速获得该线路上的最优解.实验结果表明,该算法优于其他现有较好的方法,获得了较好的结果. 相似文献
995.
提出了一种静态环境下机器人路径规划的改进蚁群算法.该算法使用栅格法对机器人的工作空间进行建模,通过模拟蚂蚁的觅食行为,采用折返的迭代方式对目标进行搜索;在搜索过程中,以移动方向一定范围内最大信息素和目标引导函数作为启发式因子;此外,根据蚁群算法处理本问题时信息素散播的特点,重构了信息素的更新策略和散播方式.仿真试验结果表明,改进措施使最优路径的寻找快速而高效,即使在障碍物非常复杂的环境下,算法也能迅速地规划出一条最优路径. 相似文献
996.
997.
基于模拟退火算法思想的粒子群优化算法 总被引:30,自引:0,他引:30
粒子群优化是由Eberhart博士和Kennedy博士于1995年根据鸟或鱼群居社会行为而提出的。本文提出了4种改进的算法,特别推荐结合模拟退火算法思想提出的一种新算法。经过与基本粒子群算法比较测试,证实它是一种简单有效的算法。 相似文献
998.
蚁群算法存在对参数的依赖、早熟和停滞等缺点但具有与其他算法容易结合的特点,据此,将差分演化算法应用到蚁群算法的参数选取中,提出一种改进的蚁群算法。将蚁群算法的参数作为差分演化算法解空间的向量元素,在自适应地寻找蚁群算法最优参数组合的同时求解问题的最优解。改进算法对蚁群算法中的参数进行自适应调整,可避免大量盲目的测试,扩大蚁群算法的搜索空间,提高全局搜索能力。在典型的旅行商问题上进行对比实验,结果验证了改进算法的优化性能高于传统的蚁群算法。 相似文献
999.
求解旅行商问题的高效自适应混合蚂蚁算法 总被引:3,自引:1,他引:3
在目前求解TSP问题效果最好的混合算法——最大最小蚂蚁算法和3-opt局部搜索算法的基础上,提出了一种改进的混合蚂蚁算法。算法前期使用局部搜索的解初始化信息素矩阵,加快收敛速度,后期依Metropolis接受准则概率接受局部优化解,有效地避免陷入局部最优,自适应的信息素调节机制使算法更加灵活,而K近邻候选集则使之适应大规模问题求解,理论分析和TSPLIB中部分实例仿真结果表明,此算法能比其他改进蚁群算法具有更多优越性。 相似文献
1000.