三次样条构造的伪逆解法

为了提高三次样条构造的可行性, 基于矩阵的伪逆方法, 提出一种不依赖额外约束条件的三次样条构造的伪逆解法。该解法通过求解出三次样条二阶导数的最小范数解, 从而较好地构造出三次样条函数。理论分析及数值实验结果表明该三次样条构造的伪逆解法具有简单、有效等特点。综合分析各种构造解法的性质, 对各种三次样条构造解法进行归类比较, 为在实际工程计算应用中选择合适的三次样条构造解法提供了指导方向。     

基于加权节点的Steiner树启发式算法

Steiner最小树问题是一个NP完全问题,被广泛应用在通信网络中点到多点的路由选择。为了实现更多链路的共享,减少所求Steiner树的费用,提出了一种基于加权节点求解Steiner树的启发式(NWMPH)算法。该算法构造了非正则点的权值公式,给每一个非正则点赋权值,根据权值对链路的费用进行修正,通过修正费用最短路径依次把所有的正则点连接起来,得到包含所有正则点的最小树。对STEINLIB标准数据集中的部分数据进行计算,结果表明: NWMPH算法与MPH算法所用时间基本相同,得到的Steiner树费用优于MPH算法;NWMPH算法比KBMPH算法所用时间少,得到的Steiner树费用绝大多数优于KBMPH算法。     

基于分层的改进A＊算法在路径规划中的应用

智能交通中的路径诱导系统能够极大地提高人们的出行效率与出行体验。经典A＊算法只注重搜索精度而忽略了搜索效率,在城市道路网络分层的基础上,对高层道路使用的A＊算法进行了改进,对于道路网络中的不同节点,设置估价函数具有不同的权值,同时给定权值的一个上下限阈值,以平衡算法的搜索效率与搜索精度。实验表明,得到的最短路径虽然不是常规的距离最短却是实际行驶时间最优的。     

碟式分离机转鼓零件的最宜超转速探讨

本文通过对超速处理后的AISI316L钢的碟式分离机转鼓零件在各种工况下的应力场分析,探讨了分离机转鼓超速自增强的最宜超转速问题,并提出了确定最宜超转速的基本原则和方法.通过分析表明:用本文方法所得到的最宜超转速与已知的国外数据是相当一致的.     

乳化剂对醋苯丙核壳乳液性能的影响

简要叙述了乳化剂对聚合物乳液的影响。详细地讨论了AES、OP-10两种乳化剂对聚合物乳液最低成膜温度(MFT)、粘度、乳胶粒核壳结构等性能的影响。     

德州市实行最严格水资源管理制度效果分析

以2010年为现状年,阐述了德州市实行最严格水资源管理制度综合措施,并对水资源管理"三条红线"控制目标完成情况及实施效果进行分析,指出了德州市实行最严格水资源管理制度存在的问题,提出了相应的建议,为类似地区实行最严格水资源管理制度提供借鉴。     

JDA软件发布PerformNOW!服务套件

正JDA软件集团公司(The Supply Chain Company)近日宣布该公司最新的服务产品套件PerformNOW!上市。该服务套件旨在大幅加快JDA主要应用的实施速度。PerformNOW!目前主要针对配货、选品、库存管理、企业计划、SOP、需求管理和补货管理等解决方案。2014年,面向其它解决方案的服务也将陆续加入PerformNOW!套件。PerformNOW!旨在帮助客户在最短时间内实施强大、高效的应用软件,实现客户解决方案投资价值的最大化。JDA咨询服务部门利用数百例客户实施所积累起来的深厚行业知     

最短路径算法在校园导游系统中的应用

用无向网表示学校的平面图,设计了该平面图的存储结构,并应用最短路径算法实现了查询图中各景点的相关信息,以及查询图中任意两个景点间的最短路径的功能;应用克鲁斯卡尔算法构造该平面图的最小生成树,求出可以连通所有景点的最短路径。该系统为新生熟悉校园环境提供了方便。     

时序最短路径算法

最短路径是指网络中两结点间阻碍强度最小的一条路径。传统的最短路径是在静态网络上进行研究的,然而现实生活中很多网络是动态的、有时序性的,因此传统的最短路径算法并不能用于解决所有最短路径问题。为了寻找时序网络上的最短路径,在Dijkstra算法思想基础上,提出一种时序最短路径的精确算法。文中利用严格的数学推导证明了本算法的可行性,并通过对构建的网络做实证分析验证了算法的正确性。     

一种基于自然最近邻的离群检测算法

任何涉及k近邻求解问题的算法被应用于处理不同特征的数据集时,参数k值的选择都会明显影响算法的性能和结果。因而,如何选择k近邻算法中敏感参数k值一直是一个研究难点。提出了一种新的近邻关系———自然最近邻,它不需要设置参数k,每个节点的邻居是由算法自适应计算而形成的。针对离群点检测的特殊性,通过确定自然最近邻居搜索算法的终止条件,提出一种基于自然最近邻的新的离群检测算法ODb3N。实验表明,该算法不仅避免了k近邻中参数的选择问题,而且能够更有效地发现离群簇。