融合张角拥挤控制策略的高维多目标优化

对于高维多目标优化问题,随着目标维数的增加,种群中非被支配解的比例剧增, 严重降低了种群的进化压力.为了对数量众多的非被支配解进行有效的拥挤控制并提升种群的多样性, 本文在提出张角概念的基础上设计了一种新的拥挤控制策略(Congestion control strategy based on open angle, CCSOA),它的时间复杂度并不会随着目标维数的增加而增大. 与目前优秀的进化多目标优化(Evolutionary multiobjective optimization, EMO)算法IBEA (Indicator-based evolutionary algorithm)、NSGAIII (Nondominated sorting genetic algorithm III)和GrEA (Grid-based evolutionary algorithm)的比较结果表明, 融合了CCSOA的高维多目标优化算法在收敛效果和解集分布的均匀性两个方面均有较大的优势.     

The Effect of Sintering on the Properties of Ultrafine

研究了一种化学气相沉积(CVD)制备超细铼粉的新方法,即以NH4ReO7为原料,通过将其分解为Re2O7后气相输运至还原区,经氢气还原生成超细铼粉。对不同还原温度下制备的超细铼粉样品,采用XRD、SEM、激光粒度分析进行表征,实验揭示了烧结作用对晶粒尺寸、形貌、表面状态及粒度等粉末性能的影响规律。结果表明,随还原温度升高,烧结作用增强,制备的超细铼粉晶粒尺寸增大,具有更好的球形度,表面趋于光洁,平均粒径增大。     

贵溪冶炼厂闪速熔炼富氧技术改造工程的实施与完善

采用富氧技术进行闪速熔炼，闪速炉日处理精矿能力达到１５４２ｔ／ｄ，铜冶炼火法系统实现了高品位冰铜的冶炼，硫酸系统成功地实现了高浓度ＳＯ２的制酸，废酸排水系统得到完善，工厂技术水平从７０年代末跨跃到９０年代世界先进水平。     

深度学习在车牌定位中的研究

为提高场景不断变化下车牌定位的准确性,文中提出应用深度学习定位的方法。基于最小生成树原理将图像转化成图论中的图,结合相似度进行选择搜索获取车牌候选区域。利用车牌长宽比条件对候选区域进行筛选,以减少数据的不平衡性。通过带平滑项的交叉熵损失函数以及Bootstrapping技术训练深度网络,并用该模型从候选区域中识别出车牌区域。实验表明,该方法在候选区域提取、网络训练阶段以及定位准确率方面均优于其他算法,测试集中准确率为97.6%。     

氯金酸的制备及其热分解

采用双氧水和浓盐酸与金粉反应制得氯金酸,并研究氯金酸的热分解。在5g金粉中加入5倍理论量的双氧水和2.49倍理论量的浓盐酸,当反应温度为100℃时,搅拌反应20min,金粉完全溶解。然后,经100℃浓缩、浓H2SO4干燥制得橘黄色氯金酸晶体。X射线衍射分析表明其化学式为HAuCl4·4H2O,其质量达到国家分析纯试剂标准。氯金酸的质量损失和差热(TG-DTA)分析结果表明:在13.0~130.7℃、130.7~186.8℃、186.8~247.3℃、247.3~344.5℃区间,均发生了质量损失反应和吸热变化,其对应的热分解固体产物分别为HAuCl4、AuCl3、AuCl、Au。与王水法和饱和氯气盐酸法比较,双氧水盐酸法溶金制备氯金酸具有安全性好、污染小、易操作等优点。     

我国铋的工业生产和综合利用现状

论述了我国铋的工业生产和综合利用现状,主要包括铋的粗炼和精炼工艺,以及铋和铋的化合物在医药、化工、金属工业、电子工业及其它领域中的应用。     

含水重油对闪速炉炉况的影响

本文分析了重油所含水分对闪速熔炼热平衡的影响,并探讨了由其引起的闪速炉炉况的变化。     

采用CVD法还原挥发性铼的氧化物制备超细铼粉(英文)

研究了一种以高铼酸铵为原料,采用化学气相沉积(CVD)制备超细铼粉的新方法。通过控制氧分压,使得NH4ReO7分解为具有挥发性的ReO4、Re2O7,再采用载气将其输运至还原区,经氢气还原生成超细铼粉。热力学计算表明,在NH4ReO7分解过程中,控制氧分压高于101.248Pa时,Re2O7将不会分解为低价氧化物,DSCTGA分析结果也证实了这一点。采用该方法制备的铼粉,粒度为100~800nm,D50为308nm,比表面积为4.37m2/g,氧含量为0.45%。     

混合分散搜索的进化多目标优化算法

在进化多目标优化算法中,种群的多样性、对目标空间的搜索能力及算法的鲁棒性直接影响算法的收敛能力和解集的分散性。针对这些问题,提出了一种混合分散搜索的进化多目标优化算法(SSMOEA)。SSMOEA在混合分散搜索算法架构的同时,重新设计其多样性的选取策略,并引入协同进化机制。此外,为了提高算法的自适应性和鲁棒性,采用了一种新颖的自适应多交叉算子选择方法。SSMOEA与经典的多目标进化算法SPEA2、NSGA-Ⅱ和MOEA/D在12个基准测试函数上的对比结果表明,SSMOEA不仅在求得的Pareto最优解集的宽广性、均匀性和逼近性上有明显优势,而且算法的鲁棒性也有明显的提高。