基于多级搜索区域的协同进化遗传算法*

针对传统多种群协同进化算法仍然存在收敛速度慢、计算复杂性不能随进化过程有效降低等问题,提出了一种基于多级搜索区域的协同进化遗传算法,给出了一种衡量种群进化停滞的标准。通过聚类分析将搜索区域划为三个等级,对于较高等级的区域加强搜索粒度,逐步缩小搜索范围,提高了收敛速度并降低了算法复杂度。实验结果表明,该算法是求解最优化问题的一种有效方法。     

解决矩阵链相乘处理器调度问题的一种新算法

本文介绍了矩阵链相乘处理器分配问题和离散处理器分配算法,描述了Lee Heejo等人提出的解决MCSP的处理器分配算法,提出了一种解决MCSP的时间复杂度更低的算法,使处理器能尽量被充分利用,并对三种分配算法进行了比较分析.     

不确定竞争及合作环境影响下的动态协商模型

提出一种动态多议题协商模型(DMNM),该模型由环境分析模型(PCCM)和协商决策模型(NDM)两部分组 成。PCCM利用生态学中的种群自生长原理,结合种群密度变化情况对竞争及合作环境进行有效分析。NDM通过 引入个体战略特征提高决策模型的灵活性,并利用一种基于协同进化的混合优化算法(CE-HOA)实现多议题让步平 衡,以保证决策者的利益。实验结果表明,提出的协商模型(DMNM)不仅能够有效平衡决策者对当前利益和长远利 益的选择,而且最大化地保证了决策者的收益。C;E-HOA算法在保证解质量的前提下提高了搜索效率,使得决策过 程更为高效。     

0—1整数规划在科技项目管理中的应用

1 前言电子政务建设中涉及到宏观规划、财政预算、项目立项、政府采购等诸多智能决策支持问题,这些决策问题都带有若干制约条件,比背包问题要复杂得多,但其最终目的都是要寻求一种好的方案,以较少的投资产生最大的效益。本文以政府决策中的科技计划项目立项决策为例,探讨这类问题的一种可行的实用解决方案。     

新型绿色Knoevenagel反应进展

Knoevenagel反应在有机化学中是很重要的一类缩合反应,能够在活泼亚甲基和羰基之间脱水形成碳碳双键,广泛应用于合成以及一锅法串联反应,在过去一直是有机化学家研究的热点。发展至今,很多关于Knoevenagel反应的研究都已经打破了传统有机化学的实验形式和反应条件。针对最近新发展的,符合绿色化学要求的新型Knoevenagel反应进行简单介绍。     

壳聚糖负载改性膨润土膜的制备及其吸附性能的研究

壳聚糖和膨润土均为吸附剂,利用壳聚糖与膨润土各自的优点,将这两种吸附剂相结合,制成一种新型吸附剂-壳聚糖负载改性膨润土膜,用于吸附铜离子。根据对铜离子的吸附率大小,通过单因素试验,确定了最佳制备实验条件,m(壳聚糖)∶m(膨润土)为3∶2,反应θ为50℃,反应t为10 min。壳聚糖负载改性膨润土膜对铜离子吸附性能最佳。     

聚类分析方法及工具应用研究

聚类是数据挖掘领域的一个重要的研究方向。本文介绍了聚类的基本概念及主要方法,通过具体实例对当今国际上先进的数据挖掘工具（SPSS和DBiner）聚类的性能进行了对比,最后得出了结论。     

汽油中不同硫化物在Ce(Ⅳ)Y分子筛上的选择性吸附

考察液相离子交换法制备的Ce(IV)Y分子筛对催化裂化汽油(FCC)(S质量分数为106μg/g)和模拟油(S质量分数为500μg/g)中不同硫化物的选择性吸附性能.通过SCD(硫发光检测器)气相色谱检测出催化裂化汽油主要含噻吩(T)、2-甲基噻吩(2-MT)、3-甲基噻吩(3-MT)、四氢噻吩(THT)等硫化物.固定床穿透试验结果表明,Ce(Ⅳ)Y分子筛选择性吸附催化裂化汽油中的硫化物时,对不同硫化物的吸附能力不同,其中最容易吸附的是THT.模拟油脱硫试验结果表明,不同硫化物在Ce(Ⅳ)Y分子筛上的吸附容量存在明显差异.按穿透吸附容量排列的硫化物顺序为THT＞3-MT＞T＞2-MT,对应的穿透吸附容量分别为13.8、6.3、6.0和4.8 mg/g.为了进一步研究不同硫化物在Ce(Ⅳ)Y分子筛的吸附行为,运用密度泛函理论分子模拟计算了不同硫化物上的硫原子电子密度,计算结果和试验值相吻合.     

微乳液增敏PAR分光光度法测定油样中钴含量

建立了用分光光度法直接测定油样中微量钴(Ⅱ)的方法。在醋酸-醋酸钠缓冲体系中,以O/W型微乳液(十二烷基硫酸钠∶正丁醇∶正庚烷∶水=6∶12∶2∶80)为介质,以乙二胺四乙酸二钠(EDTA)溶液为掩蔽剂,以4-(2-吡啶偶氮)-间苯二酚(PAR)为显色剂,钴(Ⅱ)与PAR形成稳定的橙红色络合物,其最大吸收峰位于514 nm处,其表观摩尔吸光系数ε=5.31×10~4L/(mol·cm)。测定了大庆原油和油砂中的钴含量,结果表明,该方法灵敏度及准确度高、选择性好,操作简单,非常适合推广应用。     

数据挖掘中聚类方法比较研究

数据挖掘是近年来信息产业界非常热门的研究方向，聚类分析是数据挖掘中的核心技术。聚类算法已被广泛深入地研究，其间产生了许多不同的适用于数据挖掘的聚类算法，但这些算法仅适用于特定的问题及用户。为了更好地使用这些算法，文中对数据挖掘领域的聚类分析方法及代表算法进行了分析，提出了数据挖掘对聚类的典型要求，并基于这些要求对数据挖掘中常用的聚类算法作了比较，以便于人们更容易、更快速地选择一种适用于具体问题的聚类算法。