搜索资源列表
Unix文件系统模拟实验报告
- 操作系统课程设计 要完成的任务是模拟unix操作系统中的文件系统功能。在终端界面上用户可以象unix的shell命令一样输入一些命令，如输入ls 显示文件目录，chmod改变文件权限，chown改变文件拥有者，chgrp改变文件所属组，chnam改变文件名，pwd显示当前目录，cd改变当前目录，mkdir创建目录，rmdir删除目录，mk创建文件 ,cp文件拷贝，rm删除文件，cat显示文件内容，login切换用户，passwd修改用户口令 等功能。在后台，要实现混合索引式文件结构，包括用
求解非线性方程组的拟牛顿-粒子群混合算法
- 求解非线性方程组的拟牛顿-粒子群混合算法
单纯形和人口迁移的混合全局优化算法
- 摘要：针对基本人口迁移算法具有易早熟和精度不高等缺陷，利用人口迁移算法随机产生的点采用单纯形法进行优化，提出了 一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer，验证了改进后算法的性能，并与10 种类型 的粒子群优化算法进行比较，结果表明，该文算法能获得比较好的解，收敛成功率高达100%。
基于混合粒子群的土壤水分特征曲线参数优化
- 摘要：土壤水分特征曲线是研究土壤水运动的重要参数。Van Genuchten 方程（简称VG方程）是目前运用最广泛的土壤水分特 征曲线方程。将VG方程参数计算问题转化为一个非线性优化问题，然后构建单纯形算法和基本粒子群算法相结合的混合粒子 群算法对其进行求解。仿真实验结果表明采用混合粒子群算法与普通遗传算法、混合遗传算法、基本粒子群算法相比，不但提高 了收敛成功率、降低了迭代次数，而且对参数的取值范围也放宽了；采用混合粒子群算法计算参数的精度比非线性单纯形法和阻 尼最小二乘法要高，且不需
求解非线性方程组的混合人口迁移算法
- 摘要：针对变尺度法对初始值敏感和人口迁移算法容易陷入局部极值的缺陷，结合变尺度法和人口迁移算 法各自的优点，提出了一种混合人口迁移算法，用来求解非线性方程组。该混合算法不仅发挥了人口迁移算 法强大的全局搜索能力，而且利用了变尺度法的局部精细搜索能力。实验结果表明，该算法不但以较高的精 度求出了各种非线性方程组的解，而且鲁棒性强，收敛速度快速，是一种解决非线性方程组问题的较好方法。
求解药代动力学参数的混合人口迁移算法
- 摘要：针对传统方法优化药代动力学参数时精度不高的缺陷，将Hooke-Jeeves 算法与人口迁移算法有机融 合，使两者取长补短，既提高了算法的精度，又加快了算法的收敛速度。将混合人口迁移算法用于血管外给药 二室模型参数优化的实验之中，不仅比传统的残数法效果要好，而且比Hooke-Jeeves 算法或人口迁移算法更 优，精度更高。多次实验表明：算法具有良好的可靠性和稳定性，是一种较好的解决药代动力学参数的方法。
求解药代动力学参数的自适应混合粒子群算法
- 摘要：针对传统方法具有初始值敏感和进化算法无法确定搜索范围等缺陷，将Nelder-Mead 单纯形与粒子群算法相结合，提出 了一种基于Nelder-Mead单纯形与粒子群算法的具有时变加速因子的自适应混合粒子群算法。将该混合算法用于血管外给药二 室模型参数优化的实验之中。仿真实验结果表明，算法计算精度高而且鲁棒性强，是一种新颖的解决药代动力学参数优化的较 好方法。
运筹学论文
- 基于免疫的混合进化算法在全球集装箱重新定位的多目标优化
Reconstructing Plants in 3D from a Single Image Using Analysis-by-Synthesis
- 成熟的计算机视觉技术允许重建 从图像中挑战3D对象。然而，由于高度的复杂性 植物拓扑中，用于生成三维植物模型的专用方法 必须设计。我们建议使用 一种综合分析方法，混合来自单一图像的信息 以及对植物种类的先验知识。 首先，我们专用的骨架算法从叶子分割中生成一个可能的分支结构。然后，一个3D生成模型， 建立了考虑植物知识的分支系统参数模型。生成的骨架遵循 自然分支结构的层次结构。的一个实例 可以生成一个3D模型。的变参数值 生成模型(植物和树叶的主要分枝结构)，我们 生产一系列
基于cruise的混合动力汽车动力经济性研究
- 基于cruise的混合动力汽车动力经济性研究，指导混合动力汽车模型搭建及计算
混合纤维吸波复合材料的制备和性能研究
- 本文以短切碳纤维作为耐高温吸收剂，高硅氧玻璃纤维作为耐高温材料，对于复合材料的吸波、隔热、力学进行了研究。
R语言数据分析
- R语言数据分析，多种分析方法，拟合分析、非线性混合效应模型等
基于混合集合规划的大规模生产排程算法的研究
- 生产排程问题是一个复杂的组合优化问题 . 本文采用 混合集合规划方法对该问题进行建模与求解 。对于大规模问题 , 根据滚动排程 的思想 , 先将数据按照一 定的规则分成若干小规模数据 , 并分别对小规模数据的问题进行求解 , 然后根据滚动、 衔接逻辑 , 将分解后的小规模数据问题的解进行合并形成大规模数据问题的一个解