1. 微观粒子的波粒二象性对于一般状态下的微观粒子，应该用一般的时间和空间的复函数来描写：

针对传统神经网络优化算法易陷入局部最优值的问题,在标准粒子群算法的基础上,对粒子速度与位置更新策略进行改进,提出一种基于改进粒子群优化算法的BP神经网络建模方法.使用sinc函数、波士顿住房数据及某钢厂带钢热镀锌生产的实际数据进行验证.结果表明,与标准的反向传播神经网络和支持向量机相比,基于改进粒子群优化的神经网络模型可以有效提高预测精度

分析了高炉直吹管条件下粉煤粒子在热解之前的传热状态;建立了粉煤粒子的传热模型,并进行了计算机求解。结果表明:(1)粉煤粒子在热解前的传热情况对粉煤的快速热解非常重要;(2)热风和粒子的速度差及粒径对Nu数影响很大,热解前辐射传热比对流换热更重要;(3)在目前国内条件下,煤粒子直径在300μm以下较合适;(4)煤粒(>1μm)在热解前不能视为薄体

1.多粒子体系的描写 假设我们有N个粒子组成的体系,那么体系的波函数应该和所有粒子的坐标以及时间有关, =(n,q2,x;t),其中的“坐标”q包括了粒子的空间坐标和其它一些“内部的”量子数(比 如自旋)

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略.该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法.通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件.与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明:本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性

对一种已有的自适应算法进行了改进,并将该算法思想引入到粒子群算法的改进中,在种群进化到一定代数时按照改进自适应算法改变搜索范围的大小,实现了自动调整搜索范围、提高收敛速度和精度并可有效防止粒子群算法早熟收敛的目的,同时通过实验仿真进行了验证.将该改进粒子群算法应用到热连轧机精轧机组的负荷分配优化计算中,程序运行时间小于5s,满足实时性的要求,为其提供了一种更为有效的优化手段

以高超音速火焰喷枪为研究对象，采用计算流体力学软件Fluent对高超音速火焰喷涂(HVOF)过程中的焰流流场以及粒子飞行过程进行数值模拟。HVOF系统以氧气为助燃气体，煤油为燃料。研究了加入粒子前喷枪内火焰焰流温度、速度和压力分布规律，采用离散相模型计算喷涂粒子的动力学飞行行为，探究了粒子大小、注入速度、球形度对粒子飞行行为的影响。发现最佳粒子粒径范围应为30～50 μm，在此范围内粒子均匀的分布在焰流中心，且为熔融状态，更易形成结合强度较高的涂层；小粒径粒子最佳注入速度为10～15 m·s?1，中等粒径粒子最佳注入速度为5～10 m·s?1，大粒径粒子最佳注入速度为1～5 m·s?1；与球形颗粒相比，非球形颗粒具有较高的阻力系数，在飞行过程中获得更大的动能和更少的热量

PAW 与 ROOT 简介 PAW 与 ROOT 的数据结构 PAW 与 ROOT 的图形运算 PAW 与 ROOT 上的随机抽样

常用的概率密度函数分布的数学形式 相应的平均值与方差 相关的应用范围

统计力学从系统内部的粒子的微观 运动性质及结构数据出发，以粒子普 遍遵循的力学定律为基础，用统计的 方法直接推求大量粒子运动的统计平 均结果，以得出平衡系统各种宏观性 质的具体数值