7.1 肌红蛋白和血红蛋白将氧气结合于血红素的铁原子。 7.2 血红蛋白与氧结合有协同性 7.3 氢离子和二氧化碳促进氧气释放 7.4 编码亚基的基因发生突变导致疾病

1. 了解什么是结构化程序设计，以及结构化程序设计的原则。 2. 了解程序设计风格 4 个方面的要求。 3. 了解提高程序效率的方法。 4. 了解程序设计语言的分类和特点。 5. 掌握度量程序复杂性的 McCabe 方法和 Halstead 方法

《电力系统自动化》课程教学资源（理论课程资料）电力数据通信_相关标准_远动设备及系统 第5部分传输规约 第4篇-应用信息元素的定义和编码

针对生物活体组织的多个热特性参数同时测量的难点问题,提出了采用遗传算法同时估计多个活体组织热特性参数的方法,设计了实数编码的遗传算法.通过对选择、交叉和突变算子进行改进,并引入小生境策略,提高了遗传算法的全局寻优能力和搜索效率.对动态体模和人体前臂的热特性参数测量的模拟仿真研究和实验研究表明,采用改进的遗传算法,能够以较高的精度同时估计生物活体组织的多个热特性参数

1.1 概述 1.2 数制与编码 1.3 计算机的应用 1.4 计算机能力培养方向

3.1 引言 3.2 数据通信与远动数据网络 3.3 远动信息编码的基本理论 3.4 数据传输规约 3.5 MODBUS规约简介

第一章 Visual Basic程序设计概述（1） 1.1 引例 1.2 VB主要功能和特点 1.3 VB集成开发环境 第二章 VB简单的程序设计（3） 2.1 程序设计方法的发展 2.2 VB中的有关概念 2.3 建立简单的应用程序 2.4 基本控件和属性 2.5 工程的管理及环境的设置 2.6 生成可执行文件和制作安装盘 2.7 程序调试 2.8 常见错误 第三章 VB语言基础（2） 3.1 编码规则 3.2 数据类型 3.3 变量与常量 3.4 运算符和表达式 3.5 常用函数 3.6 常见错误 第四章 基本的控制结构（6） 4.1 顺序结构 4.2 选择结构 4.3 循环结构 4.4 其他辅助控制语句 4.5 常用算法（一） 4.6 常见错误 （顺序、条件、循环） 第五章 数组（4） 5.1 数组的概念 5.2 静态数组及声明 5.3 动态数组及声明 5.4 数组的基本操作 5.5 控件数组 5.6 自定义数据类型 5.7 常用算法（二） 5.8 常见错误 第六章 过程（5） 6.1 函数过程的定义与调用 6.2 子过程的定义与调用 6.3 参数传递 6.4 变量、过程的作用域 6.5 递归 6.6 常用算法（三） 6.7 重点和难点 第七章 常用控件（4） 7.1 单选按钮和复选框 7.2 框架 7.3 列表框和组合框 7.4 滚动条和Slide控件 7.5 时钟 7.6 ProgressBar控件 7.7 UpDown控件 7.8 Animation控件 7.9 SSTab控件 7.10 鼠标器和键盘 第八章 界面设计（3） 8.1 通用对话框 8.2 菜单设计 8.3 多重窗体和多文档界面 8.4 工具栏和状态栏 8.5 RichTextBox控件 8.6 应用程序向导 第九章 文件（2） 9.1 文件系统控件 9.2 文件的读写 9.3 常用的文件操作语句和函数 第十章 图形操作（3） 10.1 图形操作基础 10.2 绘图属性 10.3 图形控件 10.4 图形方法 第十一章 数据库技术（1） 11.1 数据库概念 11.2 数据库管理器 11.3 数据控件 *11.4 ADO数据控件 *11.5 结构化查询语言(SQL) *11.6 报表制作 11.7 错误处理

针对钢铁企业连铸工序余材板坯及热轧工序余材钢卷对热轧生产合同的匹配问题,基于一体化的管理思想建立了余材板坯、钢卷与合同集成匹配的多目标0-1非线性整数规划模型,在模型中引入板坯材质与合同要求钢种特征差异值矩阵及钢卷钢种与合同要求钢种特征差异值矩阵.采用分段整数编码、基于启发式修复策略的改进遗传算法求解.最后,通过对实际生产数据的仿真实验验证了所提模型和算法的有效性,为科学合理地匹配铸轧工序余材板坯、钢卷提供了有效的解决方法

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量

针对标准遗传算法在求解车间作业调度问题中易陷入局部极值点的缺点,提出了一种基于领域知识的动态双种群遗传算法.由于最优调度必定是活动调度,算法利用活动调度技术来进行空间缩减;两个子种群分别采用正、逆序调度策略来提高种群的多样性.算法采用一种新的染色体编码来表示活动调度方案,并给出了相应子种群的初始化策略、遗传操作,以及子种群之间的交叉方式.Benchmark算例的仿真实验与分析表明,该算法在计算时间和求解质量上均具有较好的效果