传统的优化方法在描述能力、建模方法、方法实现和模型数据的分析等方面都存在着局限性,需要引入新的思路.针对上述问题,提出了基于知识的广义优化方法,给出了广义优化中知识概念、优化问题的描述,以及基于知识的广义优化方法的一般求解过程.其基本方法是在优化问题知识模型的基础上,建立基于知识的广义优化算法,通过知识系统的约简,得到用于制定优化方案的决策规则.同时给出了基于知识的广义优化方法在在锅炉燃烧优化问题中的应用示例,说明了方法的有效性

细胞形态结构的观察方法 细胞组分的分析方法 细胞培养、细胞工程与显微操作技术

市场细分的方法 1、单一因素法。就是只用一个因素细分市场的方法。例如,按家庭人口数量,把电饭锅市场分成三个部分,见表

一、随机抽样及其特点 二、直接抽样方法 三、挑选抽样方法 四、复合抽样方法 五、复合挑选抽样方法 六、替换抽样方法 七、随机抽样的一般方法 八、随机抽样的其它方法

主要内容: 一、静态的场唯一性定理 二、分离变量方法 三、Green函数方法 四、镜像原理

一、结构化分析(传统建模方法) 二、面向对象分析

第四章静态电磁场求解 主要内容: 1、静态的场唯一性定理 2、分离变量方法 3、Green函数方法 4、镜像原理

采用光学金相、电子显微术和化学相分析的方法并结合热力学计算,分析了紧凑式带钢生产(CSP)的Ti微合金化高强钢中的析出物及其析出规律.研究发现:高强钢中存在微米尺寸的立方TiN析出和大量纳米尺寸的析出物粒子;钢中MX相(M=Ti,Mo,Cr;X=C,N)的质量分数为0.0927%,其中10 nm以下的析出物占26.9%;均热之前和均热过程TiN已基本全部析出,连轧前TiC不具备析出的热力学条件;降低钢中N和S含量、严格控制卷取温度可增加TiC的体积分数,降低γ→α相变温度可以阻止细小碳化物长大.结果表明,析出物总的沉淀强化效果约为156 MPa,并能通过化学成分和工艺的控制进一步增强

采用光学显微镜、扫描电镜、透射电镜、物理化学相分析等方法并结合热力学计算,分析了CSP工艺生产的钛微合金化高强钢的析出物特征及析出规律.研究发现:屈服强度700 MPa级高强钢中存在大量球形的纳米级TiC和Ti(C,N)粒子及少量不规则形状、100 nm以上的Ti4C2S2粒子,TiN在连轧前完成析出,TiC主要在卷取和空冷时析出.不含钼钢和含钼钢(0.1% Mo)中MC相的质量分数为0.049%和0.043%,由于钼的加入,含钼钢中Ti的析出量较少,但析出粒子更为细小,并定量得到了不含钼钢和含钼钢的析出强化效果分别为126 MPa和128 MPa

尽管供应商评价应用日益增多,用单一评价方法处理所有定性和定量准则却存在一些局限.为避免供应商选择中单一评价方法处理所有准则的不足,实现主观信息与客观信息相结合的合理评价,提出了一种基于供应商选择准则分类的伙伴供应商认证选择的综合方法.该方法综合运用群组AHP方法、模糊综合评价、信息熵和TOPSIS方法的长处,使供应商的评价更为合理.以某钢铁企业焦炭供应商选择为例进行了实证分析