碾压混凝土坝

碾压混凝土坝是利用高效振动碾对水泥含量比较低的干硬性混凝土进行分层碾压而筑成的挡水坝体。这种筑坝技术实质上是把混凝土坝的结构材料和土石坝的碾压施工方法加以综合改进,改变了传统混凝土坝的筑坝方法。     

浅议碾压混凝土坝的裂缝控制与处理

分析了碾压混凝土坝防裂的特点,并简要论述了碾压混凝土坝的裂缝控制与处理。     

蚁群算法中有关算法参数的最优选择

蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质。本文介绍了蚁群算法基本模型AS(Ant System)的原理、特点、构成和实现方法，对基本蚁群算法参数的合理选取进行了实验分析，给出了算法参数选取的基本原则，有利于蚁群算法在优化问题中的推广和应用。     

碾压混凝土施工技术在舟坝电站施工中的应用

采用碾压混凝土(RCC)修建大坝在全世界已有近20年的历史,但新技术、新材料和新的施工工艺仍在发展。文章通过介绍碾压混凝土这一施工技术在舟坝电站中的成功应用,在提高工程质量的同时,加快了施工进度,取得了显著的经济效益。     

蚁群算法研究综述

蚁群算法是一种仿生进化算法.该算法在组合优化、网络路由、函数优化、数据挖掘等领域获得了广泛的应用,并取得了较好的效果.本文在对蚁群算法原理、模型研究的基础上,对国内外的研究现状进行了总结和分析,对今后的进一步研究提供了借鉴和参考.     

浅议中国水利混凝土坝建设技术的发展

文章介绍了我国混凝土坝的类型、特点、发展历程及目前存在的问题,分析了我国混凝土坝建设技术发展的趋势与前景。     

基于蚁群算法的配电网重构

本文提出了一种基于蚁群系统的配电网重构算法(ACSA)[12],该算法用于减少在正常运行情况下的电能损耗的问题。结合相应的数学模型和算法,对一个典型的配电网重构的问题进行了验证。基本蚁群算法的缺点是收敛速度慢和进化停滞,本文提出了一些新的措施来克服这些缺点。     

碾压混凝土路面施工特点分析

碾压混凝土的路用性能受配合比及施工工艺的影响较大,如混合料各组成成分的配合比例、混合料拌和的均匀性、混合料的稠度、碾压的及时性及其工艺、压实度等。     

基于蚁群算法的无线传感器网络路由算法实现

本文利用蚁群算法简单、局部工作等特点,结合传感器网络的特征,分析研究了基于蚁群算法的WSN路由算法,并阐述了蚁群算法的无线传感器网络路由算法的实现和仿真设计与分析。     

基于蚁群算法的物流配送路径优化

物流配送路径优化是个复杂的强约束优化问题,该问题的解决对降低配送成本有重要意义。本文将近年新出现的蚁群算法应用于物流配送的路径优化问题,设计了求解物流配送路径优化问题的蚁群算法。通过对应用实例的仿真计算,结果表明该方法对物流配送路径优化是实用和有效的。为解决物流配送路径优化问题提供了一种新的随机搜索寻优的有力手段。     

浅析碾压混凝土坝浇筑要点

碾压混凝土坝是近几年发展起来的一种筑坝技术,通过将常态混凝土与碾压土石坝各自优点相互结合在一起,不仅简化了传统复杂的施工工艺,还大大减少了水泥使用量,有效提高了建筑工程施工效率和质量,因此在我国现代水利工程建设中得到了十分广泛的应用。但是,在我国当前水利碾压混凝土坝浇筑施工中,由于受到一些客观因素的影响,使得浇筑质量无法得到很好的保障,这就需要采取相关有效的技术手段进行处理。对此,笔者就对碾压混凝土坝浇筑要点进行了讨论分析,同时简要介绍了几种常见的碾压混凝土坝浇筑技术。     

混凝土路面碾压的技术探讨

碾压混凝土路面施工技术是一种水泥混凝土路面施工新技术，具有施工机械通用性好、施工速度快、早期强度高、节约水泥、接缝少等一系列优点。简要介绍了碾压混凝土路面的发展历程，同时，对还提出了一些对碾压混凝土路面施工方面的观点。     

基于信息素的蚁群聚类算法

数据挖掘是在海量的数据中寻找模式或规则的过程。数据挖掘强调的是发现知识,获得的知识类型包括关联规则、分类、回归、聚类、依赖模型等。本文对其中聚类分析技术进行了较为深入地研究与分析,提出基于信息素的蚁群聚类算法PCBP,利用信息素指导蚂蚁移动,用不同速度的蚂蚁来改善聚类质量,并在这个思想基础上提出层次化蚁群聚类方法。为人们研究聚类提供了新思路和新途径,因此本文的研究具有一定的理论和实践意义。     

蚁群聚类算法研究现状的分析

数据挖掘技术能从海量数据中发现潜在的有用的信息和知识,蚁群算法在处理组合优化问题方面也已取得了较好结果,这就使得将蚁群算法应用于数据挖掘中的前景非常广阔。本文主要讨论了蚁群算法在数据挖掘聚类分析中的研究现状,最后总结了蚁群算法在数据挖掘应用中尚待解决的问题。     

基于蚁群算法的ACO-BP神经网络性能研究

BP神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,存在收敛速度慢、易陷入局部最优等问题。将蚁群算法与BP神经网络相结合,在一定程度上克服了训练网络时间长、精度不高的问题,并与GA-BP神经网络对比分析,展示了ACO-BP神经网络的性能优势。     

基于改进蚁群算法移动机器人的路径规划

针对基本蚁群算法的缺点,提出了蚂蚁回退、蚂蚁相遇、带交叉点的路径交叉的改进算法.通过随机数引入和状态转移概率的应用,平衡了各路径信息素,从而有效地进免陷入局部优化,使得算法在收效速度和执行效率上得到提高.     

基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

碾压混凝土大坝中变态混凝土的应用

变态混凝土在碾压混凝土大坝中广泛应用于大坝上游水面防渗部位、模板周边、孔洞周边等一些无法用碾压混凝土去直接施工的部位。本文分析了变态混凝土施工的工艺要求,变态混凝土的施工工艺包括铺料、加浆和振捣,并且应在大坝施工中一些变态混凝土大量使用的部位,采用拌和楼对缆机可直接入仓部位进行混凝土拌制。应严格规范变态混凝土施工的每一道工序。     

基于蚁群算法的自适应路径选择方法

给出了一种基于蚁群算法的自适应路径诱导方法,阐述了蚁群在进行路径选择时的交互过程。通过蚁群的作用使得交通需求在路网中得到合理分配,使交通路网状态趋于通畅的最佳状态。     

基于蚁群算法的TSP问题求解

人工蚁群算法是受到蚂蚁在觅食过程中能发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来的一种群体智能算法、蚁群算汝在求解一系列困难的组合优化问题上取得成效,成为解决TSP,VRP,QAP,JSP等典型问题的一种新型的强有力算法.本文对蚁群算法的起源和发展历史、算法理论研究的主要内容和方法以及应用等进行了系统的论述.