对企业人力资源开发利用的战略思考

论述当前我国企业人力资源开发利用存在的主要问题,提出合理开发利用企业人力资源的战略途径：一是树立“以人为本”的观念;二是最佳配置人力资源;三是制定激活人力资源的制度体系;四是增大教育投入,开发人力资源;五是实行有利于增强和调动企业和个人开发人力资源能力的积极的财税政策。     

二维多介质流动问题的界面处理方法

就二维可压缩多介质流动问题的数值模拟,给出了一种新的界面处理方法。通过在界面处构造Riemann问题,利用Riemann问题的解分别定义界面两边流体的边界条件,由于Riemann问题的解准确地描述了界面处流体的流动状态,因此得到了更加准确的界面边界条件。本文将由Riemann问题的解得到的界面速度外推到整个流场,重新定义速度场,避免了由于速度的大梯度变化而导致的Level—Set等值线相互交错,因而得到了更加精确的界面位置。利用该方法对水下激波与柱型气泡相互作用问题进行数值模拟,结果表明该方法能准确地捕捉各种物理现象。     

注入式的遗传算法的分析与研究

该文提出了一种改进的遗传算法———注入式的遗传算法。该算法利用遗传算法全局搜索能力强和知识库具有存储记忆功能的特点,通过引入知识库中的经验值来提高遗传算法的求解速度和精度。该实验用基本遗传算法和注入式遗传算法来求解旅行商问题,通过对比实验结果,证明改进遗传算法的可行性和有效性。     

运动激波与气泡串相互作用的多介质数值模拟

通过对激波和流体界面相互作用而诱导的大变形界面演化的数值模拟,验证了Level set 方法精确模拟多个流体界面的有效性.采用间断有限元Galerkin方法求解欧拉方程得到流场解,采用5阶WENO格式求解Level set方程追踪多流体界面,界面附近的边界条件由虚拟流体方法处理.对运动激波和两个气泡相互作用过程进行了数值模拟,得到了不同时刻的压力和密度等值线分布,并分析了计算域中两个气泡同是氦气泡,以及一个是氦气泡,一个是R22气泡情况下的计算结果.计算结果表明:利用多界面Level set方程可高质量地捕捉多个流体界面,处理3种多介质流场数值模拟问题.     

一种基于负载均衡的多Agent路径规划算法

在分布式信息查询系统中,使用多个Agent协作完成查询任务是一种有效的方法,所有Agent的总行程影响网络的通信流量,单个Agent的最大负载决定了壹询任务的完成时间.现有方法大多研究如何减少Agent的总行程,未考虑Agent的负载均衡问题.本文提出一种基于负栽均衡的多Agent迁移路线规划(Load balancedmulti-agent planning,LBMAP)算法首先寻找图中一条包含所有节点的TSP回路,然后使用动态规划算法将该回路分为多段,每个Agent访问其中一段,算法兼顾了两个优化目标:最小化Agent的总行程、最小化Agent的关键负载.仿真实验表明:随着Agent平均访问节点数的增大,LBMAP算法的性能趋近于理论最优值.     

"国际空间站"装配计划敲定但维护问题尚未解决

2005年1月26日“国际空间站”成员国会议结束,就“国际空间站”最终完成的装配式样,以及美国航天飞机于2010年退役后的有关问题达成了广泛的协议。     

湿热问题全复合材料夹层板面芯分层屈曲研究

根据含面芯分层损伤的均衡复合材料夹层板在面内载荷作用下的变形特点,建立了一个基于分析椭圆分层局部屈曲变形的二维模型,考虑了分层边界附近未脱胶芯子对分层子板的影响,利用复合材料层板湿热本构关系式和瑞利-里兹法对面芯分层的屈曲进行具体的研究,分析了不同材料面板,不同铺层以及各种湿热情况对临界屈曲载荷的影响.结果表明,湿热情况便夹层结构刚度和强度下降.     

压电智能柔性梁振动主动控制研究

利用压电陶瓷作为作动器,对柔性悬臂梁进行了振动主动控制研究.分析了压电结构振动主动控制的原理和方法.采用独立模态控制法对柔性悬臂梁的前两阶模态实施主动控制.实验结果表明,通过振动主动控制明显增加了柔性悬臂梁的结构阻尼,取得了十分有效的振动抑制效果.      

国外天基激光遥感发展研究(上)

□□随着全球经济发展和生产规模的扩大,环境问题日益突出,人类越来越关注自身赖以生存的的地球环境.     

基于L1范数的k平面聚类算法设计

基于L2范数度量的k平面聚类(k-Plane Clustering,k PC)设计思想,本文提出了一种采用L1范数度量的聚类算法。由于在平面更新步骤中,所导出的优化问题是非凸的,文中给出了一种求解方法,即将非凸问题转化为有限个子集上的凸问题,为避免求解多个优化问题导致训练时间过长问题,本文还设计了一种新的优选策略,有限个子集的搜索任务可在线性时间内完成。本文所提出的方法只需要求解k个线性规划,而不再是k PC的求解特征值问题。在人工和UCI数据集上的实验结果表明:基于L1范数平面聚类算法的训练和测试时间更短,且在大多数数据集上均表现出了更好的聚类性能。