亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于遺傳算法的城市環(huán)境監(jiān)測點布局分析

        2014-11-17 02:21:30王興元侯憲鋒董文昭丁金存
        科技創(chuàng)新與應用 2014年33期
        關鍵詞:遺傳算法

        王興元++侯憲鋒++董文昭++丁金存

        摘 要:城市環(huán)境對人類生活和生態(tài)環(huán)境的協(xié)調(diào)有著重要意義。文章針對城市環(huán)境監(jiān)測的環(huán)境因素種類多和監(jiān)測點分布區(qū)域廣的特點,分析了遺傳算法在城市環(huán)境監(jiān)測點布局的可行性,利用遺傳算法來實現(xiàn)城市環(huán)境監(jiān)測點的布局優(yōu)化,使監(jiān)測點的監(jiān)測效率和監(jiān)測結果達到最優(yōu)化。

        關鍵詞:遺傳算法;城市環(huán)境監(jiān)測;監(jiān)測點布局;遺傳算子

        引言

        遺傳算法是由美國的J·Holland教授于1975年在他的專著《自然界和人工系統(tǒng)的適應性》中首先提出的,它是一類借鑒生物界自然選擇和自然遺傳機制的隨機化搜索算法。遺傳算法模擬自然選擇和自然遺傳過程中發(fā)生的繁殖、交叉和基因突變現(xiàn)象,在每次迭代中都保留一組候選解,并按某種指標從解群中選取較優(yōu)的個體,利用遺傳算子:選擇運算、交叉運算和變異運算,對這些個體進行組合,產(chǎn)生新一代的候選解群,重復此過程,直到滿足某種收斂指標為止[1-2]。

        隨著城市承載著越來越多的人口和工業(yè)化生產(chǎn)的壓力,建立全面的城市環(huán)境監(jiān)測對人類社會和生態(tài)環(huán)境的協(xié)調(diào)發(fā)展具有重要意義。但是由于城市環(huán)境監(jiān)測要考慮SO2、NOX、降塵等多個指標情況,同時監(jiān)測節(jié)點分布區(qū)域廣[3-4],如果采用前處理優(yōu)化方法,如加權組合法等。這類方法首先通過各種方法構造評價函數(shù)把多目標問題轉(zhuǎn)化為單目標問題后再進行優(yōu)化為一個多目標的最優(yōu)解。還可以使用后處理法,利用多目標最優(yōu)解必為有效解這一事實,能夠同時生成多目標問題的所有或部分有效解。這類方法最大的優(yōu)點就是能夠讓決策者從最終的優(yōu)化結果中選出適合決策者的有效解,從而得到解決問題的最優(yōu)解。

        1 遺傳算法分析

        文章首先將目標地區(qū)用尺寸相同的網(wǎng)格進行劃分,每一個網(wǎng)格交點代表一個可能的布點位置。用整數(shù)對其進行編碼,在網(wǎng)格陣中,按從左到右,從上到下的順序,從網(wǎng)格陣的左上角第一個網(wǎng)格中心點開始,給每一個網(wǎng)格一個序號N(從0開始),則序號N與網(wǎng)格一一對應,全部序號點構成集合X。個體編碼方法,將預設監(jiān)測點的位置用網(wǎng)格代碼表示,將得到的代碼序列作為一種布點方案。

        根據(jù)不同時間各點的數(shù)據(jù)計算各監(jiān)測點結果的相關情況,選取最不相關的點作為目標點。再結合實際情況,進一步優(yōu)化布點選取。其中各網(wǎng)格監(jiān)測數(shù)據(jù)由空氣質(zhì)量模擬系統(tǒng)提供,如Models-3/CMAQ等。

        為確定優(yōu)化過程中的所需的適應度函數(shù),使用如下矩陣:

        其中ai和aj分別是第i個和第j個網(wǎng)格點所對應的不同時間的綜合觀測值;n和m分別代表網(wǎng)格的行數(shù)和列數(shù)。矩陣R的非對角元越小,則說明各個監(jiān)測點的監(jiān)測結果關聯(lián)性越小,即獨立性越好,監(jiān)測點位越合理。

        將優(yōu)化布點問題轉(zhuǎn)化為由目標函數(shù)和約束條件兩部分構成的最優(yōu)化問題:

        其中x代表所選監(jiān)測點位置代碼序列(x1,x2,K,xM),f(x)是由x所對應的R矩陣非對角元的最大值。約束條件還包括:監(jiān)測點部署的目標地區(qū)的地形,可布點區(qū)域,用來減少網(wǎng)格數(shù)量;空間覆蓋約束,在有限的監(jiān)測點位的前提下,盡可能大地覆蓋監(jiān)測區(qū)域。

        遺傳算法在進化搜索時基本不利用外部信息,僅以適應度函數(shù)為依據(jù),來評估解群的優(yōu)劣,并利用種群中每個個體的適應度值來進行搜索。本方案優(yōu)化的準則是搜索各個監(jiān)測點,使其對應的R矩陣的非對角元的最大值最小化,所以目標函數(shù)是最小化問題。而遺傳算法中解群的適應度為最大化問題,因此不能直接采用目標函數(shù)作為適應度函數(shù),需應用目標函數(shù)構造一個最大化的適應度函數(shù)。由于R矩陣非對角元的最大值為1,故構造如下適應度函數(shù):

        則Fit(x)就是染色體x對應的適應度,max{Fit(x)}就是種群,即所有染色體的適應度的最大值,這樣就將目標函數(shù)的最小化問題轉(zhuǎn)化為適應度函數(shù)的最大化問題。

        初始種群按照洗牌方式從監(jiān)測點集合X隨機選擇群體大小為M的節(jié)點種群,即M個監(jiān)測點的布點方式。對節(jié)點種群執(zhí)行如下的遺傳操作:選擇運算,交叉運算,變異運算。

        使用下列三種遺傳算法:(1)選擇運算,實現(xiàn)對群體中的個體進行優(yōu)勝劣汰操作,適應度高的個體被遺傳到下一代群體中的概率大;適應度低的個體,被遺傳到下一代群體中的概率小。使用最優(yōu)保存策略,保留相關度最低的兩個監(jiān)測點;(2)交叉運算,指對兩個相互配對的染色體依據(jù)交叉概率Pc按某種方式相互交換器部分基因,從而形成兩個新的個體。交叉運算是遺傳算法區(qū)別于其他進化算法的重要特征,它在遺傳算法中起關鍵作用,是產(chǎn)生新個體的主要方法。使用部分匹配交叉(PMX)算子,隨機產(chǎn)生兩個交叉點,交換交叉點中的預定監(jiān)測點,得到新的部署;(3)變異運算,根據(jù)變異概率Pm將個體編碼串中的某些基因值用其他基因值來替換,從而形成一個新的個體。在監(jiān)測點序列中隨機選取一點,與未被選中的區(qū)域中隨機一點互換[5]。

        遺傳算法的4個運行參數(shù)M,T,Pc,Pm需預先設定。M為群體大小,即群體中所含個體的數(shù)量,根據(jù)網(wǎng)格實際數(shù)量給定;T為遺傳算法的終止進化代數(shù),取T=450;Pc為交叉概率,取Pc=0.8;Pm為變異概率,取Pm=0.01。

        根據(jù)上述方案運用遺傳算法進行優(yōu)化,得到最優(yōu)解序列與網(wǎng)格中位置對應,即得到最優(yōu)監(jiān)測部署點位。

        2 結束語

        通過對遺傳算法的分析,得出了遺傳算法在城市環(huán)境監(jiān)測點布局方面應用具有可行性。遺傳算法能夠滿足城市環(huán)境監(jiān)測點監(jiān)測的環(huán)境因素多,同時環(huán)境監(jiān)測點分布區(qū)域廣的特殊性,使城市環(huán)境監(jiān)測點的監(jiān)測效率達到最優(yōu)化,為城市環(huán)境安全監(jiān)測預警提供高效數(shù)據(jù)。

        參考文獻

        [1]葛繼科,邱玉輝,吳春明,等.遺傳算法研究綜述[J].計算機應用研究,2008,10:2911-2916.

        [2]馬永杰,云文霞.遺傳算法研究進展[J].計算機應用研究,2012,4:1201-1206.

        [3]蘇曉丹,唐立娜,董仁才.城市環(huán)境監(jiān)測結果發(fā)布系統(tǒng)的推送服務設計[J].環(huán)境科學與技術,2011,12:383-387.

        [4]李偉,龔敏玉.城市環(huán)境空氣中顆粒物源解析研究[J].江蘇環(huán)境科技,2007,6:19-22.

        [5]劉紅,韋穗.遺傳算子的分析[J].計算機技術與發(fā)展,2006,10:80-82.endprint

        摘 要:城市環(huán)境對人類生活和生態(tài)環(huán)境的協(xié)調(diào)有著重要意義。文章針對城市環(huán)境監(jiān)測的環(huán)境因素種類多和監(jiān)測點分布區(qū)域廣的特點,分析了遺傳算法在城市環(huán)境監(jiān)測點布局的可行性,利用遺傳算法來實現(xiàn)城市環(huán)境監(jiān)測點的布局優(yōu)化,使監(jiān)測點的監(jiān)測效率和監(jiān)測結果達到最優(yōu)化。

        關鍵詞:遺傳算法;城市環(huán)境監(jiān)測;監(jiān)測點布局;遺傳算子

        引言

        遺傳算法是由美國的J·Holland教授于1975年在他的專著《自然界和人工系統(tǒng)的適應性》中首先提出的,它是一類借鑒生物界自然選擇和自然遺傳機制的隨機化搜索算法。遺傳算法模擬自然選擇和自然遺傳過程中發(fā)生的繁殖、交叉和基因突變現(xiàn)象,在每次迭代中都保留一組候選解,并按某種指標從解群中選取較優(yōu)的個體,利用遺傳算子:選擇運算、交叉運算和變異運算,對這些個體進行組合,產(chǎn)生新一代的候選解群,重復此過程,直到滿足某種收斂指標為止[1-2]。

        隨著城市承載著越來越多的人口和工業(yè)化生產(chǎn)的壓力,建立全面的城市環(huán)境監(jiān)測對人類社會和生態(tài)環(huán)境的協(xié)調(diào)發(fā)展具有重要意義。但是由于城市環(huán)境監(jiān)測要考慮SO2、NOX、降塵等多個指標情況,同時監(jiān)測節(jié)點分布區(qū)域廣[3-4],如果采用前處理優(yōu)化方法,如加權組合法等。這類方法首先通過各種方法構造評價函數(shù)把多目標問題轉(zhuǎn)化為單目標問題后再進行優(yōu)化為一個多目標的最優(yōu)解。還可以使用后處理法,利用多目標最優(yōu)解必為有效解這一事實,能夠同時生成多目標問題的所有或部分有效解。這類方法最大的優(yōu)點就是能夠讓決策者從最終的優(yōu)化結果中選出適合決策者的有效解,從而得到解決問題的最優(yōu)解。

        1 遺傳算法分析

        文章首先將目標地區(qū)用尺寸相同的網(wǎng)格進行劃分,每一個網(wǎng)格交點代表一個可能的布點位置。用整數(shù)對其進行編碼,在網(wǎng)格陣中,按從左到右,從上到下的順序,從網(wǎng)格陣的左上角第一個網(wǎng)格中心點開始,給每一個網(wǎng)格一個序號N(從0開始),則序號N與網(wǎng)格一一對應,全部序號點構成集合X。個體編碼方法,將預設監(jiān)測點的位置用網(wǎng)格代碼表示,將得到的代碼序列作為一種布點方案。

        根據(jù)不同時間各點的數(shù)據(jù)計算各監(jiān)測點結果的相關情況,選取最不相關的點作為目標點。再結合實際情況,進一步優(yōu)化布點選取。其中各網(wǎng)格監(jiān)測數(shù)據(jù)由空氣質(zhì)量模擬系統(tǒng)提供,如Models-3/CMAQ等。

        為確定優(yōu)化過程中的所需的適應度函數(shù),使用如下矩陣:

        其中ai和aj分別是第i個和第j個網(wǎng)格點所對應的不同時間的綜合觀測值;n和m分別代表網(wǎng)格的行數(shù)和列數(shù)。矩陣R的非對角元越小,則說明各個監(jiān)測點的監(jiān)測結果關聯(lián)性越小,即獨立性越好,監(jiān)測點位越合理。

        將優(yōu)化布點問題轉(zhuǎn)化為由目標函數(shù)和約束條件兩部分構成的最優(yōu)化問題:

        其中x代表所選監(jiān)測點位置代碼序列(x1,x2,K,xM),f(x)是由x所對應的R矩陣非對角元的最大值。約束條件還包括:監(jiān)測點部署的目標地區(qū)的地形,可布點區(qū)域,用來減少網(wǎng)格數(shù)量;空間覆蓋約束,在有限的監(jiān)測點位的前提下,盡可能大地覆蓋監(jiān)測區(qū)域。

        遺傳算法在進化搜索時基本不利用外部信息,僅以適應度函數(shù)為依據(jù),來評估解群的優(yōu)劣,并利用種群中每個個體的適應度值來進行搜索。本方案優(yōu)化的準則是搜索各個監(jiān)測點,使其對應的R矩陣的非對角元的最大值最小化,所以目標函數(shù)是最小化問題。而遺傳算法中解群的適應度為最大化問題,因此不能直接采用目標函數(shù)作為適應度函數(shù),需應用目標函數(shù)構造一個最大化的適應度函數(shù)。由于R矩陣非對角元的最大值為1,故構造如下適應度函數(shù):

        則Fit(x)就是染色體x對應的適應度,max{Fit(x)}就是種群,即所有染色體的適應度的最大值,這樣就將目標函數(shù)的最小化問題轉(zhuǎn)化為適應度函數(shù)的最大化問題。

        初始種群按照洗牌方式從監(jiān)測點集合X隨機選擇群體大小為M的節(jié)點種群,即M個監(jiān)測點的布點方式。對節(jié)點種群執(zhí)行如下的遺傳操作:選擇運算,交叉運算,變異運算。

        使用下列三種遺傳算法:(1)選擇運算,實現(xiàn)對群體中的個體進行優(yōu)勝劣汰操作,適應度高的個體被遺傳到下一代群體中的概率大;適應度低的個體,被遺傳到下一代群體中的概率小。使用最優(yōu)保存策略,保留相關度最低的兩個監(jiān)測點;(2)交叉運算,指對兩個相互配對的染色體依據(jù)交叉概率Pc按某種方式相互交換器部分基因,從而形成兩個新的個體。交叉運算是遺傳算法區(qū)別于其他進化算法的重要特征,它在遺傳算法中起關鍵作用,是產(chǎn)生新個體的主要方法。使用部分匹配交叉(PMX)算子,隨機產(chǎn)生兩個交叉點,交換交叉點中的預定監(jiān)測點,得到新的部署;(3)變異運算,根據(jù)變異概率Pm將個體編碼串中的某些基因值用其他基因值來替換,從而形成一個新的個體。在監(jiān)測點序列中隨機選取一點,與未被選中的區(qū)域中隨機一點互換[5]。

        遺傳算法的4個運行參數(shù)M,T,Pc,Pm需預先設定。M為群體大小,即群體中所含個體的數(shù)量,根據(jù)網(wǎng)格實際數(shù)量給定;T為遺傳算法的終止進化代數(shù),取T=450;Pc為交叉概率,取Pc=0.8;Pm為變異概率,取Pm=0.01。

        根據(jù)上述方案運用遺傳算法進行優(yōu)化,得到最優(yōu)解序列與網(wǎng)格中位置對應,即得到最優(yōu)監(jiān)測部署點位。

        2 結束語

        通過對遺傳算法的分析,得出了遺傳算法在城市環(huán)境監(jiān)測點布局方面應用具有可行性。遺傳算法能夠滿足城市環(huán)境監(jiān)測點監(jiān)測的環(huán)境因素多,同時環(huán)境監(jiān)測點分布區(qū)域廣的特殊性,使城市環(huán)境監(jiān)測點的監(jiān)測效率達到最優(yōu)化,為城市環(huán)境安全監(jiān)測預警提供高效數(shù)據(jù)。

        參考文獻

        [1]葛繼科,邱玉輝,吳春明,等.遺傳算法研究綜述[J].計算機應用研究,2008,10:2911-2916.

        [2]馬永杰,云文霞.遺傳算法研究進展[J].計算機應用研究,2012,4:1201-1206.

        [3]蘇曉丹,唐立娜,董仁才.城市環(huán)境監(jiān)測結果發(fā)布系統(tǒng)的推送服務設計[J].環(huán)境科學與技術,2011,12:383-387.

        [4]李偉,龔敏玉.城市環(huán)境空氣中顆粒物源解析研究[J].江蘇環(huán)境科技,2007,6:19-22.

        [5]劉紅,韋穗.遺傳算子的分析[J].計算機技術與發(fā)展,2006,10:80-82.endprint

        摘 要:城市環(huán)境對人類生活和生態(tài)環(huán)境的協(xié)調(diào)有著重要意義。文章針對城市環(huán)境監(jiān)測的環(huán)境因素種類多和監(jiān)測點分布區(qū)域廣的特點,分析了遺傳算法在城市環(huán)境監(jiān)測點布局的可行性,利用遺傳算法來實現(xiàn)城市環(huán)境監(jiān)測點的布局優(yōu)化,使監(jiān)測點的監(jiān)測效率和監(jiān)測結果達到最優(yōu)化。

        關鍵詞:遺傳算法;城市環(huán)境監(jiān)測;監(jiān)測點布局;遺傳算子

        引言

        遺傳算法是由美國的J·Holland教授于1975年在他的專著《自然界和人工系統(tǒng)的適應性》中首先提出的,它是一類借鑒生物界自然選擇和自然遺傳機制的隨機化搜索算法。遺傳算法模擬自然選擇和自然遺傳過程中發(fā)生的繁殖、交叉和基因突變現(xiàn)象,在每次迭代中都保留一組候選解,并按某種指標從解群中選取較優(yōu)的個體,利用遺傳算子:選擇運算、交叉運算和變異運算,對這些個體進行組合,產(chǎn)生新一代的候選解群,重復此過程,直到滿足某種收斂指標為止[1-2]。

        隨著城市承載著越來越多的人口和工業(yè)化生產(chǎn)的壓力,建立全面的城市環(huán)境監(jiān)測對人類社會和生態(tài)環(huán)境的協(xié)調(diào)發(fā)展具有重要意義。但是由于城市環(huán)境監(jiān)測要考慮SO2、NOX、降塵等多個指標情況,同時監(jiān)測節(jié)點分布區(qū)域廣[3-4],如果采用前處理優(yōu)化方法,如加權組合法等。這類方法首先通過各種方法構造評價函數(shù)把多目標問題轉(zhuǎn)化為單目標問題后再進行優(yōu)化為一個多目標的最優(yōu)解。還可以使用后處理法,利用多目標最優(yōu)解必為有效解這一事實,能夠同時生成多目標問題的所有或部分有效解。這類方法最大的優(yōu)點就是能夠讓決策者從最終的優(yōu)化結果中選出適合決策者的有效解,從而得到解決問題的最優(yōu)解。

        1 遺傳算法分析

        文章首先將目標地區(qū)用尺寸相同的網(wǎng)格進行劃分,每一個網(wǎng)格交點代表一個可能的布點位置。用整數(shù)對其進行編碼,在網(wǎng)格陣中,按從左到右,從上到下的順序,從網(wǎng)格陣的左上角第一個網(wǎng)格中心點開始,給每一個網(wǎng)格一個序號N(從0開始),則序號N與網(wǎng)格一一對應,全部序號點構成集合X。個體編碼方法,將預設監(jiān)測點的位置用網(wǎng)格代碼表示,將得到的代碼序列作為一種布點方案。

        根據(jù)不同時間各點的數(shù)據(jù)計算各監(jiān)測點結果的相關情況,選取最不相關的點作為目標點。再結合實際情況,進一步優(yōu)化布點選取。其中各網(wǎng)格監(jiān)測數(shù)據(jù)由空氣質(zhì)量模擬系統(tǒng)提供,如Models-3/CMAQ等。

        為確定優(yōu)化過程中的所需的適應度函數(shù),使用如下矩陣:

        其中ai和aj分別是第i個和第j個網(wǎng)格點所對應的不同時間的綜合觀測值;n和m分別代表網(wǎng)格的行數(shù)和列數(shù)。矩陣R的非對角元越小,則說明各個監(jiān)測點的監(jiān)測結果關聯(lián)性越小,即獨立性越好,監(jiān)測點位越合理。

        將優(yōu)化布點問題轉(zhuǎn)化為由目標函數(shù)和約束條件兩部分構成的最優(yōu)化問題:

        其中x代表所選監(jiān)測點位置代碼序列(x1,x2,K,xM),f(x)是由x所對應的R矩陣非對角元的最大值。約束條件還包括:監(jiān)測點部署的目標地區(qū)的地形,可布點區(qū)域,用來減少網(wǎng)格數(shù)量;空間覆蓋約束,在有限的監(jiān)測點位的前提下,盡可能大地覆蓋監(jiān)測區(qū)域。

        遺傳算法在進化搜索時基本不利用外部信息,僅以適應度函數(shù)為依據(jù),來評估解群的優(yōu)劣,并利用種群中每個個體的適應度值來進行搜索。本方案優(yōu)化的準則是搜索各個監(jiān)測點,使其對應的R矩陣的非對角元的最大值最小化,所以目標函數(shù)是最小化問題。而遺傳算法中解群的適應度為最大化問題,因此不能直接采用目標函數(shù)作為適應度函數(shù),需應用目標函數(shù)構造一個最大化的適應度函數(shù)。由于R矩陣非對角元的最大值為1,故構造如下適應度函數(shù):

        則Fit(x)就是染色體x對應的適應度,max{Fit(x)}就是種群,即所有染色體的適應度的最大值,這樣就將目標函數(shù)的最小化問題轉(zhuǎn)化為適應度函數(shù)的最大化問題。

        初始種群按照洗牌方式從監(jiān)測點集合X隨機選擇群體大小為M的節(jié)點種群,即M個監(jiān)測點的布點方式。對節(jié)點種群執(zhí)行如下的遺傳操作:選擇運算,交叉運算,變異運算。

        使用下列三種遺傳算法:(1)選擇運算,實現(xiàn)對群體中的個體進行優(yōu)勝劣汰操作,適應度高的個體被遺傳到下一代群體中的概率大;適應度低的個體,被遺傳到下一代群體中的概率小。使用最優(yōu)保存策略,保留相關度最低的兩個監(jiān)測點;(2)交叉運算,指對兩個相互配對的染色體依據(jù)交叉概率Pc按某種方式相互交換器部分基因,從而形成兩個新的個體。交叉運算是遺傳算法區(qū)別于其他進化算法的重要特征,它在遺傳算法中起關鍵作用,是產(chǎn)生新個體的主要方法。使用部分匹配交叉(PMX)算子,隨機產(chǎn)生兩個交叉點,交換交叉點中的預定監(jiān)測點,得到新的部署;(3)變異運算,根據(jù)變異概率Pm將個體編碼串中的某些基因值用其他基因值來替換,從而形成一個新的個體。在監(jiān)測點序列中隨機選取一點,與未被選中的區(qū)域中隨機一點互換[5]。

        遺傳算法的4個運行參數(shù)M,T,Pc,Pm需預先設定。M為群體大小,即群體中所含個體的數(shù)量,根據(jù)網(wǎng)格實際數(shù)量給定;T為遺傳算法的終止進化代數(shù),取T=450;Pc為交叉概率,取Pc=0.8;Pm為變異概率,取Pm=0.01。

        根據(jù)上述方案運用遺傳算法進行優(yōu)化,得到最優(yōu)解序列與網(wǎng)格中位置對應,即得到最優(yōu)監(jiān)測部署點位。

        2 結束語

        通過對遺傳算法的分析,得出了遺傳算法在城市環(huán)境監(jiān)測點布局方面應用具有可行性。遺傳算法能夠滿足城市環(huán)境監(jiān)測點監(jiān)測的環(huán)境因素多,同時環(huán)境監(jiān)測點分布區(qū)域廣的特殊性,使城市環(huán)境監(jiān)測點的監(jiān)測效率達到最優(yōu)化,為城市環(huán)境安全監(jiān)測預警提供高效數(shù)據(jù)。

        參考文獻

        [1]葛繼科,邱玉輝,吳春明,等.遺傳算法研究綜述[J].計算機應用研究,2008,10:2911-2916.

        [2]馬永杰,云文霞.遺傳算法研究進展[J].計算機應用研究,2012,4:1201-1206.

        [3]蘇曉丹,唐立娜,董仁才.城市環(huán)境監(jiān)測結果發(fā)布系統(tǒng)的推送服務設計[J].環(huán)境科學與技術,2011,12:383-387.

        [4]李偉,龔敏玉.城市環(huán)境空氣中顆粒物源解析研究[J].江蘇環(huán)境科技,2007,6:19-22.

        [5]劉紅,韋穗.遺傳算子的分析[J].計算機技術與發(fā)展,2006,10:80-82.endprint

        猜你喜歡
        遺傳算法
        基于遺傳算法的模糊控制在過熱汽溫控制系統(tǒng)優(yōu)化中的應用
        電子制作(2019年16期)2019-09-27 09:34:44
        遺傳算法對CMAC與PID并行勵磁控制的優(yōu)化
        測控技術(2018年2期)2018-12-09 09:00:54
        基于自適應遺傳算法的CSAMT一維反演
        基于遺傳算法的建筑物沉降回歸分析
        一種基于遺傳算法的聚類分析方法在DNA序列比較中的應用
        基于遺傳算法和LS-SVM的財務危機預測
        遺傳算法識別模型在水污染源辨識中的應用
        協(xié)同進化在遺傳算法中的應用研究
        軟件發(fā)布規(guī)劃的遺傳算法實現(xiàn)與解釋
        基于改進的遺傳算法的模糊聚類算法
        亚洲国产丝袜美女在线| 亚洲不卡中文字幕无码| 伊人精品无码AV一区二区三区| 亚洲视频在线观看青青草| 色婷婷久久精品一区二区| 人与动牲交av免费| 欧美日韩在线免费看| 国产目拍亚洲精品区一区| 中文字幕影片免费人妻少妇 | 中文字幕久区久久中文字幕| 青青草大香蕉视频在线观看| 久久亚洲私人国产精品va| 日本成人一区二区三区| 国产成人自拍视频在线观看网站| 亚洲一区二区三区蜜桃| 天堂国精产品2023年| 亚州无线国产2021| 亚洲国产精品久久性色av| 国产精品永久在线观看| 蜜臀aⅴ国产精品久久久国产老师| 色婷婷色99国产综合精品| 亚洲福利二区三区四区| 国语对白做受xxxxx在| 中文字幕在线免费| 日本在线视频二区一区| 无套无码孕妇啪啪| 日本阿v网站在线观看中文 | 日韩亚洲精品中文字幕在线观看| 国产美女自慰在线观看| 久草热这里只有精品在线| 自拍偷区亚洲综合第一页| 国产色在线 | 日韩| 久久中文字幕乱码免费| 亚洲处破女av一区二区| 欧美xxxxx高潮喷水| 午夜不卡久久精品无码免费| 国产极品视觉盛宴在线观看| 美女扒开内裤让我捅的视频| 国产农村乱辈无码| 在线精品日韩一区二区三区| 婷婷开心五月亚洲综合|