摘要：以蕺菜为试验材料,采用正交试验设计,比较播种茎段的茎节数、栽植株距和覆土深度3个因素及其3个水平对蕺菜地下茎茎节发芽的影响,筛选出最佳的栽培因素组合。试验结果表明,影响蕺菜茎段出芽数、鲜苗质量、幼苗根系活力和幼苗CAT活性的最主要因素是播种蕺菜茎段的节数,其次为覆土深度,栽植株距的影响最小;影响幼苗PPO活性的最主要因素是播种蕺菜茎段的覆土深度,茎节数的影响次之。筛选出的最佳栽培因素组合为茎段节数4节、栽植株距9 cm、覆土深度10 cm。

摘要：为延长鱼腥草鲜品和种茎的存放时间,促进鱼腥草人工栽培生产,选用3种不同保鲜试剂(草酸、焦亚硫酸钠和柠檬酸),应用单因素试验和正交试验设计,以蒸馏水为空白对照,研究3种试剂对鱼腥草感官品质和营养品质的影响。结果表明:贮藏7 d以后,草酸、焦亚硫酸钠、柠檬酸溶液对保持鱼腥草的感官品质有明显促进作用,褐变率在0%~45%;而对照处理鱼腥草腐烂严重,褐变率达65%;草酸对鱼腥草褐变的抑制效果最显著,焦亚硫酸钠能显著抑制不良气味的产生,柠檬酸对鱼腥草地下茎硬挺度的保持效果最好;当处理溶液为草酸50 mg/L、焦亚硫酸钠80 mg/L、柠檬酸350 mg/L组合时,鱼腥草在贮藏7 d后失重率最小,保水效果较好,贮藏保鲜效果最好,可为鱼腥草保存提供参考。

摘要：促分裂原活化蛋白激酶(MAPK)级联信号参与调控植物的多种逆境、生长发育以及花青苷的合成通路。为探究SlMAPK6在番茄中的功能,本研究利用CRISPR/Cas9技术设计3个靶标位点定点编辑SlMAPK6,并获得突变体CRISPR-3和CRISPR-7。PCR和测序结果发现SlMAPK6敲除载体构建成功。通过对T1植株进行卡那霉素基因筛选、靶位点扩增测序及行脱靶效应分析,结果发现矮番茄植株成功突变且未脱靶,与野生型对照表型相比,所有突变植株表现出根系更发达、侧枝增多的表型,表明SlMAPK6在番茄植株形态建成的过程中发挥了重要作用,为进一步探究SlMAPK6在番茄生长发育中的作用奠定了基础。

摘要：设计并实现了一种基于量子行为粒子群算法(QPSO)系统模型在线辨识的Web服务自适应接纳控制,根据系统模型的变化在线调节比例积分控制器参数.通过接纳时间比反馈控制机制,调整控制周期内服务器接纳请求的时间长度,进而实现接纳控制.通过仿真实验,并与多种不同控制方法进行比较,所得结果表明,在线辨识自适应控制能够在服务器过载的情况下更有效地控制系统资源,进一步提高了服务质量.

摘要：分析了量子粒子群优化算法(Quantum-behaved Particle Swarm Optimization,QPSO)的进化方程,指出其存在的局部收敛问题,通过将微分进化(Differential Evolution,DE)的基本操作思想引入到QPSO中,提出了改进的QPSO算法(QPSO-DE);算法改进的方法是在粒子搜索过程中,以一定的概率对粒子的每一维执行微分进化操作,以增加粒子的随机性,从而减少了粒子群体因多样性缺失而易于陷入局部最优或停滞的情况,增强了粒子群体的搜索能力,提高了算法的优化性能;对多个标准测试函数及在IIR数字滤波器优化设计中的仿真实验结果表明,与PSO算法和QPSO算法相比,QPSO-DE算法能够取得更好的优化结果。

摘要：设计间接编码方案表达网络结构,利用二维细胞自动机中的元细胞表示网络连接存在与否,对元细胞的坐标和值分别演化,实现对网络结构的生长和剪枝.应用二进制量子化粒子群算法,采用特定的适应度函数,生成和进化元细胞的坐标.设计元细胞的邻域演化规则,演化元细胞的值.利用浮点量子化粒子群算法训练当前网络,逐步得到最终稳定网络结构及其参数.实验结果表明,当应用于不同规模的网络结构设计时,算法复杂度变化不大,并且具备稳定的收敛性能.

摘要：　提出基于主元分析方法的积灰状态在线监测的数学模型,据此模型设计的由上位机、下位机、吹灰器控制柜组成的吹灰器优化控制系统,实现了吹灰时间的优化控制,且在某厂的管式加热炉上得到应用,使用效果良好。

摘要：为了改善二进制量子行为粒子群优化(BQPSO)算法的收敛性能,提出了一种基于完全学习策略的改进BQPSO优化(CLBQPSO)算法,并由此设计了一种新的数据聚类方法.该算法在4个测试数据集上与其他一些聚类算法进行了聚类实验比较,实验结果表明,基于CLBQPSO的聚类算法不仅收敛速度快,而且有较好的全局收敛性,收敛精度优于其他聚类算法,聚类效果更好.

摘要：J2EE模式提供了一组基于J2EE平台的对常见问题的解决方案,使用J2EE模式可以显著优化系统性能,有效增强系统的可维护性、扩展性和重用性,大大缩短系统研发周期。该文用一个纺织行业B2B网上订购系统作为实例,说明如何以最佳方式将多个J2EE模式连结在一起设计出强壮、高效的B2B电子商务系统。

摘要：针对量子粒子群优化(quantum-behaved particle swarm optimization,QPSO)算法的参数控制方式,提出了一种自适应调节方法,该方法根据粒子之间的位置关系来设定参数值,给出了具体的设计思想与实现步骤。然后针对有限脉冲响应(finite impulse response,FIR)数字滤波器的优化设计实质,即多参数优化问题,通过适当的编码方式将改进的QPSO算法(adaptive QPSO,AQPSO)应用在其优化设计中,设计了低通和带通FIR数字滤波器。实验结果表明,AQPSO在收敛速度、鲁棒性及优化效果等方面都优于遗传算法(genetic algorithm,GA)、PSO算法及QPSO算法,说明了AQPSO算法的有效性和可行性。