中国炼丹家最先发现元素砷

西方的化学史家们几乎一致认为:最早从化合物中分离出单质砷并发现了这种元素的是十三世纪德国罗马教修道会学者,炼金术士大阿尔伯特(AlbertusMagnus,1193或1206或1207—1280)。他曾用一份雌黄与两份肥皂共热,游离出了所谓“金属雌黄”(arsenicum metallinum),但他对这种物质没有更多的描述,那时的炼金术士们都把它当做是一种水银;及至十六世纪,瑞士的医药学家帕拉塞斯(P.A.Paracelsus,1493—1541)“将古代砷(硫化砷)与蛋壳共热”而得到     

最大团问题的竞争决策算法

分析了最大团问题的数学性质,根据推导出来的性质设计求解最大团问题的竞争决策算法,且算法的时间复杂度分析结果为O(n~3)。并用提出的算法求解最大团问题中的标准测试示例,测试结果表明,算法具有良好的求解效果。     

和田河流域生态脆弱性成因辨识

通过献资料和野外考察,认为和田河流域的脆弱生态环境是长期的自然作用过程及人类活动干预下形成的。自然地理要素有脆弱性的一面,不合理的人类活动加剧了生态环境退化的进程。和田河流域脆弱生态环境是水、植被环境恶化导致的生态平衡失调形成的。总体表现为以荒漠化为主体的环境问题日益加剧,并通过土地沙漠化、土壤盐渍化、草场退化、生物多样性丧失,以及干旱、风沙、盐碱、洪灾等表现出来。综合评价结果表明,和田河流域的生态环境质量属中等脆弱。     

求解P中位问题的混合蝙蝠算法

根据P中位问题的数学模型及其具体特征,重新定义了蝙蝠位置与位置之间的减法操作算子、速度与位置之间的加法操作算子和可行化函数,引入了遗传算法中交叉的思想对当前解进行局部搜索,提出了求解该问题的混合蝙蝠算法。通过对多个P中位算例进行测试,并将测试结果与其他算法进行比较,验证了该混合蝙蝠算法求解P中位问题的可行性与有效性。     

求解无容量设施选址问题的拉格朗日蝙蝠算法

无容量设施选址问题(Uncapacitated Facility Location Problem,UFLP)是一类经典的组合优化问题,被证明是一种NP-hard问题,易于描述却难于求解.首先根据UFLP的数学模型及其具体特征,重新设计了蝙蝠算法的操作算子,给出了求解UFLP的蝙蝠算法.其次构建出三种可行化方法,并将其与求解UFLP的蝙蝠算法和拉格朗日松弛算法相结合,设计了求解该问题的拉格朗日蝙蝠算法.最后通过仿真实例和与其他算法进行比较的方式,验证了该混合算法用来求解UFLP的可行性,是解决离散型问题的一种有效方式.     

无容量限制设施选址问题的降阶回溯算法

无容量限制设施选址问题(uncapacitated facility location problem, UFLP)是经典组合优化中NP-Hard问题之一,在诸多领域具有广泛的应用价值。本文首先研究UFLP的数学性质,并进行了数学证明。运用这些数学性质不仅可以确定某些设施必定开设或者关闭,还可以确定某些连接边是否在服务集中,从而缩小问题的规模,加快求解速度;在此基础上设计出一个新的基于上下界的回溯算法来求解UFLP。最后,通过一个示例进一步阐述该算法的原理,结果表明该算法具有明显的可行性和有效性。     

求解车辆路径问题的离散蝙蝠算法

根据车辆路径问题的数学模型,分析了它的具体特征,从而对BA的操作算子又进行了重新定义,设计了求解VRP问题的离散蝙蝠算法,并通过实例测试将离散蝙蝠算法与其他算法进行比较,验证了该算法求解VRP问题的有效性与可行性.     

（Ba0.2Sr0.8）1-1.5xBixZn0.04T i0.98O3陶瓷结构及介电性能的研究

采用传统固相反应方法,制备了（Ba0.2Sr0.8）1-1.5xBixZn0.04Ti0.98O3（x=0.00、0.01、0.02、0.03）陶瓷材料,用X射线衍射、扫描电子显微镜和变温介电谱方法,对它们的晶格结构、微观形貌和复介电常数进行了测量和分析.结果表明：1）Zn2＋和Bi3＋进入到Ba0.2Sr0.8TiO3晶格中并与之形成ABO3钙钛矿型固溶体;2）随Bi2O3掺入,陶瓷的室温晶系结构由立方相转变为四方相,同时出现在约120K的弥散相变转化为弛豫相变;3）Bi2O3掺杂对晶粒生长有明显的抑制作用,但晶粒之间的连接性增强,陶瓷的致密度增加;4）当T=300K,f=1Hz,当Bi3＋的掺杂量为0.01mol时,陶瓷样品室温介电常最大（ε＇=1529.95）,此时室温介电损耗值为最大（tanδ=3.366×10-2）.上述结果为该类陶瓷掺杂改性研究,以及弛豫相变机制探索提供参考.     

分枝定界算法在食品分析中的应用──水果中有机酸的同时定性定量分析

将电位滴定法与分枝定界算法相结合：研究测定了水果中有机酸的组成及含量，结果与文献基本一致。对已知类型（如某一类水果）的样品，本方法不必预先进行定性分析，一次测定即可同时完成定性和定量工作。     

精确覆盖问题的加权分治算法

精确覆盖问题是组合优化中经典的NP-Hard问题之一,其在诸多领域具有广泛的应用价值。本文首先研究了精确覆盖问题的数学性质,并根据数学性质提出相应的分支降阶规则以缩小问题的规模;接着设计了一个基于分支降阶的回溯算法求解该问题;然后运用常规技术分析得出该精确算法的时间复杂度为O(1.4656^k);最后运用加权分治技术对该算法的时间复杂度进行分析,将该算法的时间复杂度降为O(1.3842^k)。文章最后通过一个示例进一步阐述该算法的原理,并与其他精确算法进行了对比分析,研究结果表明该算法是可行的,也是有效的。