山东泰山茶园杂草群落组成及发生特点

2022—2023年采用倒置“W”形9点取样法对山东省泰山茶区不同区域茶园杂草进行调查,以明确泰山茶园杂草群落组成及发生特点,为泰山茶园杂草防控提供依据。结果表明,泰山茶园杂草有73种(含变种),隶属26科58属,其中菊科、禾本科和十字花科的杂草种类较多。恶性杂草5种,为狗尾草、牛筋草、马唐、马齿苋、繁缕;优势种杂草7种,为藜、皱果苋、酢浆草、小蓬草、中华苦荬菜、鳢肠、刺儿菜;区域性优势种杂草3种,为稗、葎草、一年蓬;一般杂草58种。不同季节、不同区域杂草发生情况存在差异,不同茶园应选择不同的控草方式,目前以人工除草和覆盖控草为主。

神经网络和启发式算法混合策略解Job-shop调度问题

提出一种有效的自适应神经网络和启发式算法混合策略来求解Ｊｏｂｓｈｏｐ调度问题．自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特性，被用来求得调度问题的可行解，而启发式算法被分别用来加速神经网络的运行和保证神经网络收敛到可行解、获得确定排序下最优解和提高可行解的质量．

用约束满足自适应神经网络和有效的启发式算法解Job-shop调度问题

提出一种用约束满足自适应神经网络结合有效的启发式算法求解Ｊｏｂ－ｓｈｏｐ调度问题．在混合算法中，自适应神经网络具有在网络运行过程中神经元的偏置和连接权值自适应取值的特性，被用来求得调度问题的可行解，启发式算法分别被用来增强神经网络的性能、获得确定排序下最优解和提高可行解的质量．仿真表明了本文提出的混合算法的快速有效性．

用遗传算法与自适应神经网络混合方法解Job-shop调度问题

提出一种用遗传算法结合基于约束满足的自适应神经网络进行Ｊｏｂ—ｓｈｏｐ调度问题求解的混合方法。遗传算法被用来进行迭代寻优。当前代经交叉和变异后生成的染色体对应非可行解，由自适应神经网络运算后得到可行解，对应的染色体作为新一代染色体。

动态环境中的进化算法

目前关于进化算法(EA)的研究主要局限于静态优化问题,然而很多现实世界中的问题是动态的,对于这类时变的优化问题通常并不是要求EA发现极值点,而是需要EA能够尽可能紧密地跟踪极值点在搜索空间内的运行轨迹.为此,综述了使EA适用于动态优化问题的各种方法,如增加种群多样性、保持种群多样性、引入某种记忆策略和采用多种群策略等.

泰山野生黄精的组培快繁技术研究

以泰山野生黄精的地下根状茎芽和地上茎茎尖为试材进行组织培养。结果表明，诱导产生不定芽的适宜培养基为MS＋4．0mg／L6-BA；增殖培养基为MS＋1．5mg／LTDZ＋1．0mg／L2，4-D；生根培养基为改良1／2MS＋0．5mg／LNAA＋0．3—0．5g／L活性炭，生根率最高达55％。试管苗在适宜的环境条件下驯化炼苗，移栽成活率达90％。

进化高维多目标优化研究综述

高维多目标优化问题(many-objective optimization problems, MaOPs)已经普遍存在于工业和科学领域中,这类问题的目标数一般超过3个且目标之间存在冲突性。进化算法作为一种基于种群的元启发式搜索方法已经被证实能够有效求解MaOPs。近二十年来,高维多目标进化算法(many-objective evolutionary algorithms, MaOEAs)研究已取得了长足发展。现对进化高维多目标优化(evolutionary many-objective optimization, EMaO)的研究进展进行全面的综述,具体包括:(1)描述了EMaO的相关理论背景;(2)分析了EMaO面临的挑战;(3)详细讨论了Ma OEAs的发展概况;(4)归纳了Ma OPs以及性能指标;(5)介绍了面对高维目标空间的可视化工具;(6)总结了Ma OEAs在一些领域的应用;(7)剖析了进化算法在解决MaOPs时所面临的问题和挑战,并给出未来研究方向的建议。

紫色马铃薯的组织培养和快速繁殖

紫色马铃薯（Solarium tuberoosum L．cv）是茄科1年生作物，原产南美洲，近年引进我国。该马铃薯品种块茎含高抗氧化剂，既可用其提取抗氧化剂，又是一种天然食品，它集药用、保健、食用为一体，丰富物种资源，填补了国内高含抗氧化剂马铃薯品种空白，发展前景广阔。

社会科学研究中的数学

数学化是社会科学研究的一种必然模式。数学在社会科学研究中的运用 ,不仅应视其为方法 ,而且还应视其为方法论。社会科学研究中对数学的具体运用 ,可以分为两个方面 :一是将数学作为描述所研究的系统的一种语言 ,二是将数学作为获取所研究系统的数据的一种工具。这种划分仅仅是使我们在研究中形成一种思路或一种观念。在具体运用数学时 ,一般不必这样区分。社会科学研究中是否运用数学 ,或能否运用数学 ,应看所研究问题是否有合适的数学加以运用 ,不应将运用数学作为社会科学研究手段是否先进的标准。

四季草莓——塞娃的丰产高效栽培

塞娃是大果型日照中性草莓新品种。该品种果大味美，四季结果，尤其是秋季（中秋节和国庆节前后）市场空缺期，由于昼夜温差大，可生产出口味香甜、品质甚佳的果实，较好地解决了草莓春季供市过分集中、夏秋无草莓可食的问题，实现了草莓的周年生产，是当前草莓生产中更新换代的理想品种。现将该品种的周年丰产高效栽培技术总结如下。

春节牡丹催花环境因子调控分析

牡丹春节催花过程是通过调节光照、温度、水分等因素,营造一个使其符合自然生长的环境的过程,花叶的质量与环境因子密切相关,其中以温度的调控最为重要,温度的高低既要与牡丹生长的规律一致,也应与外部环境相协调,在调控中应密切注意光照、湿度等因素的变化,做出相应的调整。

论高等学校的形象塑造

高等学校形象由办学理念、发展战略、品牌、行为、标识等五大要素构成。精心提炼的高等学校形象 ,具有较高的知名度和美誉度 ,因而对社会公众具有较强的吸引力和感染力。塑造高等学校形象要遵循求同、求异、求实、求美的原则 ,应借助媒介、社交、服务。

山东红富士苹果优质丰产栽培管理措施

现今我国苹果的栽培面积与产量在世界上都占有很大比重,在全国范围广泛种植,其中红富士苹果因其质量好,市场销量高而闻名全国。山东红富士苹果产品优质量多,果甜,同时富有营养价值,备受喜爱。优化红富士苹果栽培技术,能够促进苹果产量与品质的提高,进而增加果园经济效益与果实农业收入,会进一步推动中国整体社会经济发展。

如何提高果品质量的果树栽培管理措施

林果种植产业在农业产业中占有重要地位,对推动区域经济健康发展具有重要作用。果树栽培因其生态效益与经济效益双重功效而成为许多地区一种新型业态,对助力区域经济发展和乡村振兴起到了日益显著的促进作用。本地特殊的气候环境非常适合林果种植产业发展,本地凭借资源优势与气候因素不断强化农业产业结构,带领农民群众从传统农作物种植向林果种植产业过渡,农民经济效益进一步提升,助力乡村振兴战略。

一类面积不等式

一.从外森比克不等式的几何意义谈起设△ABC的三边长分别为a、b、c,面积为S,则有 a2+b2+c2≥431/2S （1）其中等号当且仅当a=b=c,即△ABC为正三角形时成立。 （1） 式称为外森比克不等式,如果以△ABC的三边向外分别作正方形（如图）,则（1）式有如下几何解释:以三角形的三边向外分别作正方形,则这三个正方形的面积之和不小于这个三角形面积的431/2倍。 （1）

遮光颜色对夏季北方茶园的影响

为探究夏季高温时节遮光颜色对北方茶产量品质及茶园微气候环境的影响,通过黑、红、银灰、绿、蓝、黄6种颜色遮阳网覆盖处理与露地CK相比较,分析茶园温湿度、茶树光合作用、茶叶产量品质等参数的变化差异。结果表明:与露地CK相比,黑色、银灰色、蓝色遮阳网下降温增湿效果最好,红网、蓝网、黄网覆盖对茶树光合作用的促进效果较为显著;同时,红网、银灰网、蓝网、黄网覆盖增产效果较佳(但覆盖时长需注意),且红网处理对叶面积的影响最为明显;另外,黑色、绿色、蓝色遮阳网覆盖有助于提高氨基酸含量,而银灰网、蓝网降低酚氨比的效果显著。虽然不同颜色遮阳网覆盖对茶叶产量品质、茶园微气候环境的调节效果存在较大差异,但总体来说,蓝、红、银灰网覆盖有利于茶树降温增湿、促进光合、增产提质等。

泰山茶品牌建设现状及发展对策

简述了“泰山茶”区域公共品牌发展现状,分析了泰山茶品牌发展的制约因素,提出了泰山茶品牌发展的对策。

决策空间定向搜索的高维多目标优化策略

传统的多目标进化算法(MOEA)对于低维连续的多目标优化问题已经具有良好的性能,但是随着优化问题目标维数的增加,优化难度也将剧增,主要原因是算法本身搜索能力不足,维数增加时选择压力变小,收敛性和分布性冲突难以平衡.利用连续多目标优化问题的特性,针对高维多目标优化的难点所在,提出了一种在决策空间的定向搜索策略(decision space,简称 DS),该策略可与基于支配关系的 MOEA 相结合.DS 首先对优化问题进行采样分析,对问题特性进行解析,得到收敛性子空间控制向量和分布性子空间控制向量.将算法搜索过程分为收敛性搜索阶段和分布性搜索阶段,分别对应收敛性子空间和分布性子空间,在不同阶段搜索时,利用采样分析结果,对生成子代个体的区域进行宏观的影响.将收敛性和分布性分阶段考虑,避免了收敛性和分布性难以平衡的难点,同时,具体在某一阶段内搜索资源相对集中,一定程度上增加了算法的搜索能力.实验结合了 DS 策略的 NSGA-II,SPEA2 算法与原NSGA-II,SPEA2 算法进行实验对比,并以 DS-NSGA-II 为例,与其他高维算法 MOEAD-PBI,NSGA-III,Hype,MSOPS,LMEA进行对比实验.实验结果表明,DS策略的引入,使得 NSGA-II,SPEA2算法在高维多目标优化问题上的性能有了显著提高,DS-NSGAII 与现有的经典高维多目标算法相比有较强的竞争力.

基于PCA与NARX的市政工程造价组合预测

针对工程造价影响因素多,预测困难且周期长等问题,通过将主成分分析和NARX(Non-linear Auto-Regressive with Exogenous inputs)神经网络相结合,提出一种新型基于混合算法的市政工程造价预测方法。利用主成分分析对影响市政工程造价的主要影响因素进行原始数据处理,消除其相关性,可有效降低数据冗余,也降低神经网络运算易出现局部极小点概率。以主成分分析数据作为输入,单位面积工程造价作为输出,采用贝叶斯正则化算法构建的NARX网络神经模型进行市政工程造价预测。算例结果表明,基于PCA与NARX进行市政工程造价快速、准确,证明预测有效可行。