一、寻找空间基本粒子（论文文献综述）
孙辉[1]（2021）在《基于PSO的智能电网经济调度问题研究》文中研究表明经济调度问题就是在满足系统稳定运行和保证电能质量的首要前提下,最大限度的提升运行的经济性,令系统消耗的总能源成本达到最小,就其本质而言是一种最优问题。鉴于对电网系统内部新添加的扰动因素的考量,原有的一些经典的求解处理算法已经无能为力。再者,伴随着民众对周边生活环境的逐渐重视,经济调度问题已由只以发电总成本为目标的单目标优化转变成为同时计及发电总成本和污染物排放量的多目标优化。本文由电力系统传统经济调度模型及经典求解算法出发,大致完成了以下几点工作:首先,分析了电力系统的传统经济调度模型以及经典的计算方法。构建了仅计及供需平衡及机组出力限制的仅以发电总成本最小为目标的传统经济调度模型。依照实际算例展示了Lambda迭代法的求解流程,讨论了机组阀点效应以及环境因素对已构建模型的影响。其次,考虑到群体算法在解决非凸优化时的优良效果,在细致的分析了粒子群（Particle Swarm Optimization,PSO）算法的起源、原理及各参数对算法性能影响的前提下,对其采取了多种有针对性的改进措施。采用IEEE-30节点标准测试系统,依次使用改进前后的算法进行求解,通过对比两种算法的仿真结果,验证了改进粒子群算法在解决计及机组阀点效应的经济调度问题中的杰出性。最后,研究了电力系统多目标环境经济调度问题。计及污染物排放对周边环境的影响,经济调度问题转变为包括成本和污染物排放量在内的多目标优化问题,故而构建了电力系统多目标环境经济调度数学模型。在多目标粒子群优化（Multi-Objective Particle Swarm Optimization,MOPSO）算法的基础上结合Pareto最优理论提出了改进型MOPSO算法,应用该算法对模型进行Matlab仿真实验,并将仿真结果与NSGA-II算法和MOPSO算法进行对比。仿真结果表明所提改进算法可以有效地收敛到该类多目标经济调度问题的Pareto最优前沿。
赵静[2]（2021）在《χcJ→γV（ρ,φ,ω）的辐射衰变研究》文中提出利用BESⅢ实验在2009年和2012年采集的447.9兆ψ（2S）数据,本论文研究了χcJ→γV（J-0,1,2,V-ρ,φ,ω）的辐射衰变过程,并测量了相应的衰变分支比为:B（χc1 → γρ）=（202.7±3.8±11.6）× 10-6,B（χc2 → γρ）=（16.5±2.1±1.3）× 10-6,B（χc0 → γφ）=（3.27±1.21±0.33）× 10-6,B（χc1 → γφ）=（24.3±2.21±1.12）× 10-6,B（χc2→γφ）=（3.0±1.12±0.55）× 10-6,B（χc0 → γω）=（9.35±1.96±0.94）× 10-6,B（χc1 → γω）-（69.87±3.17±3.77）× 10-6,B（χc2 → γω）=（3.10±1.24±3.32）× 10-6,在这些结果中,第一项误差是统计误差,第二项是系统误差。其中,χc2→γρ和χc0→γω是首次观测到,信号显着性分别是8.8σ和5.3σ。另外,利用观测到的较大的信号数,我们做了χc1→γV的螺旋度振幅分析。此外,我们计算了χc1→γV衰变中矢量介子的横向极化分量的分数 fT（χc1 → γρ）=0.052±0.009±0.004,fT（χc1 → γφ）=0.12±0.05±0.04,fT（χc1 → γω）=0.060±0.022±0.011。
栗振洋[3]（2021）在《高阶QCD对h→c（?）过程的影响》文中提出自希格斯玻色子被发现以来,对希格斯粒子与标准模型粒子相互作用的研究成为粒子物理研究领域的前沿热点之一,对希格斯粒子与底夸克相互作用的实验测量已经在大型强子对撞机（LHC）上完成,实验测量结果和标准模型的预言符合很好。CMS和ATLAS实验组对标准模型希格斯玻色子衰变为粲夸克对的过程进行了初步研究,测量误差较大。对h→c（?）过程进行高精度的研究,对精确检验标准模型以及寻找新物理信号具有重要的意义。本文中,我们研究了标准模型希格斯玻色子到粲夸克对的衰变过程:完成了次次领头阶QCD近似下h→c（?）过程的精确计算,其中包括希格斯玻色子与顶夸克和底夸克耦合的味道单态（三角图）贡献的精确结果,并对汤川耦合跑动质量的贡献进行了分析;我们的研究结果表明,希格斯玻色子与顶夸克和底夸克耦合的味道单态的贡献是NNLOQCD修正的重要组成部分,不可忽略。使用MS方案表示的跑动的Yukawa耦合粲夸克质量可以有效抵消含有mQ/mh的大对数项的贡献,使理论预言更加可靠。QCD的高阶修正减少了衰变宽度对重整化标度的依赖,本文的研究结果有助于在大型强子对撞机以及未来的e+e-对撞机上研究h → cc过程,以便精确检验标准模型、寻找超出标准模型新物理信号。
黄清煜[4]（2021）在《多人协作翻译中的术语管理 ——以《探索微世界》德译本为例》文中研究表明随着全球化的不断加深以及各行各业科技日新月异的发展,知识与技术转移无处不在。知识与技术不是实体,进行转移需要载体,而它们的载体便是译文。科技翻译与普通翻译的区别在于科技语言有着大量的术语,而在翻译过程中妥当地处理这些术语是一项相当复杂的任务。当代的翻译模式由于信息技术的进步产生了翻天覆地的变化,翻译任务不再是单一、分散地由一位译者完成,而是经常由翻译团队完成,即所谓的协作翻译。此外,翻译项目的规模更加庞大、时间更加紧张。这些变化对如今的译者提出了更高的要求,译员不仅需要会翻译,还需要掌握CAT工具以及项目管理的相关知识。协作翻译有许多优势,但也有许多个体翻译没有的问题,其中最严重的问题就是术语不一致。为了保证术语一致性,术语管理在翻译项目中已经成了必不可少的流程,只有在专业翻译实践中严格地管理术语,才能够有效避免术语混乱、翻译效率低下、重复工作繁多等问题。现有的术语管理研究都聚焦于大型英汉翻译项目,对小型多语种翻译项目的术语管理研究几乎是空白。本文的研究对象为小型汉-德翻译项目《探索微世界》中的术语管理。第二章描述了翻译任务、作品以及项目流程,第三章讨论了术语管理的理论基础。本文的重点聚焦于第四章,主要归纳总结了本次翻译项目的术语管理流程,总共分为五个步骤:搜集术语资料、提取术语、翻译术语、呈现术语以及质量保证,其中最为重要的两大步骤是翻译术语和质量保证。本次项目的术语翻译严格意义上来说不是翻译而是查证,因为几乎所有术语都已经定名,本文主要叙述几种检索译名的方法。在术语表定稿之后,笔者利用CAT工具MemoQ对译文实施质量保证,以保障译文术语的一致性与准确性。在最后一章,笔者对本次实践的术语管理进行反思,总结了其中遇到的问题,并根据问题提出了相应的改进方案,希望进一步优化术语管理流程。本文的目的在于为成本有限的小型协作翻译项目进行术语管理提供一些实际的易于操作的方法与建议。
韩礼红[5]（2021）在《影响力最大化智能优化算法及应用研究》文中研究说明5G时代的到来使得网上办公、网上会议、网络直播、网上课堂等应用在生活中已变为一种常态,彻底改变了人们传统的工作与生活方式,即人们的生产生活方式从传统意义上的线下行为转变为线上线下相互融合的行为方式。此外,基于人们的生产生活行为而抽象出的个体交汇关系网络模型,能够直观的刻画人们各种交互行为关系。在现实中,个体之间在交互过程中会对其近邻个体产生基于情感、认识等方面的影响,采用基于网络影响力传播机制来评估个体间的这种相互影响,能够揭示人们生产生活行为网络的动力学规律。对这种网络动力学加以有效的控制与利用,在提高生产效率,降低管理成本等方面具有重要的现实意义。影响力最大化问题是网络科学中的一个重要研究课题,其本质上包括两个方面的研究内容。首先,基于某种评价机制识别出一组影响力节点集;其次,基于某种优化策略,消除该组节点集中影响力的重叠效应,使其在网络中能够基于某种传播模型使得信息或影响力传播达到最大化。当前,不同领域的学者们从不同的角度提出了许多不同的方法来解决影响力最大化问题。随着网络规模的不断膨胀,使得这些算法在实际应用中面临着求解效率低、可扩展性弱等问题。近年来智能优化算法在社会网络影响力最大化节点集的识别应用中取得了较好的效果,但是,这类算法在离散化网络空间中基于不同的搜索策略与搜索机制存在着稳定性差、容易陷入局部最优解及求解效率有待进一步提高等问题。为此,本文研究了智能优化算法在影响力最大化问题中的求解与应用,并在两类现实网络中验证了其有效性。本文主要工作概括如下:（1）分析了离散粒子群算法（DPSO）因易陷入早熟而导致算法陷入全局次优解的缺陷,提出了采用节点近邻域中心性来增强算法局部搜索能力的策略。通过在现实社会网络数据集的实验发现,基于近邻域节点度中心性增强DPSO算法的局部搜索能力时存在饱和效应,即基于3跳近邻域节点度中心性对算法性能的提升最为显着,近邻域越广反而使算法性能下降。基于该发现,提出了基于3跳近邻域节点度中心性局部搜索策略的离散粒子群算法DPSO＿NDC,在六个现实网络中的实验表明,本文所提算法性能优于原始算法。（2）离散蝙蝠算法（DBA）虽然在求解社会网络影响力最大化问题时具有较高的效率优势,但该算法继承了基本蝙蝠算法中基于随机数的选择进化策略,使该算法在有限的迭代进化过程中存在收敛稳定性弱的特点。本文提出了基于网络派系结构来构建候选种子节点池的策略,来增强蝙蝠群在进化过程中对位置向量节点选择的多样性与针对性,从而提高算法在收敛过程中的稳定性。基于此提出了Clique＿DBA算法,通过在六个现实网络中进行实验,验证了该算法性能的有效性与收敛的稳定性。（3）采用单一智能优化算法在求解大规模网络结构的影响力最大化问题时,存在效率上的瓶颈。基于多核处理器技术,采用并行化智能优化算法来识别大规模网络中的影响力最大化节点集,是提高求解效率的一条有效途径。本文对乌鸦搜索算法针对网络结构进行重新编码、离散化设计后实现并行化搜索计算,提出了基于并行化搜索的离散乌鸦搜索算法（DCSA）。在六个大规模现实网络中的实验结果表明,该算法与其它先进算法相比,不但具有竞争性的求解性能,同时其求解效率得到了显着的提高,适合在大规模网络结构中并行化求解影响力最大化问题。（4）本文从两个不同的应用场景中分别抽象出网络模型,分别进行了网络特征分析及影响力最大化节点集的识别研究。（一）构建了Linux操作系统内核的动态行为网络模型,揭示了该软件网络的结构特征。根据实际应用场景提出相应的影响力评估模型,采用智能优化算法进行影响力最大化节点集的识别,并从软件波及度及与其它中心性算法识别结果的重合度角度分别评估了智能优化识别算法的有效性。（二）构建大学图书馆图书借阅行为网络模型,分析该行为网络模型的一些网络特征,解释这些特征的现实意义;基于实际应用背景提出该网络节点影响力评估模型,并采用智能优化算法对影响力节点集进行识别,分析了智能优化算法的有效性并在图书阅读推广服务中进行应用。本文研究结果表明,智能优化算法在大规模网络中求解影响力最大化问题时,具有较高的效率与性能;基于相应的评估模型采用智能优化算法在不同结构特征的现实网络中,验证了智能优化算法在现实网络中识别影响力最大化节点集的可行性与有效性。
王玮韬[6]（2021）在《ATLAS探测器上利用矢量玻色子协同产生过程对高横动量希格斯玻色子衰变至底夸克对过程的测量》文中研究说明ATLAS与CMS实验在2012年发现了希格斯玻色子。在标准模型预言中,衰变为正反底夸克对为希格斯玻色子的主要衰变模式,对应分支比为～58%。该衰变过程在2018年以5.4倍和5.6倍标准误差显着性在ATLAS和CMS实验中被发现。在此之后,ATLAS与CMS实验均开始了对此过程的精确测量工作。而测量高横动量区域的产生截面则是其中重要的一部分,可直接用于检验高能量标度下希格斯玻色子与矢量玻色子的耦合方式与标准模型预言的一致性。夸克在探测器中会经过强子簇射形成喷注,其能量和动量通过一定半径的喷注进行重建。在高横动量情况下,由希格斯玻色子衰变出的两个底夸克相对距离较小,当其距离小于喷注半径时,两夸克形成的喷注会相互重叠。之前的测量使用分立的小半径（R=0.4）量能器喷注以重建希格斯玻色子,其重建效率在高横动量区效率较低。因此为提高事例重建效率,单一大半径量能器喷注（R=1.0）替代了分立的小半径喷注被用于希格斯玻色子的重建。本文展示了基于ATLAS探测器对于高横动量条件下希格斯玻色子与W或Z玻色子协同产生,W与Z玻色子衰变至轻子（W→lv,Z→vv,Z→ll）且希格斯玻色子衰变至正反底夸克对（H→bb）过程的产生截面测量。本次测量基于ATLAS探测器在大型强子对撞机2015至2018年Run-2时期产生的亮度为139 fb-1,质心对撞能量为（?）=13TeV的质子-质子对撞数据。根据W与Z玻色子的不同衰变模式,所有事例被划分为三个独立通道:无轻子通道（Z→vv）,单轻子通道（W→lv）以及双轻子通道（Z→ll）,其中轻子为电子或缪子。希格斯玻色子的质量通过单独的大半径量能器喷注重建,而其衰变出的底夸克则由径迹喷注进行标定。综合三个通道,测量出的H→bb信号产额与标准模型预期结果的比值为0.72-0.28+0.29（统计）-0.22+0.26（系统）。相对于标准模型本底,从数据中观测到的H→bb信号显着性为2.1倍标准误差（期望显着性为2.7倍标准误差）。基于简化模型截面框架,对应于W与Z玻色子横动量在250-400 GeV与高于400 GeV区域的产生截面也被单独给出。另外为了验证实验方法的可信度,本次实验中使用相同方法对WZ与ZZ过程,Z玻色子衰变至正反底夸克对过程（Z→bb）的产生截面进行了测量,测得截面与标准模型预期结果的比值为0.91-0.15+0.15（统计）-0.17+0.25（系统）,对应观测得到的信号显着性为5.4倍标准误差（期望显着性为5.7倍标准误差）。本文首次使用大半径喷注重建H→bb衰变过程,给出了高横动量下的VH过程截面测量。此重建方法在Z→bb过程检验中表现良好。在未来ATLAS实验对高横动量H→bb衰变的研究中,此方法也将成为基准方法,并在超出标准模型的理论、或暗物质寻找等高能量标度下包含H→bb衰变的相关分析中使用。在整个分析中,本作者承担了双轻子通道的全部工作,并在其他两个通道的本底模型研究与统计分析中均有贡献。此外,本作者还担任了分析组和缪子性能研究组间的联络人,负责维护并更新分析框架中与缪子相关的部分。
于宏利[7]（2021）在《求解车间调度问题的混合粒子群算法研究》文中指出作业车间调度问题,一直是生产企业管理中的重点问题,直接影响企业的生产效率和企业竞争力。在车间调度问题中,问题复杂度往往非常高,常常会有众多的冲突与约束,与此同时,还有许多实际情况需要考虑,例如人工成本、设备损耗等。因此,对于车间调度问题的深入研究有利于更好的指导企业安排生产方式,提高企业的生产效率,提高企业的综合竞争实力。本文针对车间调度问题进行了较为深入的研究,主要研究内容如下:（1）本文对车间调度问题进行比较全面的系统研究与分析,确定了车间调度问题尤其是大规模车间调度问题的特点。描述了算法在解决车间调度问题时的性能评价指标。分析了最大完成时间、最大交货时间、加工时间及迟滞时间在内的评价体系。（2）优化了基本粒子群算法惯性系数,利用自适应非线性调整策略,使算法在搜索过程中能更加符合问题的非线性特点,提高了算法的收敛性;在算法迭代后期阶段,利用高斯变异算子来增加种群的多样性,同时改进种群的分布性,使算法的局部搜索能力与全局搜索能力得到有效的平衡。（3）针对柔性车间调度问题的高复杂性和动态性,提出了子种群协同进化与混洗策略来来提高算法的整体优化能力,该策略利用各子种群内部局部搜索和混洗交流信息来保证算法的搜索能力;在迭代规则方面,本文提出了汉明距离与解空间局部性原理来提高算法在解决柔性车间调度问题时的高效性;为了保证种群整体向适应度高的方向迭代,轮盘赌竞争选择机制被引入算法中,进一步保证算法的收敛性。
谷晓琳[8]（2020）在《基于改进遗传算法的柔性作业车间调度问题的应用研究》文中指出制造业的发展水平反映了国家的生产力水平,生产车间调度是制造系统的基础,生产调度的优化是先进制造企业和现代制造技术的核心,是实现企业的生产高效率和高可靠性的关键技术。有效的车间调度方法和优化技术,对于制造类企业实现现代化具有重要的理论和实际意义。文中对各类柔性作业车间问题（Flexible Job-shop Scheduling Problem,FJSP）进行研究和探索,结合遗传算法和粒子群优化算法,对其进行改进和融合。共设计了三个优化算法,并开发了一个柔性作业车间调度问题的原型系统,为实际生产车间的调度问题提供理论指导和技术支持。针对单目标柔性作业车间调度问题,提出改进的变邻域搜索的分层遗传算法,求解总完工时间。在算法中,染色体采用双层编码结构,采用混合方法生成初始种群;将初始种群划分为N个子种群,在每个子种群中进行改进的遗传操作,将得到的寻优结果存储在精英库中,防止最优解的丢失;在精英库中采用自适应变邻域搜索,共设计了三种不同的邻域结构,迭代过程中自适应的选择优化效果好的邻域进行下一次的搜索,促进了邻域间的竞争,使具有更优秀搜索效果的邻域方法拥有更高概率用于算法的优化。针对多目标柔性作业车间调度问题,提出改进的遗传退火算法,将总完工时间、关键机器负荷和机器总负荷三个目标采用加权和的方法,将多目标问题转换为单目标问题。算法中,交叉过程采用改进的多父代工序交叉方法,多父代生成多子代,实现了基因的重组,加快了算法的收敛速度;在交叉和变异过程中及时更新最优个体库;对变异后的最优个体库进行模拟退火操作,通过退火机制进行细化搜索,避免了遗传算法陷入局部最优。充分利用模拟退火算法与遗传算法的优点,增强了遗传算法的局部搜索能力,提高了算法的效率。针对多目标柔性作业车间调度问题,其求解总完工时间、关键机器负荷和机器总负荷三个目标的Pareto最优解,提出自适应惯性权重的离散粒子群算法。算法在进化过程中应用离散粒子群算法直接在离散域内求解下一代染色体的值,位置的更新用的是遗传算法中的交叉和变异操作;并提出了一种自适应惯性权重的方法,根据粒子当前位置与全局最优位置的距离来调整惯性权重,有效平衡了算法的全局搜索和局部搜索能力。开发针对柔性作业车间调度问题的原型系统,用于对提出的优化算法进行仿真和研究,并给出优化结果。原型系统中可以对实际的车间问题和五组国际标准算例（5个Kacem问题,10个BRdata问题,21个BCdata问题,18个DPdata问题和66个HUdata问题）进行仿真实验,对得到的仿真结果进行测试和分析,仿真结果验证了文中提出的三个优化算法是可行且有效的。最后,对全文的研究内容和创新点进行了归纳和总结,并对今后的研究方向进行了展望。
李丹[9]（2020）在《基于不确定偏好序的双边匹配模型与算法研究》文中指出双边匹配问题广泛存在于社会生活的各个领域,充分挖掘多形式评价背后的隐藏信息,进行有效表达并对匹配模型合理求解是双边匹配理论研究的核心问题。本文针对评价信息为不确定偏好序的情况,在匹配模型中引入后悔理论与公平性原则,设计自适应学习的双子群并行协作粒子群算法进行求解。考虑不确定偏好序双边匹配决策问题中,匹配个体往往缺乏理性判断,提取竞争度和犹豫度两个方面的有效信息作为匹配个体的真实偏好值。考虑匹配个体的心理因素,引入后悔理论计算每个匹配对的后悔值与欣喜值,同时兼顾匹配个体对所有潜在匹配对象的心理感知。考虑实际匹配过程中有时会出现一方个体对匹配方案难以接受的情况,依据公平性原则以及差异度大小赋予匹配对相应权重,降低差异度明显的匹配对的权重,从而使匹配方案相对公平。本文提出双子群协作的粒子群算法用于双边匹配模型求解,为避免过快陷入局部最优,将粒子群分为普通子群和精英子群。普通子群将最近两代的最大适应值作为动态系数指导粒子学习其他优秀位置和个体最差位置,通过引入更多学习源来避免陷入局部最优。精英子群在粒子速度与位置更新后,利用群体最优位置和群体最差位置动态调节群体次优位置进行局部搜索与学习,提高算法的求解精度。模拟实验结果表明,引入后悔理论提高了匹配方案的综合感知效用值,加入公平性原则使匹配双方的差异度显着降低;与基本粒子群算法相比,双子群协作粒子群算法能更大程度地跳出局部最优解,令匹配方案的综合感知效用值明显提高。
路鹏程[10]（2020）在《重Higgs粒子及Majorana中微子产生信号的寻找》文中研究表明粒子物理的标准模型在描述基本粒子相互作用方面取得了巨大成功,2012年7月,质量约为125 GeV的Higgs粒子的发现为标准模型补上了最后一块拼图。然而,标准模型并不是完美的,自然界中仍然存在一些该模型理论无法解释的问题,如中微子振荡现象表明中微子具有微小质量,这是标准模型不能解释的;天文观测结果表明宇宙中存在暗物质,但是在标准模型中没有此类暗物质的候选者等,这些实验观测结果以及模型本身的理论问题,如与引力理论的兼容性问题、等级问题等,为标准模型之外的新物理提供了明确证据。为了解释这些问题,大量的文献已经提出并且研究了标准模型的各种扩展,这其中预言了一些新粒子的存在。寻找并研究与此相关的新物理是本文的主要工作。在大型强子对撞机（LHC）上发现标准模型Higgs粒子之后,进一步研究该Higgs粒子的性质以及寻找其他新Higgs粒子存在信号成为LHC的重要课题。双Higgs二重态模型作为标准模型的最小扩充,预言了重Higgs粒子的存在,这些重Higgs粒子具有不同的CP性质,带来了更加丰富的Higgs物理唯象学。本文的主要内容之一是在Type-Ⅱ双希格斯二重态模型的理论框架下,研究重Higgs粒子的产生信号,在这方面,我们完成的主要研究工作如下:·Top夸克是标准模型中最重的基本粒子,其衰变宽度约为1.5 GeV,寿命约为5×10-25 s。由于衰变宽度远大于QCD强子化标度,使它在形成强子态之前衰变。Top的自旋是轴矢量,在宇称变换下保持不变,用此来研究宇称破坏的相互作用是非常有利的。在标准模型中,top的主要衰变过程t→bW.→blv是矢量-轴矢量（V-A）的相互作用形式,在这个衰变过程中,top夸克的自旋性质传递给其衰变产物,其中带电轻子是分析top夸克自旋性质的最佳选择。我们通过对这些衰变产物角分布的分析研究Higgs与tt伴随产生,系统地研究了LHC上top夸克的半轻子衰变过程pp→ttφk→bl+vbl-vφk,其中包括夸克湮灭和胶子融合两个子过程,以及对应的背景过程。通过定义合适的top夸克自旋关联算符研究了标量Higgs粒子、赝标量Higgs粒子、标量赝标量混合Higgs粒子的性质。得到了这些自旋关联量依赖于Higgs粒子质量以及初态部分子的部分子分布函数（PDF）。此外,预言了这些自旋关联量的微分分布对Higgs粒子的CP性质和ttΦk的耦合强度非常敏感,可以用这些分布区分不同Higgs粒子,进而区分不同新物理模型。·在探测器上,Higgs粒子信号通常是通过重建它的衰变产物来寻找的,研究Higgs粒子的不同衰变产物就变得尤为重要,LHC上与Higgs粒子衰变相关的理论计算以及事例模拟都取得了很大的进展。2018年9月,LHC通过Higgs与W,Z玻色子伴随产生过程直接探测到了h→bb衰变道。相比于h→bb衰变道,h→τ+τ-衰变道的衰变分支比较小,但是考虑到带电轻子末态信号过程对应的背景较为干净,这在挑选粒子做重建方面表现出明显的优势。我们在2HDM的理论框架下,利用h→bb和h→τ+τ-两个衰变道重建Higgs粒子,系统研究了 LHC上Higgs与bb伴随产生。尝试应用不同组合的判选条件方案压低来自标准模型的背景过程,并从中选取了效率最高的一组研究。此外,对LHC上bbH（bbA）和ttH（ttA）的快度分布进行了详细研究,预言了CP破坏相互作用项依赖于重Higgs的CP性质,并且正比于夸克和重Higgs粒子的质量比,可以用此区分Higgs-top耦合的CP性质。对Higgs质量和tan β的二维参数平面进行信号强度扫描,得到了在当前实验下新物理信号可能存在的参数空间。这些研究结果表明,bbbb和bbτ+τ-对于在大型强子对撞机乃至未来强子对撞机上寻找重Higgs粒子的研究中发挥着重要的作用,成为寻找新共振态产生的重要工具。中微子具有微小质量是超出标准模型新物理存在的直接证据。跷跷板模型可以比较自然地解释中微子的质量起源,其中第（Ⅰ）类跷跷板模型预言了Majorana中微子的存在,该粒子存在的信号可以通过B介子稀有衰变过程来研究。本文对此进行了系统分析。首先,我们研究了 B介子稀有衰变过程B+→K（*）+μ+μ-,考虑第（Ⅰ）类跷跷板模型中Majorna中微子的贡献后,该过程衰变分支比的预言结果与LHCb实验最新的测量数据在误差范围内一致。其次,研究了轻子数破坏过程B+→K（*）-μ+μ+,通过LHCb实验对该过程衰变分支比的上限给出了混合矩阵元|VμN|2和中微子质量mN的参数限制。得到的同号轻子对产生的B+→K（*）-μ+μ+过程衰变分支比结果与2012（2014）年LHCb（BABAR）实验测量结果基本一致。最后,研究了B+→K（*）-μ+μ+这一轻子数破坏过程中末态双轻子不变质量谱分布和角分布。这些研究结果对未来LHCb上的B介子实验具有重要参考价值。
二、寻找空间基本粒子（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、寻找空间基本粒子（论文提纲范文）
（1）基于PSO的智能电网经济调度问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.3 课题研究目的及意义 |
| 1.4 本文的主要研究内容 |
| 第2章 电力系统经济调度模型及其经典求解算法 |
| 2.1 传统经济调度的一般模型 |
| 2.2 经济调度问题的经典算法 |
| 2.2.1 等微增率准则 |
| 2.2.2 Lambda迭代法 |
| 2.2.3 算例分析 |
| 2.2.4 经典算法的局限性 |
| 2.3 阀点效应和环境因素的影响 |
| 2.3.1 阀点效应 |
| 2.3.2 环境因素 |
| 2.4 本章小结 |
| 第3章 基于改进粒子群优化算法的经济调度问题 |
| 3.1 基本粒子群优化算法 |
| 3.1.1 基本粒子群算法的起源 |
| 3.1.2 基本粒子群算法原理 |
| 3.1.3 基本粒子群算法的迭代过程 |
| 3.1.4 算法的局限性 |
| 3.2 改进粒子群优化算法 |
| 3.2.1 线性惯性权重和异步学习因子 |
| 3.2.2 基于信息分享策略的速度更新 |
| 3.2.3 精英学习策略 |
| 3.2.4 改进粒子群算法的优化流程 |
| 3.3 基准测试函数与仿真 |
| 3.3.1 测试函数 |
| 3.3.2 仿真结果 |
| 3.4 考虑阀点效应的经济调度模型 |
| 3.4.1 目标函数 |
| 3.4.2 约束条件 |
| 3.5 算例分析 |
| 3.5.1 确定目标模型 |
| 3.5.2 系统仿真与结果分析 |
| 3.6 本章小结 |
| 第4章 基于MOPSO的电力系统经济调度问题研究 |
| 4.1 多目标优化理论及算法分析 |
| 4.1.1 多目标优化介绍 |
| 4.1.2 MOPSO算法简介 |
| 4.2 用于多目标优化的改进MOPSO算法 |
| 4.2.1 个体极值的确定 |
| 4.2.2 全局最优位置的确定 |
| 4.2.3 拥挤距离的计算 |
| 4.2.4 动态惯性权重 |
| 4.2.5 小概率变异机制 |
| 4.2.6 改进MOPSO算法的优化流程 |
| 4.3 电力系统多目标环境经济调度模型 |
| 4.3.1 目标函数 |
| 4.3.2 约束条件 |
| 4.4 算例分析 |
| 4.4.1 基于四台发电机组的案例分析 |
| 4.4.2 基于六台发电机组的案例分析 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（2）χcJ→γV（ρ,φ,ω）的辐射衰变研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 简介 |
| 1.1 物质的微观结构 |
| 1.2 标准模型 |
| 1.2.1 基本粒子的构成 |
| 1.2.2 粒子间的相互作用 |
| 1.2.3 希格斯玻色子 |
| 1.3 强子谱 |
| 1.3.1 夸克模型 |
| 1.3.2 夸克的属性 |
| 1.4 粲偶素和类粲偶素 |
| 1.4.1 粲偶素能谱 |
| 1.4.2 粲偶素跃迁 |
| 1.4.3 类粲偶素 |
| 1.5 BESⅢ实验 |
| 1.6 论文的选题和结构 |
| 2 北京正负电子对撞机和北京谱仪 |
| 2.1 北京正负电子对撞机BEPCII |
| 2.2 北京谱仪 |
| 2.2.1 束流管 |
| 2.2.2 主漂移室 |
| 2.2.3 飞行时间计数器 |
| 2.2.4 电磁量能器 |
| 2.2.5 μ子鉴别器 |
| 2.2.6 超导磁体 |
| 2.2.7 触发判选系统 |
| 2.2.8 电子学系统 |
| 2.2.9 在线数据获取系统 |
| 2.3 北京谱仪的物理目标 |
| 2.4 BESⅢ离线软件系统 |
| 2.4.1 离线数据处理计算环境 |
| 2.4.2 BESⅢ离线数据框架 |
| 2.4.3 BESⅢ探测器模拟系统 |
| 2.4.4 BESⅢ离线重建系统 |
| 2.4.5 BESⅢ刻度系统 |
| 2.4.6 BESⅢ物理分析工具软件 |
| 3 χ_(cJ)→γρ的分支比测量 |
| 3.1 背景 |
| 3.2 数据样本和蒙特卡洛模拟 |
| 3.3 常规的事例筛选条件 |
| 3.4 χ_(cJ)→γρ的研究 |
| 3.4.1 事例筛选条件 |
| 3.4.2 本底分析 |
| 3.4.3 不变质量谱的拟合 |
| 3.5 系统误差估计 |
| 4 χ_(cJ)→γφ的分支比测量 |
| 4.1 事例筛选条件 |
| 4.2 本底分析 |
| 4.3 不变质量谱的拟合 |
| 4.4 系统误差估计 |
| 5 χ_(cJ)→γω的分支比测量 |
| 5.1 事例筛选条件 |
| 5.2 本底分析 |
| 5.3 不变质量谱的拟合 |
| 5.4 系统误差估计 |
| 6 螺旋度振幅分析 |
| 6.1 ψ(2S)→γ_1χ_(c1),χ_(c1)→γ_2ρ,ρ→π~+π~-螺旋度振幅分析 |
| 6.1.1 检查产生子 |
| 6.1.2 输入输出检查 |
| 6.1.3 拟合数据 |
| 6.2 ψ(2S)→γ_1χ_(c1),χ_(c1)→γ2φ,φ→K~+K~-螺旋度振幅分析 |
| 6.2.1 检查产生子 |
| 6.2.2 输入输出检查 |
| 6.2.3 拟合数据 |
| 6.3 ψ(2S)→γ_1χ_(c1),χ_(c1)→γ2ω,ω→π~+π~-π~0螺旋度振幅分析 |
| 6.3.1 检查产生子 |
| 6.3.2 输入输出检查 |
| 6.3.3 拟合数据 |
| 7 总结和展望 |
| 参考文献 |
| 致谢 |
（3）高阶QCD对h→c（?）过程的影响（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 第二章 标准模型及相关研究背景简介 |
| 2.1 标准模型 |
| 2.1.1 量子电动力学 |
| 2.1.2 量子色动力学 |
| 2.1.3 希格斯机制 |
| 2.2 Higgs物理的实验研究 |
| 2.3 Jet判据 |
| 2.4 本章小结 |
| 第三章 高阶QCD对h→c(?)过程的影响 |
| 3.1 高阶QCD对h→c(?)过程的修正 |
| 3.2 数值结果与讨论 |
| 3.2.1 方案Ⅰ |
| 3.2.2 方案Ⅱ |
| 3.3 本章小结 |
| 第四章 总结与展望 |
| 参考文献 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（4）多人协作翻译中的术语管理 ——以《探索微世界》德译本为例（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 Einleitung |
| 2 Das (?)bersetzungsprojekt |
| (?)ber den Auftrag |
| (?)ber das Werk |
| (?)ber den Ablauf |
| 3 Theoretische Grundlagen |
| 3.1 Definitionen |
| 3.2 Ziele |
| 3.3 Terminologieverwaltungssysteme |
| 3.4 Prozessschritte beim Terminologiemanagement |
| 4 Praxis des Terminologiemanagements |
| 4.1 Sammlung der terminologischen Daten |
| 4.1.1 Wissenschaftsportale |
| 4.1.2 Einsprachige Lexika |
| 4.1.3 Zweisprachige Lexika |
| 4.2 Gewinnung der Terminologie |
| 4.3 (?)bersetzung der Terminologie |
| 4.3.1 Zur Eindeutigkeit |
| 4.3.2 Vorgehensweisen |
| 4.4 Darstellung der Terminologie |
| 4.5 Qualit(?)tssicherung |
| 5 Schlussbetrachtung |
| 6 Literaturverzeichnis |
| 7 Anh(?)nge |
| 7.1 Ausgangs- und Zieltext |
| 7.2 Terminologieglossar |
（5）影响力最大化智能优化算法及应用研究（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的背景 |
| 1.2 研究的意义 |
| 1.3 研究现状 |
| 1.3.1 影响力节点识别 |
| 1.3.2 影响力最大化问题 |
| 1.3.3 问题的延伸 |
| 1.3.4 应用研究概况 |
| 1.4 本文主要工作 |
| 1.5 本文组织结构 |
| 第二章 网络科学相关理论基础 |
| 2.1 图论与网络研究 |
| 2.2 网络的基本概念 |
| 2.2.1 度及度分布 |
| 2.2.2 中心性 |
| 2.2.3 网络直径与平均距离 |
| 2.2.4 聚集系数与网络密度 |
| 2.2.5 网络模型 |
| 2.3 影响力节点识别相关理论 |
| 2.3.1 相关问题定义 |
| 2.3.2 传播模型 |
| 2.4 智能优化算法简介 |
| 第三章 基于近邻域中心性增强离散粒子群算法局部搜索能力研究 |
| 3.1 主要问题 |
| 3.2 相关研究工作 |
| 3.2.1 基本粒子群算法 |
| 3.2.2 离散粒子群算法 |
| 3.3 改进算法DPSO_NDC |
| 3.3.1 节点近邻域中心性 |
| 3.3.2 基于近邻域度中心性局部搜索策略 |
| 3.3.3 DPSO_NDC算法框架 |
| 3.4 DPSO_NDC算法性能评估 |
| 3.4.1 实验网络与基准识别算法 |
| 3.4.2 LIE期望值评估 |
| 3.4.3 传播能力模拟评估 |
| 3.4.4 非参数检验分析 |
| 3.4.5 时间复杂性分析 |
| 3.5 本章小结 |
| 第四章 基于Clique结构增强离散蝙蝠算法的稳定性研究 |
| 4.1 主要问题 |
| 4.2 相关研究工作 |
| 4.2.1 基本蝙蝠算法 |
| 4.2.2 离散蝙蝠算法DBA |
| 4.3 基于Clique结构的离散蝙蝠算法 |
| 4.3.1 研究动机 |
| 4.3.2 Clique_DBA算法基本流程 |
| 4.3.3 Clique结构划分 |
| 4.3.4 候选种子节点池构建 |
| 4.3.5 Clique_DBA算法框架 |
| 4.4 算法性能评估 |
| 4.4.1 实验数据集及基准算法 |
| 4.4.2 LIE期望值评估 |
| 4.4.3 传播范围模拟值评估 |
| 4.4.4 时间复杂性评估 |
| 4.5 本章小结 |
| 第五章 并发式离散乌鸦算法在IM问题求解中的搜索机制研究 |
| 5.1 主要问题 |
| 5.2 相关研究 |
| 5.2.1 多核处理器与并行计算 |
| 5.2.2 基本乌鸦搜索算法 |
| 5.3 离散乌鸦搜索算法 |
| 5.3.1 乌鸦群体离散化编码 |
| 5.3.2 乌鸦群搜索规则 |
| 5.3.3 离散乌鸦搜索算法框架 |
| 5.3.4 离散乌鸦搜索算法的实现 |
| 5.3.5 算法复杂性分析 |
| 5.4 实验与分析 |
| 5.4.1 实验网络特征 |
| 5.4.2 基准对比算法选择 |
| 5.4.3 DCSA算法参数设置 |
| 5.4.4 影响力评估与对比 |
| 5.4.5 算法处理时间对比分析 |
| 5.4.6 假设检验性能评估 |
| 5.5 本章小结 |
| 第六章 RTBN软件网络特征及影响力最大化节点集识别 |
| 6.1 相关研究工作 |
| 6.2 软件网络构建 |
| 6.2.1 实验过程及硬件条件 |
| 6.2.2 RTBN网络的构建 |
| 6.3 网络特征分析 |
| 6.3.1 多态性网络特征 |
| 6.3.2 一致性网络特征 |
| 6.4 RTBN网络影响力节点识别 |
| 6.4.1 函数节点影响力评估 |
| 6.4.2 影响力最大化节点集识别 |
| 6.4.3 影响力最大化节点集分析 |
| 6.5 本章小结 |
| 第七章 图书阅读行为网络特征及影响力最大化节点集识别 |
| 7.1 相关研究工作 |
| 7.2 阅读行为网络构建 |
| 7.2.1 阅读行为数据收集 |
| 7.2.2 二分网络构建 |
| 7.2.3 读者阅读行为网络 |
| 7.3 阅读行为网络特征 |
| 7.3.1 一模投影网络规模 |
| 7.3.2 平均度及度分布特征 |
| 7.3.3 其它网络特征 |
| 7.4 读者节点影响力分析 |
| 7.4.1 读者节点影响力评估 |
| 7.4.2 RRRN影响力节点集识别与应用 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究总结 |
| 8.2 工作展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（6）ATLAS探测器上利用矢量玻色子协同产生过程对高横动量希格斯玻色子衰变至底夸克对过程的测量（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 物理背景简介 |
| 第2章 理论基础与实验装置 |
| 2.1 粒子物理的标准模型 |
| 2.2 对称破缺与希格斯机制 |
| 2.3 希格斯玻色子 |
| 2.4 高横动量下的VH过程 |
| 2.5 强子对撞过程的模拟 |
| 2.6 大型强子对撞机 |
| 2.7 ATLAS探测器 |
| 2.7.1 内部径迹探测器 |
| 2.7.2 量能器 |
| 2.7.3 缪子谱仪系统 |
| 2.7.4 触发与数据采集系统 |
| 2.7.5 亮度测量系统 |
| 2.8 探测器模拟 |
| 2.9 数据与模拟样本 |
| 第3章 物理对象重建 |
| 3.1 径迹与主要顶点 |
| 3.2 电子与光子 |
| 3.3 缪子 |
| 3.4 喷注 |
| 3.4.1 量能器喷注 |
| 3.4.2 径迹喷注 |
| 3.4.3 喷注刻度 |
| 3.4.4 large-R喷注刻度与JES,JMS,JMR |
| 3.5 b标定 |
| 3.6 丢失横能量 |
| 第4章 物理对象确定和事例筛选 |
| 4.1 触发选择 |
| 4.2 物理对象确定 |
| 4.2.1 轻子 |
| 4.2.2 强衰变τ |
| 4.2.3 large-R喷注 |
| 4.2.4 径迹喷注 |
| 4.2.5 small-R喷注 |
| 4.2.6 丢失横能量 |
| 4.2.7 重叠移除 |
| 4.3 事例筛选 |
| 4.3.1 希格斯玻色子的重建和筛选 |
| 4.3.2 无轻子通道筛选 |
| 4.3.3 单轻子通道筛选 |
| 4.3.4 双轻子通道筛选 |
| 4.4 事例分类 |
| 4.5 large-R喷注质量修正 |
| 4.5.1 包含缪子的喷注修正 |
| 4.5.2 运动学拟合 |
| 4.5.3 喷注质量修正结果 |
| 第5章 信号与本底模型模拟与计算 |
| 5.1 信号过程模型 |
| 5.1.1 总截面计算 |
| 5.1.2 Next-to-leading order电弱修正 |
| 5.1.3 不确定性来源 |
| 5.2 本底模型 |
| 5.2.1 顶夸克对过程 |
| 5.2.2 单顶夸克过程 |
| 5.2.3 矢量玻色子与喷注协同产生过程 |
| 5.2.4 双玻色子过程 |
| 5.2.5 QCD多喷注本底 |
| 第6章 系统不确定性 |
| 6.1 实验系统不确定性 |
| 6.2 模型系统不确定性 |
| 第7章 统计分析 |
| 7.1 似然函数定义 |
| 7.2 拟合的输入参量 |
| 7.3 扰动参数的处理 |
| 7.3.1 单方向系统不确定性的对称化 |
| 7.3.2 系统不确定性的平滑处理 |
| 7.3.3 不确定性的修剪 |
| 7.4 VH与VZ信号强度的同步拟合 |
| 7.4.1 扰动参数的拉动和约束 |
| 7.4.2 相关性矩阵 |
| 7.4.3 拟合后m_J分布 |
| 7.4.4 拟合后各通道事例产额 |
| 7.4.5 拟合后各通道事例产额变化 |
| 7.4.6 其他拟合后分布 |
| 第8章 结果 |
| 8.1 VH信号过程结果 |
| 8.1.1 拟合中扰动参数对于VH信号的影响 |
| 8.1.2 不确定性列表 |
| 8.1.3 兼容性测试 |
| 8.2 VZ过程结果 |
| 8.2.1 扰动参数对VZ信号强度的影响 |
| 8.2.2 VZ信号强度不确定性列表 |
| 8.2.3 兼容性测试 |
| 8.3 简化模板截面测量 |
| 8.3.1 信号分类和几何接受度 |
| 8.3.2 STXS测量结果 |
| 第9章 结论 |
| Bibliography |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（7）求解车间调度问题的混合粒子群算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究目的与意义 |
| 1.2 车间调度问题研究现状 |
| 1.2.1 国内外研究现状 |
| 1.2.2 研究现状总结及问题分析 |
| 1.2.3 本文主要工作与创新点 |
| 1.3 文章组织结构 |
| 第二章 相关基础理论 |
| 2.1 调度问题及其描述 |
| 2.1.1 调度理论基本概念 |
| 2.1.2 车间调度问题分类 |
| 2.1.3 车间调度问题的评价指标 |
| 2.2 计算复杂性 |
| 2.2.1 复杂性理论基本概念 |
| 2.2.2 P,NP和 NP-C问题 |
| 2.3 最优化理论 |
| 2.3.1 最优化理论基本概念 |
| 2.3.2 最优化算法分类 |
| 2.3.3 函数优化问题和组合优化问题 |
| 2.4 群体智能优化算法 |
| 2.4.1 算法的思想起源 |
| 2.4.2 常见的群智能优化算法 |
| 2.5 粒子群算法概述 |
| 第三章 混合非线性系数与高斯变异策略的PSO算法求解JSSP |
| 3.1 引言 |
| 3.2 JSSP问题概述 |
| 3.3 NGPSO算法 |
| 3.3.1 非线性惯性系数改进算法局部搜索能力(PSO-NIW) |
| 3.3.2 高斯变异操作改进PSO算法的全局搜索能力(PSO-GM) |
| 3.4 混合NGPSO算法主要流程 |
| 3.5 NGPSO算法在JSSP问题中的具体实现过程 |
| 3.6 数值实验结果分析 |
| 3.7 本章小结 |
| 第四章 基于子种群协同进化与竞争选择机制的PSO对FJSSP的求解 |
| 4.1 引言 |
| 4.2 FJSSP问题的描述极其形式化表达 |
| 4.3 PCPSO算法 |
| 4.3.1 基于汉明(Hamming)距离的度量准则 |
| 4.3.2 组合优化问解空间中的局部性原理 |
| 4.3.3 子种群协同进化与混洗搜索策略 |
| 4.3.4 竞争选择策略 |
| 4.3.5 PCPSO主要流程 |
| 4.4 PCPSO 在FJJSP中的具体实现过程 |
| 4.4.1 PCPSO算法初始阶段 |
| 4.4.2 子种群局部搜索阶段 |
| 4.4.3 全局搜索与轮盘赌竞争选择阶段 |
| 4.5 数值实验与结果分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（8）基于改进遗传算法的柔性作业车间调度问题的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题的选题背景及意义 |
| 1.2 调度问题综述 |
| 1.2.1 生产调度问题 |
| 1.2.2 调度问题的分类和特点 |
| 1.2.3 调度问题的研究方法 |
| 1.3 柔性作业车间调度问题 |
| 1.3.1 柔性作业车间调度问题模型 |
| 1.3.2 柔性作业车间调度问题评价指标 |
| 1.3.3 柔性作业车间调度问题研究现状 |
| 1.3.4 柔性作业车间调度问题现有研究中存在的问题 |
| 1.4 遗传算法 |
| 1.4.1 遗传算法的基本思想 |
| 1.4.2 遗传算法的特点 |
| 1.4.3 遗传算法的相关参数 |
| 1.4.4 遗传算法的基本步骤 |
| 1.4.5 遗传算法的改进 |
| 1.5 粒子群算法 |
| 1.5.1 基本粒子群算法 |
| 1.5.2 粒子群算法的改进 |
| 1.5.3 粒子群算法的应用 |
| 1.5.4 粒子群算法的研究现状 |
| 1.6 遗传算法与粒子群算法之间的比较 |
| 1.7 本文的研究内容及论文结构 |
| 本章小结 |
| 第二章 改进的变邻域搜索的分层遗传算法 |
| 2.1 变邻域搜索 |
| 2.2 改进变邻域搜索的分层遗传算法 |
| 2.2.1 FJSP编码和解码 |
| 2.2.2 种群初始化 |
| 2.2.3 改进的遗传操作 |
| 2.2.4 自适应变邻域搜索的设计 |
| 2.3 自适应变邻域搜索的分层遗传算法的流程 |
| 2.4 仿真算例分析 |
| 本章小结 |
| 第三章 改进的遗传退火算法 |
| 3.1 多目标优化问题 |
| 3.2 模拟退火算法 |
| 3.2.1 模拟退火的原理 |
| 3.2.2 模拟退火算法 |
| 3.3 IGA算法描述 |
| 3.3.1 编码和解码 |
| 3.3.2 初始化种群 |
| 3.3.3 交叉操作 |
| 3.3.4 变异操作 |
| 3.4 算法流程 |
| 3.5 仿真与分析 |
| 3.5.1 实际车间数据仿真 |
| 3.5.2 Kacem算例 |
| 3.5.3 BRdata算例 |
| 本章小结 |
| 第四章 改进的离散粒子群-遗传算法 |
| 4.1 多目标优化问题 |
| 4.2 FJSP问题的描述及调度目标 |
| 4.3 粒子群算法 |
| 4.3.1 基本粒子群算法 |
| 4.3.2 离散粒子群算法 |
| 4.4 自适应惯性权重的离散粒子群算法 |
| 4.4.1 编码和解码 |
| 4.4.2 初始化种群 |
| 4.4.3 PSO位置更新方法 |
| 4.4.4 自适应惯性权重的计算 |
| 4.4.5 Pareto最优非支配前沿的求解 |
| 4.5 DPSO-AIW算法步骤 |
| 4.6 算法复杂度分析 |
| 4.7 实验结果 |
| 4.8 参数敏感度分析 |
| 本章小结 |
| 第五章 柔性作业车间调度问题原型系统 |
| 5.1 系统总体设计 |
| 5.1.1 原型系统的开发环境 |
| 5.1.2 系统体系结构 |
| 5.2 案例分析 |
| 5.2.1 实际车间案例 |
| 5.2.2 国际标准算例 |
| 5.3 算法优化的实现过程 |
| 本章小结 |
| 结论 |
| 展望 |
| 创新点 |
| 参考文献 |
| 附录 部分仿真结果 |
| 攻读博士学位期间发表论文情况 |
| 攻读博士学位期间参与的科研课题 |
| 致谢 |
（9）基于不确定偏好序的双边匹配模型与算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 双边匹配问题的研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容和创新点 |
| 1.4 论文结构 |
| 第二章 双边匹配问题概述 |
| 2.1 双边匹配问题的形式化描述 |
| 2.2 不确定偏好序 |
| 2.3 后悔理论 |
| 2.3.1 后悔理论基本思想 |
| 2.3.2 后悔理论相关模型 |
| 2.4 粒子群算法理论基础 |
| 2.4.1 粒子群算法简介 |
| 2.4.2 原始粒子群算法基本原理 |
| 2.4.3 原始粒子群算法基本流程 |
| 2.4.4 粒子群算法的改进现状 |
| 2.4.5 标准粒子群算法基本原理 |
| 2.4.6 标准粒子群算法基本流程 |
| 2.5 本章小结 |
| 第三章 基于不确定偏好序的双边匹配决策 |
| 3.1 问题描述 |
| 3.2 基于Borda计数法思想的综合得分 |
| 3.3 后悔理论下匹配双方的心理感知 |
| 3.3.1 后悔值 |
| 3.3.2 欣喜值 |
| 3.3.3 感知效用值 |
| 3.4 依据公平性原则赋予权重 |
| 3.5 匹配模型 |
| 3.6 求解整体流程 |
| 3.7 仿真实验过程及结果分析 |
| 3.7.1 实验过程及结果 |
| 3.7.2 对比结果分析 |
| 3.8 本章小结 |
| 第四章 双子群协作粒子群算法求解双边匹配问题 |
| 4.1 基本粒子群算法 |
| 4.2 自适应学习的双子群并行协作粒子群算法 |
| 4.2.1 普通子群的更新策略 |
| 4.2.2 精英子群的更新策略 |
| 4.2.3 并行协作 |
| 4.2.4 算法流程 |
| 4.3 仿真实验过程及结果分析 |
| 4.3.1 横向对比 |
| 4.3.2 纵向对比 |
| 4.3.3 大规模数据实验对比 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（10）重Higgs粒子及Majorana中微子产生信号的寻找（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 引言 |
| 第二章 标准模型及其扩展 |
| 2.1 标准模型 |
| 2.2 双希格斯二重态模型 |
| 2.3 跷跷板模型 |
| 第三章 大型强子对撞机上的相关实验简介 |
| 3.1 LHC上标准模型精确检验的研究现状 |
| 3.2 LHC上新物理寻找的研究现状 |
| 第四章 LHC上Higgs粒子性质与相关新物理的研究 |
| 4.1 Top夸克对与Higgs伴随产生过程的研究 |
| 4.1.1 Top夸克对的自旋关联 |
| 4.1.2 LHC上t(?)φ_k产生过程的唯象学研究 |
| 4.1.3 小结 |
| 4.2 Bottom夸克对与Higgs伴随产生过程的研究 |
| 4.2.1 Higgs粒子的衰变宽度及b(?)φ_k伴随产生 |
| 4.2.2 对撞机分析 |
| 4.2.3 小结 |
| 第五章 B~+→K~((*)±)稀有半轻子衰变 |
| 5.1 标准模型中B~+→K~((*)+)μ~+μ~-过程的研究 |
| 5.1.1 有效哈密顿量 |
| 5.1.2 光锥求和规则下的形状因子 |
| 5.1.3 衰变分布 |
| 5.2 Majorana中微子对B→K~((*))稀有半轻子衰变贡献的研究 |
| 5.2.1 Majorana中微子对B~+→/K~((*)±)μ~+μ~(?)的贡献 |
| 5.2.2 数值分析及相关参数限制 |
| 5.2.3 小结 |
| 第六章 总结与展望 |
| 附录A f(?)φ_k伴随产生过程中的颜色因子化及三体末态相空间 |
| 附录B 窄宽度近似 |
| 参考文献 |
| 致谢 |
| 发表论文 |
| 学位论文评阅及答辩情况表 |
四、寻找空间基本粒子（论文参考文献）
- [1]基于PSO的智能电网经济调度问题研究[D]. 孙辉. 东北电力大学, 2021(09)
- [2]χcJ→γV（ρ,φ,ω）的辐射衰变研究[D]. 赵静. 辽宁师范大学, 2021(08)
- [3]高阶QCD对h→c（?）过程的影响[D]. 栗振洋. 山东大学, 2021(11)
- [4]多人协作翻译中的术语管理 ——以《探索微世界》德译本为例[D]. 黄清煜. 北京外国语大学, 2021(10)
- [5]影响力最大化智能优化算法及应用研究[D]. 韩礼红. 兰州大学, 2021(09)
- [6]ATLAS探测器上利用矢量玻色子协同产生过程对高横动量希格斯玻色子衰变至底夸克对过程的测量[D]. 王玮韬. 中国科学技术大学, 2021(06)
- [7]求解车间调度问题的混合粒子群算法研究[D]. 于宏利. 北方民族大学, 2021(08)
- [8]基于改进遗传算法的柔性作业车间调度问题的应用研究[D]. 谷晓琳. 大连交通大学, 2020(05)
- [9]基于不确定偏好序的双边匹配模型与算法研究[D]. 李丹. 青岛大学, 2020(01)
- [10]重Higgs粒子及Majorana中微子产生信号的寻找[D]. 路鹏程. 山东大学, 2020(12)