1) selfcross
自交叉
2) spin crossover
自旋交叉
1.
A new spin crossover Fe(mtt)(phen)(NCS)2·py was prepared.
设计制备了一个新的自旋交叉配合物[Fe(mtt)(phen)(NCS)2·]py。
2.
A new ligand, 2-methyl-1,4,8,9-tetraaza-triphenylene (mtt) and its complex, [Fe(mtt)_2(NCS)_2]·2 5H_2O, exhibiting high temperature spin crossover were prepared.
自旋交叉配合物的研究是分子磁化学中的一个重要领域 ,已引起人们的普遍关注 。
3.
The study of magnetic susceptibility of the complex indicated the complex lies mainly in low spin state between 80～300 K, while a spin crossover occurs in high temperature region as a result of the stronger .
许多研究小组用不同的方法合成了不同结构的大分子配合物[1 ,2 ] ,并对其载氧性、磁特性和光化学特性进行了广泛而深入的研究[2～ 4] ,特别是在Fe(Ⅱ )配合物的自旋交叉研究方面 ,取得了很好的进展[5～ 7] 。
3) adaptive crossover
自适应交叉
1.
It makes use of the improved adaptive crossover operator and the adaptive mutation operator, and combines with a kind of fitness function that considers the balance of the performance target and the .
并采用改进的自适应交叉算子和自适应变异算子,结合兼顾性能指标和响应过程平衡的适配函数,以多种改进方式相结合的遗传算法对PID参数进行迭代寻优整定。
2.
Through the combination of the phased crossover and the cosine adaptive crossover, the double adaptive crossover got the crossover probability.
利用混合选择策略对个体进行选择,双重自适应交叉将分阶段交叉与正弦自适应交叉方法相结合得到交叉概率,提出的连续变异策略采用连续的粗搜到细搜的过程。
3.
After studying the traditional genetic algorithms for image segmentation based on the maximum interclass variance,an improved genetic algorithm,"double self-adaptive crossover probability" genetic algorithm,is proposed based on chromosomes and gene positions.
在基于最大类间方差传统遗传算法实现图像分割的基础上对其改进,提出了基于染色体、基因位的"双自适应交叉概率"的改进遗传算法。
4) self crossover operator
自交叉算子
1.
By this study, the self crossover operator was proposed.
在对交叉算子性能深入认识的基础上 ,我们提出了一种新的交叉算子———自交叉算子 ,实际的算例显示算法的性能得到明显改
5) Self-identify crossover operator
自识别交叉算子
1.
The improving methods of the algorithm are mainly using the self-identify crossover operator to avoid the group prematurely mature.
为了解决图像匹配中计算速度慢和匹配精度不高的缺陷,提出了一种基于改进的遗传算法的匹配方法,算法的主要改进手段是,用自识别交叉算子进行交叉操作,避免种群过早成熟。
2.
The improving methods of the algorithm are mainly composed of constructing an original group,by using the double greedy algorithm,to improve the speed of finding the best solution,proposing a concept of similitude degree between two individuals,and then using the self-identify crossover operator to avoid the e.
算法的主要改进手段是,通过双向贪婪算法来构建初始种群,以提高寻找到最优解的速度;建立个体之间相似度的概念,用自识别交叉算子进行交叉操作,避免种群过早成熟。
6) adaptive crossover mutation
自适应交叉变异
1.
Firstly, the architecture of the artificial network was improved by the adaptive crossover mutation and elitist model.
采用自适应交叉变异、最优保存、局部寻优的遗传算法,避免了BP神经网络在训练过程中收敛于局部极小点的缺陷,并将其对神经网络的权值和阈值进行优化,从而提出了一种改进的混合遗传算法神经网络模型。
补充资料：自催化反应和交叉催化反应
两种比较特殊的催化反应。反应产物自身作为催化剂对反应起加速或延缓作用的一种催化反应，称为自催化反应。最简单的自催化反应如:A催化X→A。这一反应也可以写成 A+X→2A。两种或多种反应产物彼此循环作为催化剂的一种催化反应网络，称为交叉催化反应。最简单的交叉催化反应如：B催化X→A，A又催化X→B。广义地说，交叉催化反应也可以看成是 A+B系统总体所完成的简单自催化反应。自催化反应和交叉催化反应都产生自我复制和倍增现象。
自催化和交叉催化反应对于理解非生命过程与生命过程之间的联系和转化提供了直接根据。现代自然科学确认，最基本的生命系统是以 DNA为核心的DNA-RNA-蛋白质（包括酶）多分子系统；相应地，人们比较一致承认的最原始的生命系统是类核酸和类蛋白质形成的多分子系统。因此，理论上可以把孤立的 DNA复制过程看作一个自催化过程,也可以把它看作是DNA内部两个互补核苷酸链之间发生的交叉催化过程；DNA-RNA-蛋白质多分子系统中所进行的过程可以看作是以这三者的交叉催化为基础的反应循环网络所完成的过程，也可以看作是该多分子系统总体上的一种自催化反应过程。基本的和原始的生命现象，即生物学上的自我复制、新陈代谢、个体发育和群体发育等现象，就是源于多分子系统的这类反应所导致的自我复制和倍增。这种多分子系统之所以能通过反应循环网络所完成的过程转化为生命，原因在于这种多分子系统与环境不断交换着物质和能量，从而获得某种相对稳定性，使之有可能经得起突变压力，并向有序性不断增加的方向进化。正是随着这种多分子系统的不断变异，随着反应循环网络的不断扩大化和复杂化，才产生了其他一系列生命现象。
协同学和耗散结构理论等已开始研究由自催化反应和交叉催化反应所引起的自组织系统。其中最简单的是由 X+A→2A和A→C这类反应所形成的系统。在这类系统中，当环境输入一种或少数几种反应物，而且其所维持的浓度超过一定临界值时，系统中某一种或少数几种产物的浓度，或可稳定地维持不变，或维持周期性振荡等有规则变化，从而实现系统的自组织。这类产物的浓度决定了自组织系统的结构，并且可以用来描述自组织系统的有序性程度。这里的有序性已不同于晶体结构的有序性，它是系统在远离热平衡方向上经过突变产生的一种非对称的空间-时间有序性,即一种功能意义上的有序性。以自催化、交叉催化、贝纳德对流、激光等物理过程为研究重点的自组织理论正逐渐向生命过程深入，已能定性地说明生命系统的一些振荡、功能有序、形态发生以及进化等现象。
自催化反应和交叉催化反应使以 DNA为核心的多分子系统实现了从非生命过程向生命过程的转化，实现了自然系统有序性的突变。科学家们认为，通过对自催化反应和交叉催化反应所引起的多分子系统的自组织机理的深入探讨，可望实现物理科学与生命科学的进一步综合,实现一般系统论中数学方法与生物学方法的综合,也可望从功能有序方面进一步阐明有序、信息、熵、时间以及空间等范畴，从而丰富辩证唯物主义自然观的内容。
自催化和交叉催化反应对于理解非生命过程与生命过程之间的联系和转化提供了直接根据。现代自然科学确认，最基本的生命系统是以 DNA为核心的DNA-RNA-蛋白质（包括酶）多分子系统；相应地，人们比较一致承认的最原始的生命系统是类核酸和类蛋白质形成的多分子系统。因此，理论上可以把孤立的 DNA复制过程看作一个自催化过程,也可以把它看作是DNA内部两个互补核苷酸链之间发生的交叉催化过程；DNA-RNA-蛋白质多分子系统中所进行的过程可以看作是以这三者的交叉催化为基础的反应循环网络所完成的过程，也可以看作是该多分子系统总体上的一种自催化反应过程。基本的和原始的生命现象，即生物学上的自我复制、新陈代谢、个体发育和群体发育等现象，就是源于多分子系统的这类反应所导致的自我复制和倍增。这种多分子系统之所以能通过反应循环网络所完成的过程转化为生命，原因在于这种多分子系统与环境不断交换着物质和能量，从而获得某种相对稳定性，使之有可能经得起突变压力，并向有序性不断增加的方向进化。正是随着这种多分子系统的不断变异，随着反应循环网络的不断扩大化和复杂化，才产生了其他一系列生命现象。
协同学和耗散结构理论等已开始研究由自催化反应和交叉催化反应所引起的自组织系统。其中最简单的是由 X+A→2A和A→C这类反应所形成的系统。在这类系统中，当环境输入一种或少数几种反应物，而且其所维持的浓度超过一定临界值时，系统中某一种或少数几种产物的浓度，或可稳定地维持不变，或维持周期性振荡等有规则变化，从而实现系统的自组织。这类产物的浓度决定了自组织系统的结构，并且可以用来描述自组织系统的有序性程度。这里的有序性已不同于晶体结构的有序性，它是系统在远离热平衡方向上经过突变产生的一种非对称的空间-时间有序性,即一种功能意义上的有序性。以自催化、交叉催化、贝纳德对流、激光等物理过程为研究重点的自组织理论正逐渐向生命过程深入，已能定性地说明生命系统的一些振荡、功能有序、形态发生以及进化等现象。
自催化反应和交叉催化反应使以 DNA为核心的多分子系统实现了从非生命过程向生命过程的转化，实现了自然系统有序性的突变。科学家们认为，通过对自催化反应和交叉催化反应所引起的多分子系统的自组织机理的深入探讨，可望实现物理科学与生命科学的进一步综合,实现一般系统论中数学方法与生物学方法的综合,也可望从功能有序方面进一步阐明有序、信息、熵、时间以及空间等范畴，从而丰富辩证唯物主义自然观的内容。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条