全文获取类型
收费全文 | 1262篇 |
免费 | 182篇 |
国内免费 | 90篇 |
专业分类
1534篇 |
出版年
2024年 | 13篇 |
2023年 | 53篇 |
2022年 | 51篇 |
2021年 | 70篇 |
2020年 | 73篇 |
2019年 | 35篇 |
2018年 | 15篇 |
2017年 | 29篇 |
2016年 | 35篇 |
2015年 | 49篇 |
2014年 | 83篇 |
2013年 | 108篇 |
2012年 | 116篇 |
2011年 | 107篇 |
2010年 | 98篇 |
2009年 | 74篇 |
2008年 | 78篇 |
2007年 | 84篇 |
2006年 | 82篇 |
2005年 | 56篇 |
2004年 | 33篇 |
2003年 | 38篇 |
2002年 | 25篇 |
2001年 | 32篇 |
2000年 | 6篇 |
1999年 | 20篇 |
1998年 | 13篇 |
1997年 | 15篇 |
1996年 | 6篇 |
1995年 | 8篇 |
1994年 | 2篇 |
1993年 | 6篇 |
1992年 | 6篇 |
1991年 | 3篇 |
1990年 | 7篇 |
1989年 | 4篇 |
1988年 | 1篇 |
排序方式: 共有1534条查询结果,搜索用时 0 毫秒
471.
472.
473.
针对代价函数权重需要根据环境变化而变化的问题,结合飞行约束条件提出归一化的代价函数,当环境发生变化时,不用再修改代价函数,增强了算法的鲁棒性。为了弥补传统定步长寻径算法耗时长的缺陷,设计了一种基于B样条曲线与遗传算法的高时效寻径算法。利用遗传算法在地图中所寻合适的控制点,再结合B样条曲线生成航路。为了增强遗传算法的全局搜索能力,遗传算法中加入振动法则,使得种群在进化中后期依旧保持一定的多样性。仿真结果表明该算法与精英蚁群算法相比,规划时间大幅缩短;与振动遗传算法相比,航路代价明显降低。 相似文献
474.
通过对A*算法在路径规划中的应用进行研究,提出了一种新的三维航路动态规划方法,通过对搜索策略引入启发式权重系数,利用加权值自适应方法对算法的评价函数进行设计,改善了传统A*算法在大空间中搜索速度低的缺点,提高航迹点搜索效率,同时将无人机的约束条件有效分割到解空间,便于应用于工程实践。基于优化算法规划的最优航路,设计了导引控制律,使无人机很好地跟随规划的路径,同时生成的期望控制指令充分考虑了无人机本身的机动性能以及实时性要求,解决了航迹规划与航迹跟踪之间的问题,最后进行了仿真验证,结果表明:该方法是可行和有效的,有着较高的优化效率;易于实现,工程实用性强。 相似文献
475.
高动态运动环境会给GPS卫星信号带来很大的多普勒频移及其变化率,甚至产生频率的突变,单一的锁相环、锁频环、四象限鉴频器无法进行稳定跟踪。在对传统锁相环、锁频环原理及性能分析的基础上,设计了一种基于Costas锁相环(Costas-PLL)、叉积锁频环(CP-FLL)及四相鉴频器(FQFD)并能够智能切换的混合载波跟踪算法,该算法基于二阶FLL辅助三阶PLL的跟踪环路实现,依据不同的动态环境使FLL和PLL交替工作,以提高载波跟踪环路的动态适应性。通过固定频率、频率一次斜升、频率二次斜升和频率突变等4种不同动态条件下的实验,证明了该算法在高动态环境下的有效性和可靠性。 相似文献
476.
搜索路径给定时的最优搜索方案问题,也可以理解为是关于搜索者和目标的二人对策问题,主要讨论了当搜索路径给定时的单个搜索者和单个目标的搜索对策问题。首先根据问题的特点,利用动态规划和迭代的方法,确定关于目标逃逸路径混合策略的最优分区,证明该分区是多面体凸集;针对目标不同逃逸路径的分区,求出搜索者的最大期望收益,再将问题转化为二人有限零和对策,计算出搜索者的支付矩阵,确定最优搜索策略。最后结合海军护航行动,对我舰载直升机搜索小型海盗船进行分析和计算,说明搜索路径给定时的最优搜索对策对于双方的资源分配和提高搜索效率具有一定的应用价值。 相似文献
477.
478.
479.
时空风险的规避是任务规划必要的一环。为了能综合考虑态势、环境等与时空相关因素带来的风险,需要一种能够兼容各种因素的风险表达方法。借鉴时空棱镜理论定义了危险逃逸时空棱镜,阐述其计算原理;描述可靠性风险、规避性风险、代价性风险在时空棱镜中的表达方法;阐述利用时空棱镜和危险逃逸时空棱镜在机动路线规划中进行风险规避的计算步骤;最后,以一个态势设定为实验对象,验证方法的合理性。实验表明,该方法能直观描述不同任务类型的可行时空区域,可提供从整体上对风险进行表达和规避计算的时空视角。 相似文献
480.
基于改进ACO算法的多UAV协同航路规划 总被引:1,自引:0,他引:1
针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。 相似文献