选择特殊符号
选择搜索类型
请输入搜索
1、树是n(n>=0)个结点的有限集。
2、在任意一个空树中。
1、结点(Node):表示树中的数据元素,由数据项和数据元素之间的关系组成。在图中,共有10个结点。
2、结点的度(Degree of Node):结点所拥有的子树的个数,在图中,结点A的度为3。
3、树的度(Degree of Tree):树中各结点度的最大值。在图5.1中,树的度为3。
4、叶子结点(Leaf Node):度为0的结点,也叫终端结点。在图5.1中,结点E、F、G、H、I、J都是叶子结点。
5、分支结点(Branch Node):度不为0的结点,也叫非终端结点或内部结点。在图5.1中,结点A、B、C、D是分支结点。
6、孩子(Child):结点子树的根。在图中,结点B、C、D是结点A的孩子。
7、双亲(Parent):结点的上层结点叫该结点的双亲。在图中,结点B、C、D的双亲是结点A。
8、祖先(Ancestor):从根到该结点所经分支上的所有结点。在图中,结点E的祖先是A和B。
9、子孙(Descendant):以某结点为根的子树中的任一结点。在图中,除A之外的所有结点都是A的子孙。
10、兄弟(Brother):同一双亲的孩子。在图5.1中,结点B、C、D互为兄弟。
11、结点的层次(Level of Node):从根结点到树中某结点所经路径上的分支数称为该结点的层次。根结点的层次规定为1,其余结点的层次等于其双亲结点的层次加1。
12、堂兄弟(Sibling):同一层的双亲不同的结点。在图中,G和H互为堂兄弟。
13、树的深度(Depth of Tree):树中结点的最大层次数。在图5.1中,树的深度为3。
14、无序树(Unordered Tree):树中任意一个结点的各孩子结点之间的次序构成无关紧要的树。通常树指无序树。
15、有序树(Ordered Tree):树中任意一个结点的各孩子结点有严格排列次序的树。二叉树是有序树,因为二叉树中每个孩子结点都确切定义为是该结点的左孩子结点还是右孩子结点。
16、森林(Forest):m(m≥0)棵树的集合。自然界中的树和森林的概念差别很大,但在数据结构中树和森林的概念差别很小。从定义可知,一棵树有根结点和m个子树构成,若把树的根结点删除,则树变成了包含m棵树的森林。当然,根据定义,一棵树也可以称为森林。
树形结构是一层次的嵌套结构。 一个树形结构的外层和内层有相似的结构, 所以这种结构多可以递归的表示。经典数据结构中的各种树状图是一种典型的树形结构:一颗树可以简单的表示为根, 左子树, 右子树。 左子...
package tree; import java.util.LinkedList; import java.util.List; /** * 功能:把一个数组的值存入二叉树中...
冷藏集装箱采用镀锌钢结构,箱内壁、底板、顶板和门由金属复合板、铝板、不锈钢板或聚酯制造。国际上集装箱尺寸和性能都已标准化。使用温度范围为-30℃~12℃,更通用的范围是-30~20℃特点:冷藏集装箱具...
基于树形结构模拟的建筑布局设计优化
根据建筑布局在工程实际中的影响因素,提出了一种树形结构模拟优化的建筑布局设计模型.首先将建筑布局的约束因素和原有的建筑物平面图形相结合,构成了新的布局图形,然后结合内部可行域算法,将布局问题的确定性算法应用于建筑物布局问题中,解决建筑物的行列式布局和周边式布局,最后采用树形结构优化遗传算法的变异能力,以优化布局效果.实例仿真实验结果表明,采用本文提出的算法,将建筑物序列进行编码和译码,根据建筑实践经验合理构造了目标函数,最终得出较好的布局方案.
【声明】转载自其它平台或媒体文章,本平台将注明来源及作者,但本平台不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证,仅作参考。若侵犯著作权,请主动联系本平台并提供相关书面证据,本平台将更正来源及作者或依据著作权人意见删除该文章,并不承担其他任何责任。
文章来源:柑橘之家技术产业联盟
葡萄冬季整形修剪的目的是通过调整树形结构达到生长期充分利用光能和空间,协调营养生长与生殖生长,平衡树势,确定合理负载量,使葡萄能够稳产优质。
葡萄冬季整形修剪的目的是通过调整树形结构达到生长期充分利用光能和空间,协调营养生长与生殖生长,平衡树势,确定合理负载量,使葡萄能够稳产优质。对需要埋土防寒的品种应在秋季落叶后土壤封冻前进行,不需防寒埋土的品种可以在落叶后至次年春树液流动期(伤流期)前进行。
围绕留芽量合理负载确定修剪内容
留芽量过多,植株负载大,通风透光不良,营养不足,会导致落花落果,品质差,成熟期延迟,枝条生长弱;留芽量过少,结果枝数量不够,架面空虚,也影响产量。所以,要根据树势和架面,结合品种,确定一个合理的留芽量。一般每平方米架面大致可容纳新梢15-20根,还要根据树势加以增减。
修剪方法
枝梢修剪时应在蔓口芽上3-5厘米处剪截,或剪口芽上端一节的节部剪断,因为葡萄的蔓组织疏松,髓部较大,水分、养分很容易流失;枝蔓剪留量的确定,要依据品种长势与结果特点,把握程度。
1、疏剪
从基部彻底剪除掉不需要的枝蔓,并将枯死枝、病虫枝、无用的二次枝及徒长枝剪去,以保证各个主蔓能按照一定距离配备好结果母枝组。要注意,剪口控制在离基部1厘米左右,不要紧贴基部下剪。待剪口残桩干枯后,再从基部将其剪去。
2、短截
剪留长度主要是根据修剪需要和成熟新梢的质量而定。一般把一年生成熟的新生枝蔓短截到所需要的长度:短梢留2—4节;中梢留5—7节;长梢留8—12节。但是,一般枝梢成熟好、生长势强的新梢可适当长剪;生长势弱,成熟不好的可以短留;枝蔓基部结实力低的品种,宜采用中、长梢修剪;枝蔓稀疏的地方为充分利用空间,可以长留;对放任生长的新梢宜长留。
3、更新
对结果部位上移或前移太快的枝蔓进行缩剪,用它们基部或附近发生的成熟新梢来代替;成果母枝长留,采用长、中梢修剪,下面一个作预备枝剪留2—3个芽,每年反复更替进行。用此种方法培养更新枝组比较可靠,多适用于发枝力弱的品种;多年生的老树,修剪时应考虑枝蔓的回缩更新,促进老龄树的复壮,回缩更新可以在主枝、侧枝上进行,也适用于根系。
第1章 绪论
1.1 智能控制的发展历史
1.2 智能控制的定义和特点
1.2.1 智能控制的定义
1.2.2 智能控制的特点
1.3 智能控制的结构理论
1.3.1 二元结构论
1.3.2 三元结构论
1.3.3 四元结构论
1.3.4 多元结构或者树形结构
1.4 智能控制与传统控制的关系
1.5 智能控制的研究对象
1.6 智能控制的类型
1.6.1 分级递阶控制系统
1.6.2 专家控制系统
1.6.3 人工神经网络控制系统
1.6.4 模糊控制系统
1.6.5 遗传算法与控制理论相结合
1.6.6 免疫算法控制
1.6.7 仿人智能控制
1.6.8 学习控制系统
1.6.9 混沌控制
1.7 智能控制的应用
1.7.1 智能控制在机器人技术中的应用
1.7.2 智能控制在机械制造中的应用
1.7.3 智能控制在电力电子学研究领域中的应用
1.7.4 智能控制在工业过程中的应用
1.7.5 智能控制在农业生产中的应用
1.7.6 智能控制在广义控制领域中的应用
1.8 本章小结
参考文献
第2章 模糊控制
2.1 模糊控制概述
2.1.1 模糊控制器设计步骤
2.1.2 性能评价
2.1.3 应用领域
2.2 模糊控制的数学基础
2.2.1 语言变量、语言值和规则
2.2.2 模糊集合、模糊规则和模糊推理
2.2.3 解模糊
2.3 一个示范例子的介绍
2.3.1 模糊控制器的输入和输出的选择
2.3.2 把控制知识融入规则中
2.3.3 知识的模糊量化
2.3.4 匹配: 决定用哪一条规则
2.3.5 结论步骤: 确定结论
2.3.6 把结论转换成控制作用
2.3.7 模糊决策的图形描述
2.4 Takagi"para" label-module="para">
2.4.1 Takagi"para" label-module="para">
2.4.2 模糊系统是通用近似器
2.4.3 广义T"para" label-module="para">
2.5 基于MATLAB的智能控制系统设计与仿真
2.5.1 模糊逻辑工具箱
2.5.2 基于MATLAB的模糊控制系统设计与仿真
2.6 模糊系统的非线性分析
2.6.1 模糊控制器的参数化
2.6.2 李雅普诺夫稳定性分析
2.6.3 绝对稳定性和圆判据
2.6.4 稳态跟踪误差的分析
2.6.5 描述函数分析方法
2.6.6 滑模变结构方法
2.6.7 小增益理论
2.6.8 相平面分析法
2.7 热处理系统的温度模糊控制
2.8 本章小结
习题
参考文献
第3章 模糊建模和模糊辨识
第4章 神经网络控制
第5章 模糊神经网络
第6章 专家系统
第7章 遗传算法
第8章 蚁群算法
第9章 DNA计算与基于DNA的软计算
第10章 其他智能控制 2100433B