15895241331
是值得哪方面的材料？生产设备材料、生产物料 
任何一个课题的研究或开发都是有学科基础或技术基础的。综述部分主要阐述选题在相应学科领域中的发展进程和研究方向，特别是近年来的发展趋势和最新成果。通过与中外研究成果的比较和评论，说明自己的选题是符合当前的研究方向并有所进展，或采用了当前的最新技术并有所改进，目的是使读者进一步了解选题的意义。综述部分能反映出毕业设计学生多方面的能力。首先，反映中外文献的阅读能力。通过查阅文献资料，了解同行的研究水平，在工作中和论文中有效地运用文献，这不仅能避免简单的重复研究，而且也能使研究开发工作有一个高起点。其次，还能反映出综合分析的能力。从大量的文献中找到可以借鉴和参考的，这不仅要有一定的专业知识水平，还要有一定的综合能力。对同行研究成果是否能抓住要点，优缺点的评述是否符合实际，恰到好处，这和一个人的分析理解能力是有关的。值得注意的是，要做好一篇毕业论文，必须阅读一定量（2~3篇）的外文资料，这不仅反映自己的外文阅读能力，而且有助于论文的先进性。 1、论文摘要中应排除本学科领域已成为常识的内容；切忌把应在引言中出现的内容写入摘要；一般也不要对论文内容作诠释和评论(尤其是自我评价)。2、不得简单重复题名中已有的信息。3、结构严谨，表达简明，语义确切。摘要先写什么，后写什么，要按逻辑顺序来安排。句子之间要上下连贯，互相呼应。摘要慎用长句，句型应力求简单。每句话要表意明白，无空泛、笼统、含混之词，但摘要毕竟是一篇完整的短文，电报式的写法亦不足取。摘要不分段。4、用第三人称。建议采用“对……进行了研究”、“报告了……现状”、“进行了……调查”等记述方法标明一次文献的性质和文献主题，不必使用“本文”、“作者”等作为主语。5、要使用规范化的名词术语，不用非公知公用的符号和术语。新术语或尚无合适汉文术语的，可用原文或译出后加括号注明原文。6、除了实在无法变通以外，一般不用数学公式和化学结构式，不出现插图、表格。7、不用引文，除非该文献证实或否定了他人已出版的著作。8、缩略语、略称、代号，除了相邻专业的读者也能清楚理解的以外，在首次出现时必须加以说明。科技论文写作时应注意的其他事项，如采用法定计量单位、正确使用语言文字和标点符号等，也同样适用于摘要的编写。摘要编写中的主要问题有：要素不全，或缺目的，或缺方法；出现引文，无独立性与自明性；繁简失当。9、论文摘要之撰写通常在整篇论文将近完稿期间开始，以期能包括所有之内容。但亦可提早写作，然后视研究之进度作适当修改。有关论文摘要写作时应注意下列事项：10、整理你的材料使其能在最小的空间下提供最大的信息面。11、用简单而直接的句子。避免使用成语、俗语或不必要的技术性用语。12、请多位同僚阅读并就其简洁度与完整性提供意见。13、删除无意义的或不必要的字眼。但亦不要矫枉过正，将应有之字眼过份删除，如在英文中不应删除必要之冠词如a''an''the等。14、尽量少用缩写字。在英文的情况较多，量度单位则应使用标准化者。特殊缩写字使用时应另外加以定义。15、不要将在文章中未提过的数据放在摘要中。16、不要为扩充版面将不重要的叙述放入摘要中，即使摘要仅能以一两句话概括，就让维持这样吧，切勿画蛇添足。17、不要将文中之所有数据大量地列于摘要中，平均值与标准差或其它统计指标仅列其最重要的一项即可。18、不要置放图或表于摘要之中，尽量采用文字叙述。
群搜索优化算法是通过模拟自然界动物群体的觅食行为而构造的随机优化算法。该算法具有广阔的生物学背景，已成功应用于人工神经网络、医学、电力系统以及机械设计等方面。但由于该算法提出的时间较短，目前对于群搜索优化算法的研究与应用还处于初级阶段，仍存在很多问题有待深入改进和解决。为了有效改善群搜索优化算法(GSO)的性能，论文主要从两个角度进行研究，并最终提出了交互变邻域微分进化群搜索优化算法。第一，论文对群搜索优化算法的觅食策略进行了分析，在群搜索优化算法(GSO)中，跟随者在向最优个体靠近时采用等间距的觅食策略(固定步长为1)，使用这种觅食策略很容易越过真正的最优食物源，表现在算法上是全局极值点有可能没有被采集到，从而在一定程度上影响了算法的全局搜索能力，增加了算法陷入过早收敛的概率。因此通过改变觅食策略，可以提高算法的全局收敛性和搜索效率。论文将标准模型转化为微分模型，并采用三种不同的求解微分初值问题的方法选择觅食策略，对群搜索优化算法进行了改进与分析，通过仿真实验表明，改进的算法具有更强的寻优能力，在收敛速度和精度上都有显著提高。第二，论文对群搜索优化算法的网络拓扑结构进行分析，邻域结构采用全局最好模型(Gbest模型)，所有微粒都只和当前位置最好的微粒存在连接，显然这样的模型不是一个全连通图，在一定程度上影响着算法的性能。论文从这一角度入手，采用类似NW模型的构造方法，提出了交互变邻域群搜索优化算法(IGSO)。仿真实验表明，IGSO算法能有效地提高最优解的精度，其性能明显优于基本GSO算法，尤其适合高维复杂函数的寻优问题。最后，我们从觅食策略和网络拓扑结构两方面同时入手，提出了交互变邻域微分进化群搜索优化算法(IDGSO)，仿真实验表明，IDGSO算法能有效避免早熟收敛，全局优化能力和收敛速率都有显著提高。
