DGS V8快捷键
A 调整工具
B 相交等距线
C 圆规
D 等份规
E 橡皮檫
F 智能笔
G 移动K 对称L角度线M 对称调整
N 合并调整Q 等距线R 比较长度S 矩形T 靠边
V 连角W 剪刀Z 剪断线
F2 切换影子与纸样边线F3 显示/隐藏两放码点间的长度F4 显示所有号型/仅显示基码F5 切换缝份线与纸样边线
F7 显示/隐藏缝份线F9 匹配整段线/分段线
F10 显示/隐藏绘图纸张宽度F11 仅匹配一个码/所有码
F12 工作区所有纸样放回纸样窗
Ctrl+F11 1:1显示Ctrl+F12 纸样窗所有纸样放入工作区Ctrl+N 新建Ctrl+O 打开
Ctrl+S 保存Ctrl+A 另存为
Ctrl+C 复制纸样Ctrl+V 粘贴纸样
Ctrl+D 删除纸样Ctrl+G 清除纸样放码量
Ctrl+E 号型编辑Ctrl+F 显示/隐藏放码点
Ctrl+K 显示/隐藏非放码点Ctrl+J 颜色填充/不填充纸样
Ctrl+H 调整时显示/隐藏弦高线Ctrl+R 重新生成布纹线
ESC 取消当前操作
SHIFT 画线时，按住SHIFT在曲线与折线间转换/转换结构线上的直线点与曲线点
回车键文字编辑的换行操作/更改当前选中的点的属性/弹出光标所在关键点移动对话框
X键与各码对齐结合使用，放码量在X方向上对齐
Y键与各码对齐结合使用，放码量在Y方向上对齐
U键按下U键的同时，单击工作区的纸样可放回到纸样列表框中
鼠标滑轮：
在选中任何工具的情况下，
向前滚动鼠标滑轮，工作区的纸样或结构线向下移动；
向后滚动鼠标滑轮，工作区的纸样或结构线向上移动；
按下Shift键：
向前滚动鼠标滑轮，工作区的纸样或结构线向右移动；
向后滚动鼠标滑轮，工作区的纸样或结构线向左移动；
键盘方向键：
按上方向键，工作区的纸样或结构线向下移动；
按下方向键，工作区的纸样或结构线向上移动；
按左方向键，工作区的纸样或结构线向右移动；
按右方向键，工作区的纸样或结构线向左移动；
小键盘+ -
小键盘+ 键，每按一次此键，工作区的纸样或结构线放大显示一定的比例；
小键盘- 键，每按一次此键，工作区的纸样或结构线缩小显示一定的比例；
空格键功能：
1.在选中任何工具情况下，把光标放在纸样上，“按一下”空格键，即可变成移动纸样光标；
2.在使用任何工具情况下，按下空格键（不弹起）光标转换成放大工具，此时向前滚动鼠标滑轮，工作
区内容就以光标所在位置为中心放大显示，向后滚动鼠标滑轮，工作区内容就以光标所在位置为中心缩小显示。击右键为全屏显示。
对话框不弹出的数据输入方法：
1．输一组数据：敲数字，按回车。
例，用智能笔画30CM的水平线，左键单击起点，切换在水平方向输入数据30，按回车即可。2．输两组数据：敲第一组数字--回车--敲第二组数字--回车。
例如，用矩形工具画24x60的矩形，用矩形工具定起点后，输20--敲回车--输60--敲回车即可。
表格对话框右击菜单
在表格对话框中的表格上击右键可弹出菜单，选择菜单中的数据可提高输入效率。如在表格输1寸8分3，操作方法，在表格中先输“1.”再击右键选择3/8即可。
量子克隆进化算法 刘 芳,李阳阳 (西安电子科技大学计算机学院,陕西西安710071) 摘 要: 本文在量子进化算法的基础上结合基于克隆选择学说的克隆算子,提出了改进的进化算法———量子克 隆进化策略算法(QCES ).它既借鉴了量子进化算法的高效并行性又利用克隆算子来代替其中的变异和选择操作,以增加种群的多样性,避免了早熟,且收敛速度快.本文不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了此算法的优越性. 关键词: 克隆算子;进化算法;量子克隆进化策略中图分类号: T N957 文献标识码: A 文章编号: 037222112(2003)12A 22066205 Quantum Clonal Evolutionary Algorithms LI U Fang ,LI Y ang 2yang (Institute o f Computer ,Xidian University ,Xi ’an ,Shaanxi 710071,China ) Abstract : Based on the combining of the quantum ev olutionary alg orithms (QE A )with the main mechanisms of clone ,an im 2proved ev olutionary alg orithm —quantum clonal ev olutionary strategies (QCES )was proposed in this paper.By adopting the high 2effec 2tive parallelism of QE A and replacing clone operator by mutation and selection of the classical ev olutionary alg orithms (CE A ),it has better diversity and the converging speed than CE A and av oided prematurity.The convergence of the QCES is proved and its superiori 2ty is shown by experiments in this paper. K ey words : clone operator ;ev olutionary alg orithm ;quantum clonal ev olutionary strategies 1 引言 计算是人类思维能力的最重要的方面之一,计算能力的提高与人类文明进步息息相关.从古老的算盘到现代的超级计算机,人类的计算技术实现了革命性的突破.综观当今,计算机的广泛应用已经并且仍在继续改变着我们的世界.一方面,人们为计算机的神奇能力所倾倒.另一方面,人们也为它无力完全满足实际的需要而烦恼.因此,加速计算机的运算速度以提高计算机的运算能力成为计算机科学的中心任务之一. 如何加快计算机的运算能力呢?这一问题大体可以从两个方面着手解决.一是制造更为先进的计算机硬件,另一则是设计恰当的计算机运算流程,后者可以称之为“算法”.一类模拟生物进化过程与机制来求解问题的自组织、自适应人工智能技术即进化计算(包括用于机器学习问题的遗传算法,优化模型系统的进化规划和用于数值优化问题的进化策略)的出现为我们寻找快速算法提供了新思路.进化计算是一种仿生计算,依照达尔文的自然选择和孟德尔的遗传变异理论,生物的进化是通过繁殖、变异、竞争、选择来实现的,进化算法就是建立在上述生物模型基础上的随机搜索技术.我们所熟悉的 遗传算法(G enetic alg orithms )[1],它通过模拟达尔文的“优胜劣汰,适者生存”的原理鼓励好的个体,通过模拟孟德尔的遗传变异理论在进化过程中保持好的个体,同时寻找更好的个体,由此来模仿一切生命与智能的产生与进化过程.理论上已经证明:进化算法能从概率的意义上以随机的方式寻求到问题的最优解;但在实际应用当中随着问题的复杂和海量的数据量,也出现了一些不尽人意的情况,主要表现在:计算后期解的多样性差即易造成早熟,收敛速度慢等缺点.因此,为克服上述缺点关键是构造性能良好的进化算法. 在改进的进化算法中,有些是将传统寻优算法与遗传算法相结合提出了混合遗传算法[2,3],有些则另辟蹊径提出了新颖的学习算法———量子进化算法[4]和免疫进化算法[5],量子力学是20世纪物理学最惊心动魄的发现之一,量子计算是物理理论与计算机的成功结合,在量子体系中,一位的信息位不在是经典的1比特,而是由两个本征态的任意叠加态所构成即称之为量子比特位(qubit ),例如一个n 位二进制的串在量子体系中就可同时表示2n 个信息,而量子计算机对每个叠加分量(本征态)实现的变换相当于一种经典计算,所有这些经典计算同时完成,并按一定的概率振幅叠加起来,给出量子计算的结果,这种计算称之为量子并行计算[6].正是量子的 收稿日期:2003209210;修回日期:2003212210 基金项目:国家自然科学基金(N o.60133010);国家高技术研究发展计划(863计划)(N o.2002AA135080) 第12A 期2003年12月 电 子 学 报 ACT A E LECTRONICA SINICA V ol.31 N o.12A Dec. 2003
https://www.doczj.com/doc/d49347968.html, 量子克隆遗传算法1 李阳阳1，焦李成1 1西安电子科技大学电子工程学院，西安(710071) E-mail: lyy_111@https://www.doczj.com/doc/d49347968.html, 摘要：遗传算法是解决优化问题的一种有效方法。但在实际应用中也存在着收敛速度慢，早熟等问题，使得其结果极不稳定。本文将遗传算法和量子理论相结合并利用免疫系统中所特有的克隆算子，针对0/1背包问题，提出了一种改进的进化算法——量子克隆遗传算法(QCA)。它能有效的避免早熟，且具有收敛速度快的特点。 关键词：遗传算法量子克隆遗传算法 0/1背包 中图分类号：TN957 1.引言 进化计算是一种仿生计算，依照达尔文的自然选择和孟德尔的遗传变异理论，生物的进化是通过繁殖、变异、竞争、选择来实现的，进化算法就是建立在上述生物模型基础上的随机搜索技术。我们所熟悉的遗传算法(Genetic Algorithms)[1]，它通过模拟达尔文的“优胜劣汰，适者生存”的原理鼓励好的个体，通过模拟孟德尔的遗传变异理论在进化过程中保持好的个体，同时寻找更好的个体，由此来模仿一切生命与智能的产生与进化过程[2][3]。理论上已经证明：进化算法能从概率的意义上以随机的方式寻求到问题的最优解；但在实际应用当中随着问题的复杂和海量的数据量，也出现了一些不尽人意的情况，主要表现在：计算后期解的多样性差即易造成早熟，收敛速度慢等缺点。因此，为克服上述缺点关键是构造性能良好的进化算法。 量子力学是20世纪物理学最惊心动魄的发现之一，量子计算是物理理论与计算机的成功结合，在量子体系中，一位的信息位不在是经典的1比特，而是由两个本征态的任意叠加态所构成即称之为量子比特位(qubit)，例如一个n位二进制的串在量子体系中就可同时表示n 2个信息,而量子计算机对每个叠加分量(本征态)实现的变换相当于一种经典计算,所有这些经典计算同时完成,并按一定的概率振幅叠加起来,给出量子计算的结果,这种计算称之为量子并行计算[4]。正是量子的并行性使得原来传统计算机无法解决的复杂问题以惊人的速度得以解决,但在量子计算机尚未构成的情况下，为了充分利用量子计算的高效并行性，本文借用了量子计算中的量子编码，继承了免疫克隆策略[5]中的克隆算子将二者相结合，提出了量子克隆遗传算法，并将其应用于0/1被包问题上，与传统进化算法相比较,它具有收敛速度快、寻优能力强的特点。 1本课题得到高等学校博士学科点专项科研基金（项目编号：20030701013）资助。 - 1 -
连续变量量子纠缠的产生和条件克隆 【摘要】：量子纠缠作为量子物理世界中的独特资源,它的出现改变了我们信息处理的方式,可以保证我们信息通讯的绝对安全和提供更为强大的计算能力,从而被广泛应用到量子密钥术、可控量子密集编码、量子离物传态和量子计算等量子信息科学中。另外,空间上的多模纠缠还可以用于提高图像成像质量；不同频率之间的多组份纠缠可以用于不同波长的光学系统的联接和作为连接量子存储的原子能级和通讯窗口的桥梁。因此量子纠缠的产生和研究已成为量子信息科学中最重要的工作之一。本文主要研究了以下关于连续变量量子纠缠的相关内容：1.为了产生高质量的纠缠源,首要条件是获得低噪声的激光光源。我们采用两种不同的方法对光纤激光器的噪声进行了抑制：前置电光反馈和模清洁器,抑制后光纤激光器的噪声在3MHz以后达到散粒噪声极限,最大噪声抑制高达27dB。2.在一个参量放大器中同时产生了两对高阶模纠缠态(HG01和HG10),其中HG01模的纠缠方差为3.42,HG10模的纠缠方差为3.34。并表明此纠缠态为同时具有轨道角动量纠缠和自旋角动量纠缠的超纠缠态,这种超纠缠态可以用于量子密集编码中,以提高量子信道容量。在此基础上,给出了一种产生高阶模四组份cluster纠缠的产生方案,并在实验上获得了四组份cluster纠缠。3.介绍和研究了OPO、SHG中量子多色三组份纠缠的产生情况。对倍频过程中额外噪声产生的原因进行了分析,为下一步实验工作指明了方向。本节中,从理论上给出了一种产生三组份纠缠的新方案,指
出产生量子多色三组份纠缠的最佳过程并不是在单纯的OPO过程,也不是在SHG过程中,而是一种SHG和OPO的中间过程OPDA。对于OPDA过程,给出了实验方案和一些实验结果,通过此过程中产生了5dB的1080nm两组份纠缠光。此量子多色纠缠可以用于不同波长的光学系统的联接和作为连接量子存储的原子能级和通讯窗口的桥梁。 4.首次将条件制备技术应用到了量子克隆过程中,提出了一种连续变量量子纠缠态的条件克隆方案。本克隆方案中仅用到线性元件,例如；光分束器、平衡零拍探测和条件测量,具有可控性和易操作的优点。通过我们的方案,克隆后的输出态可以保持良好的纠缠特性和保真度,纠缠态的条件克隆可广泛应用于量子信息领域中,例如量子计算过程中的纠错,量子密钥分发过程中的量子窃听。本文的创新之处：1.实验上采用两种不同的方法对光纤激光器的噪声进行了抑制。2.实验上产生了同时具有自旋角动量纠缠和轨道角动量纠缠的连续变量超纠缠态和高阶模四组份cluster纠缠。3.实验上分析了Ⅱ类非线性过程额外噪声的来源,理论上给出了通过Ⅱ类非线性过程产生三色纠缠的最佳条件及实验方案。4.提出了一种有效且可行的连续变量纠缠态的条件克隆方案。【关键词】：量子信息光纤激光器噪声抑制光电反馈模清洁器纠缠超纠缠态cluster纠缠态拉盖尔高斯模厄米高斯模参量振荡倍频条件克隆 【学位授予单位】：山西大学 【学位级别】：博士