中图网(原中国图书网)：网上书店，尾货特色书店，30万种特价书低至2折！

歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
高級(jí)自然計(jì)算理論與應(yīng)用

包郵 高級(jí)自然計(jì)算理論與應(yīng)用

作者：王磊等
出版社：科學(xué)出版社出版時(shí)間：2022-09-01
開(kāi)本： B5 頁(yè)數(shù)： 232
中 圖 價(jià):¥98.6(7.3折) 定價(jià)  ¥135.0 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
開(kāi)年大促， 全場(chǎng)包郵
?新疆、西藏除外
本類五星書更多>

高級(jí)自然計(jì)算理論與應(yīng)用 版權(quán)信息

高級(jí)自然計(jì)算理論與應(yīng)用 本書特色

本書系作者多年研究成果的系統(tǒng)總結(jié)，著重研究了基于復(fù)雜適應(yīng)度函數(shù)的進(jìn)化算法、化學(xué)反應(yīng)算法、人工內(nèi)分泌系統(tǒng)、反向差分進(jìn)化算法等高級(jí)計(jì)算智能方法和信息處理

高級(jí)自然計(jì)算理論與應(yīng)用 內(nèi)容簡(jiǎn)介

進(jìn)化算法是一類基于群體的啟發(fā)式搜索優(yōu)化策略，這類方法結(jié)構(gòu)靈活、易于理解、適用領(lǐng)域廣泛，得到許多研究者和工程技術(shù)人員的高度重視。該書是作者多年研究成果的總結(jié)，共分6章，著重研究了基于復(fù)雜適應(yīng)度函數(shù)的進(jìn)化算法、化學(xué)反應(yīng)算法、人工內(nèi)分泌系統(tǒng)、反向差分進(jìn)化算法等高級(jí)計(jì)算智能方法和信息處理，并在目標(biāo)識(shí)別和跟蹤、車輛路徑問(wèn)題等復(fù)雜實(shí)際場(chǎng)景中得以應(yīng)用。

高級(jí)自然計(jì)算理論與應(yīng)用 目錄

目錄
前言
第1章緒論1
1.1優(yōu)化問(wèn)題的數(shù)學(xué)模型4
1.2進(jìn)化算法概述4
1.2.1進(jìn)化算法的產(chǎn)生和發(fā)展5
1.2.2進(jìn)化算法的基本步驟6
1.2.3進(jìn)化算法的特點(diǎn)7
1.3經(jīng)典進(jìn)化算法8
1.3.1粒子群優(yōu)化算法8
1.3.2差分進(jìn)化算法8
1.3.3人工蜂群算法9
第2章基于復(fù)雜適應(yīng)度函數(shù)的進(jìn)化算法11
2.1Hoeffding進(jìn)化算法14
2.1.1研究背景14
2.1.2算法描述及分析15
2.1.3實(shí)驗(yàn)結(jié)果及討論21
2.2多生命周期進(jìn)化算法32
2.2.1研究背景32
2.2.2算法描述及分析32
2.2.3實(shí)驗(yàn)結(jié)果及討論37
2.3混齡遺傳規(guī)劃算法42
2.3.1研究背景42
2.3.2算法描述及分析43
2.3.3實(shí)驗(yàn)結(jié)果及討論47
第3章化學(xué)反應(yīng)優(yōu)化算法53
3.1引言53
3.1.1化學(xué)反應(yīng)優(yōu)化算法概述53
3.1.2化學(xué)反應(yīng)優(yōu)化算法研究現(xiàn)狀56
3.2基于分解的多目標(biāo)化學(xué)反應(yīng)優(yōu)化算法57
3.2.1算法描述及分析57
3.2.2實(shí)驗(yàn)結(jié)果及討論63
3.3基于自組織映射的混合化學(xué)反應(yīng)優(yōu)化算法67
3.3.1算法描述67
3.3.2實(shí)驗(yàn)結(jié)果及討論75
第4章人工內(nèi)分泌系統(tǒng)模型95
4.1生物內(nèi)分泌系統(tǒng)95
4.1.1內(nèi)分泌系統(tǒng)的組成95
4.1.2激素間的作用方式96
4.2人工內(nèi)分泌系統(tǒng)的研究進(jìn)展96
4.2.1人工內(nèi)分泌系統(tǒng)的理論模型96
4.2.2AES與其他自然計(jì)算方法的結(jié)合98
4.2.3AES的應(yīng)用研究99
4.3LAES模型設(shè)計(jì)與分析100
4.3.1模型設(shè)計(jì)100
4.3.2模型分析106
第5章反向?qū)W習(xí)策略110
5.1引言110
5.2基于當(dāng)前*優(yōu)解的反向?qū)W習(xí)策略及算法112
5.2.1反向差分進(jìn)化算法112
5.2.2基于當(dāng)前*優(yōu)解的反向?qū)W習(xí)策略及反向差分進(jìn)化算法描述114
5.2.3實(shí)驗(yàn)結(jié)果及討論118
5.3反向?qū)W習(xí)策略的評(píng)估方法143
5.3.1方法描述143
5.3.2計(jì)算實(shí)例144
5.3.3仿真驗(yàn)證150
第6章工程應(yīng)用實(shí)例152
6.1Hoeffding進(jìn)化算法在視覺(jué)跟蹤中的應(yīng)用152
6.1.1問(wèn)題描述152
6.1.2算法描述158
6.1.3實(shí)驗(yàn)結(jié)果及討論159
6.2化學(xué)反應(yīng)優(yōu)化算法在車輛路徑問(wèn)題中的應(yīng)用169
6.2.1問(wèn)題描述169
6.2.2算法描述172
6.2.3實(shí)驗(yàn)結(jié)果及討論180
6.3人工內(nèi)分泌系統(tǒng)模型在群體機(jī)器人系統(tǒng)中的應(yīng)用187
6.3.1算法描述187
6.3.2實(shí)驗(yàn)結(jié)果及討論189
參考文獻(xiàn)192
附錄205
附錄A十種算法所獲得的Pareto*優(yōu)前沿205
附錄B常用測(cè)試函數(shù)215
展開(kāi)全部

高級(jí)自然計(jì)算理論與應(yīng)用 節(jié)選

第1章 緒論 自然界中的智能行為是普遍存在、紛繁多樣、相互協(xié)同的自治主體的微觀行為在宏觀領(lǐng)域的一種表現(xiàn)。通常，每個(gè)主體的功能單一，形式確定，機(jī)理相對(duì)簡(jiǎn)單。然而，這些主體能夠建立相互間的動(dòng)態(tài)連接，取得功能上的相互依賴和相互支持，使得整個(gè)群體的功能多樣，形式模糊，機(jī)理復(fù)雜。受這些現(xiàn)象的啟發(fā)，構(gòu)造一個(gè)具有一定智能機(jī)制的信息處理系統(tǒng)時(shí)，除了研究如何提升核心構(gòu)件的性能外，還應(yīng)考慮系統(tǒng)中各組成部分之間的相互作用關(guān)系，以及系統(tǒng)與外界聯(lián)系方式的多樣性和協(xié)同性。與此相對(duì)應(yīng)，設(shè)計(jì)一個(gè)具有學(xué)習(xí)與自適應(yīng)能力的計(jì)算模型時(shí)，也應(yīng)注重算子和自治體設(shè)計(jì)方面的多樣性，功能之間的互補(bǔ)性和工作過(guò)程之間的協(xié)同性等問(wèn)題。 自然計(jì)算是以自然界中客觀存在的一些實(shí)體，或自然現(xiàn)象反映出的內(nèi)在作用機(jī)理、功能和特點(diǎn)為基礎(chǔ)，研究其蘊(yùn)涵的信息處理機(jī)制，進(jìn)而抽象出相應(yīng)的計(jì)算模型。這種計(jì)算模型通常是一類具有自適應(yīng)、自組織、自學(xué)習(xí)能力的模型，能夠處理傳統(tǒng)計(jì)算方法難以解決的一些復(fù)雜問(wèn)題。目前已有的自然計(jì)算模型，如進(jìn)化計(jì)算等，其研究工作大多注重結(jié)果分析，而忽略了模型實(shí)現(xiàn)的中間過(guò)程，這使得人們對(duì)智能行為的本質(zhì)剖析還不夠完善。此外，硬件性能越來(lái)越高的計(jì)算機(jī)雖然為人們完成各類信息處理任務(wù)提供了強(qiáng)有力的工具，但待處理任務(wù)的空間維度和復(fù)雜程度越來(lái)越高，求解這些任務(wù)依然面臨諸多困難。若計(jì)算模型的全局搜索能力不強(qiáng)、性能不完備，即使借助再?gòu)?qiáng)大的計(jì)算機(jī)也無(wú)法從根本上解決問(wèn)題。這促使人們?cè)诓粩嗵嵘?jì)算工具性能的同時(shí)，積極地探索和設(shè)計(jì)性能更為優(yōu)異的計(jì)算模型。因此，如何有效地利用有限的計(jì)算資源解決復(fù)雜問(wèn)題，成為當(dāng)前研究人員關(guān)注的熱點(diǎn)。 優(yōu)化問(wèn)題廣泛存在于科學(xué)與工程等多個(gè)領(lǐng)域，*早可追溯到古希臘時(shí)期的極值求解問(wèn)題，如等周問(wèn)題等。優(yōu)化問(wèn)題是指在一系列解決方案或參數(shù)值中尋找*佳方案或參數(shù)值，往往來(lái)源于現(xiàn)實(shí)世界中的復(fù)雜問(wèn)題，如結(jié)構(gòu)設(shè)計(jì)、生產(chǎn)調(diào)度、經(jīng)濟(jì)分配和系統(tǒng)控制等。因此，如何高效地求解復(fù)雜優(yōu)化問(wèn)題成為熱點(diǎn)。 隨著科技的不斷進(jìn)步，現(xiàn)實(shí)世界中的優(yōu)化問(wèn)題也變得越來(lái)越復(fù)雜，傳統(tǒng)的優(yōu)化方法已難以滿足需求。尤其是求解一些復(fù)雜優(yōu)化問(wèn)題時(shí)，傳統(tǒng)優(yōu)化方法無(wú)法在合理時(shí)間內(nèi)找到*優(yōu)解或近似*優(yōu)解，探索一種具有通用性、高效并行性和智能特性的進(jìn)化算法成為研究熱點(diǎn)（Eiben et al.，2015）。有鑒于此，受自然界中某些現(xiàn)象或過(guò)程的啟發(fā)，研究人員開(kāi)發(fā)了多種進(jìn)化算法（evolutionary algorithms， EAs）。與傳統(tǒng)的窮舉法和基于微積分的算法相比，進(jìn)化算法是一種具有廣泛適用性和高度魯棒性的全局優(yōu)化算法，具有自學(xué)習(xí)、自適應(yīng)、自組織等特性，不受特定問(wèn)題性質(zhì)的限制，能處理傳統(tǒng)算法難以解決的復(fù)雜優(yōu)化問(wèn)題。然而，處理復(fù)雜優(yōu)化問(wèn)題時(shí)，進(jìn)化算法依然存在早熟收斂和停滯問(wèn)題，制約其在實(shí)際優(yōu)化問(wèn)題中的應(yīng)用。同時(shí)，根據(jù)“沒(méi)有免費(fèi)午餐定理”（Wolpert et al.，1997），不存在一種對(duì)任何問(wèn)題都能達(dá)到較好優(yōu)化效果的通用方法。 為了有效求解復(fù)雜優(yōu)化問(wèn)題，人們提出了一系列以進(jìn)化算法為代表的自然啟發(fā)式計(jì)算模型，其發(fā)展時(shí)間軸如圖 1.1所示。根據(jù)啟發(fā)背景的不同，自然啟發(fā)式算法大致可分為兩類：基于生物進(jìn)化、交替過(guò)程或概念的啟發(fā)式算法和基于生物社會(huì)行為的啟發(fā)式算法。前者主要包括遺傳算法（genetic algorithm，GA）（Holland， 1975）、差分進(jìn)化（ differential evolution，DE）算法（ Storn et al.，1995）、和聲搜索（ harmony search， HS）算法（ Geem et al.， 2001）、生物地理學(xué)優(yōu)化（biogeography-based optimization，BBO）算法（Simon，2008）、化學(xué)反應(yīng)優(yōu)化（chemical reaction optimization，CRO）算法（ Lam et al.，2010）、教學(xué)優(yōu)化（teaching-learning-based optimization，TLBO）算法（ Rao et al.，2012）、回溯搜索算法（backtracking search algorithm，BSA）（Civicioglu，2013）等。后者往往源自生物的各種社會(huì)行為或習(xí)性，如覓食行為和遷徙行為等，包括粒子群優(yōu)化（particle swarm optimization，PSO）算法（Kennedy et al.，1995）、蟻群優(yōu)化（ant colony optimization，ACO）算法（ Dorigo et al.，1996）、人工蜂群（ artificial bee colony， ABC）算法（ Karaboga et al.，2007）、布谷鳥(niǎo)搜索（ cuckoo search，CS）算法（ Yang et al.，2009，2010）、灰狼優(yōu)化（ grey wolf optimizer，GWO）算法（ Mirjalili et al.， 2014）等。顯然，這些算法的涌現(xiàn)進(jìn)一步推動(dòng)了自然啟發(fā)式計(jì)算模型的發(fā)展，并為解決復(fù)雜的函數(shù)優(yōu)化與工程優(yōu)化問(wèn)題提供了新的思路和方案。 圖1.1 自然啟發(fā)式計(jì)算模型的發(fā)展時(shí)間軸 1.1優(yōu)化問(wèn)題的數(shù)學(xué)模型 求解優(yōu)化問(wèn)題的過(guò)程中，首先需要描述所求問(wèn)題并建立相應(yīng)的數(shù)學(xué)模型。一個(gè)優(yōu)化問(wèn)題的數(shù)學(xué)模型通常包括三個(gè)要素：決策變量、目標(biāo)函數(shù)和約束條件。 優(yōu)化問(wèn)題的數(shù)學(xué)模型可以表示為 （1.1） 式中，Y=f(x)為目標(biāo)函數(shù)；x為決策變量； D為決策變量的維數(shù)；gi(x)≤0 (i=1，2， ， m)為m個(gè)不等式型約束條件； hj(x)=0(j=1，2， ， n)為n個(gè)等式型約束條件；min表示對(duì)目標(biāo)函數(shù)求*小化；s.t.表示受約束。滿足約束條件的數(shù)值所構(gòu)成的集合稱為可行域。目標(biāo)*大化問(wèn)題可轉(zhuǎn)化為*小化問(wèn)題，即 min f(x)與 max[-f(x)]等價(jià)。顯然，數(shù)學(xué)模型（1.1）具有普遍意義。 根據(jù)決策變量的取值類型，優(yōu)化問(wèn)題可分為連續(xù)（函數(shù)）優(yōu)化問(wèn)題與離散（組合）優(yōu)化問(wèn)題。若決策變量的取值在一定區(qū)間內(nèi)連續(xù)變化，則稱為連續(xù)（函數(shù)）優(yōu)化問(wèn)題，否則稱為離散（組合）優(yōu)化問(wèn)題，如旅行商問(wèn)題、背包問(wèn)題等。根據(jù)目標(biāo)函數(shù)的數(shù)目，優(yōu)化問(wèn)題又可分為單目標(biāo)優(yōu)化問(wèn)題與多目標(biāo)優(yōu)化問(wèn)題。單目標(biāo)優(yōu)化問(wèn)題具有唯一的評(píng)價(jià)標(biāo)準(zhǔn)，而多目標(biāo)優(yōu)化問(wèn)題的各個(gè)目標(biāo)不統(tǒng)一，甚至存在沖突，其解稱為 Pareto*優(yōu)解集或非支配解集。此外，根據(jù)決策變量的取值是否存在限制條件，優(yōu)化問(wèn)題還可分為約束優(yōu)化問(wèn)題與無(wú)約束優(yōu)化問(wèn)題。求解約束優(yōu)化問(wèn)題時(shí)，不僅要保證所獲得的解為*優(yōu)解或近似*優(yōu)解，還要保證該解滿足相應(yīng)的約束限制。 1.2進(jìn)化算法概述 20世紀(jì) 60年代以來(lái)，通過(guò)模擬生物進(jìn)化過(guò)程的基本特征，人們?cè)O(shè)計(jì)出求解復(fù)雜優(yōu)化問(wèn)題的一系列有效算法，這些算法受到了廣泛關(guān)注，在此基礎(chǔ)上形成了一類新型啟發(fā)式優(yōu)化方法——進(jìn)化計(jì)算（evolutionary computation，EC）。人們將進(jìn)化計(jì)算的具體實(shí)現(xiàn)方法與形式稱為進(jìn)化算法。進(jìn)化算法是以達(dá)爾文的進(jìn)化論思想為基礎(chǔ)，通過(guò)模擬生物進(jìn)化過(guò)程的基本特征與機(jī)制，從而求解復(fù)雜優(yōu)化問(wèn)題的一種人工智能技術(shù)。生物進(jìn)化是通過(guò)繁殖、變異、競(jìng)爭(zhēng)和選擇實(shí)現(xiàn)的，而在此基礎(chǔ)上提出的進(jìn)化算法則是通過(guò)選擇、重組和變異這三種基本操作來(lái)實(shí)現(xiàn)優(yōu)化問(wèn)題的求解。進(jìn)化算法主要包括遺傳算法、進(jìn)化策略（evolution strategies）、遺傳規(guī)劃（genetic programming，GP）和進(jìn)化規(guī)劃（ evolution programming）四種典型方法。 遺傳算法產(chǎn)生較早，現(xiàn)已比較成熟。進(jìn)化策略和進(jìn)化規(guī)劃在實(shí)際生產(chǎn)和科學(xué)研究中的應(yīng)用也非常廣泛，已應(yīng)用于機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)訓(xùn)練、連續(xù)函數(shù)優(yōu)化、模式識(shí)別、系統(tǒng)辨識(shí)和智能控制等眾多領(lǐng)域。選擇、交叉、變異是遺傳算法的主要基因操作，而在進(jìn)化策略和進(jìn)化規(guī)劃中，選擇、變異是其主要的進(jìn)化機(jī)制。從適應(yīng)度的角度來(lái)說(shuō)，遺傳算法注重選擇優(yōu)秀的父代，認(rèn)為優(yōu)秀的父代產(chǎn)生優(yōu)秀的子代，而進(jìn)化策略和進(jìn)化規(guī)劃則注重選擇優(yōu)秀的子代。遺傳規(guī)劃和遺傳算法強(qiáng)調(diào)父代對(duì)子代的遺傳鏈，而進(jìn)化規(guī)劃和進(jìn)化策略則注重子代本身的行為特性，即行為鏈。進(jìn)化規(guī)劃和進(jìn)化策略適用于連續(xù)優(yōu)化問(wèn)題，一般不采用二進(jìn)制編碼，拋棄了運(yùn)算過(guò)程中的“編碼—解碼”過(guò)程。進(jìn)化策略以確定的機(jī)制產(chǎn)生用于繁殖的父代，而進(jìn)化規(guī)劃和遺傳算法則依賴于個(gè)體適應(yīng)度和概率。此外，進(jìn)化規(guī)劃把編碼結(jié)構(gòu)抽象為種群之間的相似，而進(jìn)化策略則把編碼結(jié)構(gòu)抽象為個(gè)體之間的相似。 1.2.1進(jìn)化算法的產(chǎn)生和發(fā)展 進(jìn)化算法的產(chǎn)生和發(fā)展過(guò)程大致如下所述。 20世紀(jì) 50年代后期，生物學(xué)家開(kāi)始采用計(jì)算機(jī)來(lái)模擬生物的遺傳系統(tǒng)，現(xiàn)代進(jìn)化算法的某些標(biāo)識(shí)方式在這些工作中得以運(yùn)用。 1961年，F(xiàn)raser（1961）嘗試使用3組5位的0/1字符串表示方程的三個(gè)參數(shù)。1965年，F(xiàn)ogel（1998）在計(jì)算機(jī)中采用多個(gè)個(gè)體組成的群體來(lái)進(jìn)行計(jì)算，并正式提出了進(jìn)化規(guī)劃。但是，當(dāng)時(shí)的操作算子只包含變異。1965年，Rechenberg（1973）正式提出了進(jìn)化策略，*初的進(jìn)化策略只有一個(gè)個(gè)體，進(jìn)化操作也只限于變異。 1968年，Holland（1975）在研究自適應(yīng)系統(tǒng)時(shí)，提出系統(tǒng)本身與外部環(huán)境相互協(xié)調(diào)的遺傳算法，并使用模式理論對(duì)其進(jìn)行分析證明，使其成為遺傳算法的主要理論基礎(chǔ)。隨后， Bagley（1967）采用復(fù)制、交叉、變異等手段研究了國(guó)際象棋的對(duì)弈策略，并正式使用了“遺傳算法”一詞。 1975年，Holland出版了專著《自然界和人工系統(tǒng)的適應(yīng)性》，全面介紹了遺傳算法。同年，Schwefel（1977）進(jìn)一步完善了進(jìn)化策略，并采用了多個(gè)個(gè)體組成的群體參與進(jìn)化，其基因操作算子包括重組和變異。1987年，Lawrence進(jìn)一步總結(jié)了遺傳算法的經(jīng)驗(yàn)，出版了《遺傳算法和模擬退火》一書，詳細(xì)介紹了遺傳算法。1989年，Goldberg出版了《搜索、優(yōu)化和機(jī)器學(xué)習(xí)中的遺傳算法》一書，全面、系統(tǒng)地介紹了遺傳算法，進(jìn)一步推動(dòng)了該計(jì)算方法的發(fā)展和應(yīng)用。 1992年，Koza出版了《遺傳規(guī)劃——應(yīng)用自然選擇的計(jì)算機(jī)程序設(shè)計(jì)》一書，系統(tǒng)地介紹了遺傳規(guī)劃的由來(lái)和應(yīng)用，使遺傳規(guī)劃成為進(jìn)化算法的又一個(gè)重要分支。1994年，作為遺傳規(guī)劃的奠基人， Koza出版了他的第二部專著《遺傳規(guī)劃Ⅱ：可再用程序的自動(dòng)發(fā)現(xiàn)》。該書提出了自動(dòng)定義函數(shù)的新概念，并在遺傳規(guī)劃中引入子程序。同年，由 Kinnear擔(dān)任主編，匯集眾多研究工作者關(guān)于遺傳規(guī)劃經(jīng)驗(yàn)和技術(shù)的《遺傳規(guī)劃進(jìn)展》一書順利出版。 1.2.2進(jìn)化算法的基本步驟 進(jìn)化算法是一種基于生物遺傳和自然選擇等生物種群進(jìn)化機(jī)制的優(yōu)化算法。在原始問(wèn)題的優(yōu)化模型建立后，首先需要對(duì)問(wèn)題的解進(jìn)行編碼。該算法在*優(yōu)解的搜索過(guò)程中，先從原始問(wèn)題的一組解出發(fā)搜索到另一組較好的解，再?gòu)倪@組較好的解出發(fā)進(jìn)一步改進(jìn)。在搜索過(guò)程中，進(jìn)化算法利用結(jié)構(gòu)化和隨機(jī)性的信息，使*滿足目標(biāo)的個(gè)體獲得*大的生存可能。從本質(zhì)上，進(jìn)化算法是一種概率型的尋優(yōu)算法。 一般來(lái)說(shuō)，進(jìn)化算法包括以下步驟：給定一組初始解；計(jì)算當(dāng)前這組解的適應(yīng)度；從這組解中選擇一定數(shù)量的解作為計(jì)算下一代解的基礎(chǔ)；對(duì)這些解進(jìn)行操作，得到下一代解；若這些解滿足要求則停止，否則將一系列操作后得到的解作為當(dāng)前解，重新進(jìn)行迭代操作。 以遺傳算法為例，其工作步驟可概括如下： （1）用二進(jìn)制的0/1字符編碼當(dāng)前工作對(duì)象； （2）隨機(jī)產(chǎn)生N個(gè)由0/1字符組成的初始個(gè)體； （3）計(jì)算種群中個(gè)體的適應(yīng)度，并作為衡量個(gè)體優(yōu)劣的標(biāo)志； （4）通過(guò)復(fù)制操作，將優(yōu)秀個(gè)體放入下一代種群，實(shí)現(xiàn)“優(yōu)勝劣汰”； （5）交叉操作，產(chǎn)生新個(gè)體； （6）對(duì)某個(gè)字符進(jìn)行變異運(yùn)算，即將字符由1變?yōu)?，或由0變?yōu)?，變異字符的位置隨

商品評(píng)論(0條)
暫無(wú)評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服
主站蜘蛛池模板： 大立教育官网-一级建造师培训-二级建造师培训-造价工程师-安全工程师-监理工程师考试培训 | 高速混合机_锂电混合机_VC高效混合机-无锡鑫海干燥粉体设备有限公司 | 粘度计NDJ-5S,粘度计NDJ-8S,越平水分测定仪-上海右一仪器有限公司 | IPO咨询公司-IPO上市服务-细分市场研究-龙马咨询 | 车间除尘设备,VOCs废气处理,工业涂装流水线,伸缩式喷漆房,自动喷砂房,沸石转轮浓缩吸附,机器人喷粉线-山东创杰智慧 | 煤粉取样器-射油器-便携式等速飞灰取样器-连灵动 | 齿轮减速马达一体式_蜗轮蜗杆减速机配电机-德国BOSERL齿轮减速电动机生产厂家 | 飞歌臭氧发生器厂家_水处理臭氧发生器_十大臭氧消毒机品牌 | 南溪在线-南溪招聘找工作、找房子、找对象，南溪综合生活信息门户！ | 工业用品一站式采购平台｜南创工品汇-官网｜广州南创 | 设定时间记录电子秤-自动累计储存电子秤-昆山巨天仪器设备有限公司 | 航空连接器,航空插头,航空插座,航空接插件,航插_深圳鸿万科 | 蒸汽热收缩机_蒸汽发生器_塑封机_包膜机_封切收缩机_热收缩包装机_真空机_全自动打包机_捆扎机_封箱机-东莞市中堡智能科技有限公司 | 超声波清洗机-超声波清洗设备定制生产厂家 - 深圳市冠博科技实业有限公司 | 智能家居全屋智能系统多少钱一套-小米全套价格、装修方案 | 寮步纸箱厂_东莞纸箱厂 _东莞纸箱加工厂-东莞市寮步恒辉纸制品厂 | 中央空调温控器_风机盘管温控器_智能_液晶_三速开关面板-中央空调温控器厂家 | 团建-拓展-拓展培训-拓展训练-户外拓展训练基地[无锡劲途] | 早报网 | 武汉天安盾电子设备有限公司 - 安盾安检,武汉安检门,武汉安检机,武汉金属探测器,武汉测温安检门,武汉X光行李安检机,武汉防爆罐,武汉车底安全检查,武汉液体探测仪,武汉安检防爆设备 | 滑板场地施工_极限运动场地设计_滑板公园建造_盐城天人极限运动场地建设有限公司 | 脱硝喷枪-氨水喷枪-尿素喷枪-河北思凯淋环保科技有限公司 | 礼仪庆典公司,礼仪策划公司,庆典公司,演出公司,演艺公司,年会酒会,生日寿宴,动工仪式,开工仪式,奠基典礼,商务会议,竣工落成,乔迁揭牌,签约启动-东莞市开门红文化传媒有限公司 | 上海心叶港澳台联考一对一培训_上海心叶港澳台联考，港澳台联考一对一升学指导 | 好物生环保网、环保论坛 - 环保人的学习交流平台 | 美侍宠物-专注宠物狗及宠物猫训练|喂养|医疗|繁育|品种|价格 | 锡膏喷印机-全自动涂覆机厂家-全自动点胶机-视觉点胶机-深圳市博明智控科技有限公司 | 贴片电感_贴片功率电感_贴片绕线电感_深圳市百斯特电子有限公司 贴片电容代理-三星电容-村田电容-风华电容-国巨电容-深圳市昂洋科技有限公司 | 工业rfid读写器_RFID工业读写器_工业rfid设备厂商-ANDEAWELL | 山东聚盛新型材料有限公司-纳米防腐隔热彩铝板和纳米防腐隔热板以及钛锡板、PVDF氟膜板供应商 | 澳门精准正版免费大全,2025新澳门全年免费,新澳天天开奖免费资料大全最新,新澳2025今晚开奖资料,新澳马今天最快最新图库-首页-东莞市傲马网络科技有限公司 | 铝箔袋,铝箔袋厂家,东莞铝箔袋,防静电铝箔袋,防静电屏蔽袋,防静电真空袋,真空袋-东莞铭晋让您的产品与众不同 | 培训一点通 - 合肥驾校 - 合肥新亚驾校 - 合肥八一驾校 | 武汉高低温试验箱_恒温恒湿试验箱厂家-武汉蓝锐环境科技有限公司 | elisa试剂盒价格-酶联免疫试剂盒-猪elisa试剂盒-上海恒远生物科技有限公司 | 连续油炸机,全自动油炸机,花生米油炸机-烟台茂源食品机械制造有限公司 | 粉末冶金-粉末冶金齿轮-粉末冶金零件厂家-东莞市正朗精密金属零件有限公司 | 机床导轨_导轨板_滚轮导轨-上海旻佑精密机械有限公司 | 超声骨密度仪,双能X射线骨密度仪【起草单位】,骨密度检测仪厂家 - 品源医疗（江苏）有限公司 | 活性炭-蜂窝-椰壳-柱状-粉状活性炭-河南唐达净水材料有限公司 | DWS物流设备_扫码称重量方一体机_快递包裹分拣机_广东高臻智能装备有限公司 |