基于数论方法的微粒群算法

为了改进微粒群优化算法的结果,用数论网格法初始化微粒群的初始位置,对位于当前全局最优点的微粒重新初始化,最后用一种爬行算法求精微粒群寻优的结果.实验表明,改进后的算法能克服标准微粒群算法的困难,获得更好的结果.     

基于Toy模型蛋白质折叠预测的多种群微粒群优化算法研究

基于Toy模型的蛋白质折叠结构预测问题是一个典型的NP问题.提出了多种群微粒群优化算法用于计算蛋白质能量最小值.该算法采用了一种新的算法结构,在该结构中,每一代的种群被分为精英子种群、开采子种群和勘探子种群三部分,通过改善种群的局部开采能力和全局勘探能力来提高算法的性能.分别采用Fibonacci蛋白质测试序列和真实蛋白质序列进行了折叠结构预测的仿真实验.实验结果表明该算法能够更精确地进行蛋白质折叠结构预测,为生物科学研究提供了一条有效途径.     

非线性回归时选择权重的一种方法

在进行非线性最小二乘 (L S)拟合时 ,是使目标函数O(θ,Y) =ΣWie2i　 (i=1,2 ,3,… ,n) (1)达到最小值。式 (1)中 ,O(θ,Y)为目标函数 ,θ为模型参数 ,i为观察值序号 ,Xi,Yi 为第 i组观察值 ,n为观察点数。Wi 为第 i组的权重或加权系数 ,ei 为拟合后第 i组残差值即随机误差。ei=(Yi- f(θ,Xi) ) (2 )其中 ,f (θ,Xi)为第 i组函数模型拟合或计算值。式 (1)隐含假定 ,ei 独立同分布 ,且～ (0 ,σ2 )。如不能满足此项假定 ,则 L S估计的优良性质必将受到严重破坏[1 ] 。作者认为 ,选择 Wi 的目的 ,就是使 Wiei 尽量满足上述假定条件 ,…     

基于粒子群算法的Web社区发现

Web社区发现技术是提高网络搜索引擎检索质量的重要途径之一.如何给出利用较少先验信息,并能对网络进行高效划分的算法是网络社区发现的关键.传统算法如Wu-Huberman算法虽能对社区进行快速划分,但需先确定分属不同社区的两个节点,Radichi快速分裂算法依赖于网络中存在的三角形的数目,Duch J提出的极值优化算法对初始解非常敏感.本文提出一种基于粒子群优化算法的网络社区发现方法,并用不同规模的网络图Zachary、Krebs和dolphins网络结构对方法进行测试,实验结果表明,该方法在无先验信息的条件下,以较低的时间复杂度,快速、高效地完成对网络社区的划分.     

权重配方模型的非线性混合效应分析:一个药物相互作用研究实例

目的:基于权重配方模型,采用非线性混合效应分析(NONMEM),对尿囊素、甲硝唑及地塞米松联合抗炎作用的组方合理性进行定量评价,结果与原算法比较。方法:实验数据为昆明种小鼠组织纤溶酶原激活物(t-PA)样品于405nm处的吸光度值,以权重配方模型为基本模型,组方间相互作用为固定效应,并考虑随机效应,通过NONMEM法建立最终模型,定量评价尿囊素、甲硝唑和地塞米松的联合抗炎作用及其交互作用。结果:基于整体效应的权重配方模型建立成功(P<0.001),X1X2(X1尿囊素,X2地塞米松)作为固定效应加入模型,最终模型中甲硝唑对整体药效作用不明显,尿囊素与地塞米松存在较强协同作用,都是主要起效组分,最优剂量配比尿囊素∶甲硝唑∶地塞米松=400∶131∶8.0(mg/kg,i.p.)。结论:采用NONMEM法,可全面考虑各组分间交互作用及个体间和个体内误差等随机效应,使权重配方模型更加严谨,与原算法比较,提供的信息量更大。     

非线性TP的PSO求解

运输问题自提出后,人们因其在各个领域的广泛应用进行了大量研究.尤其是线型运输问题,已经设计出了多种有效解法,但它们均不能直接处理非线性运输问题.本文在经典粒子群算法PSO的基础上设计了新算法PSO-NLTP,它通过改进PSO的粒子飞行速度和飞行位置更新方程,及设计出负修复算子,既满足TP的约束条件,又扩大了搜索空间.针对经典PSO算法容易在局部最优解过早停止搜索的不足,我们添加了自适应的变异算子,以防止PSO-NLTP过早停止搜索.通过仿真实例证明,与遗传算法GA-NLTP和带惩罚策略的EP进行比较,PSO-NLTP能在较短的时间内找到更优解,结果验证了新算法的有效性.     

基于克隆选择的免疫粒子群优化算法

粒子群优化算法在进化中随种群多样性降低易出现早熟收敛等问题.针对这一问题,在粒子群算法中引入免疫克隆选择算法的思想,提出了基于克隆选择的免疫粒子群优化算法(Immune Particle Swarm Optimization,ImmunePSO),即在算法进化过程中,引入克隆复制算子、克隆高频变异算子、克隆选择算子.成比例克隆复制可以使优良个体得到保护,加快算法收敛;高频变异为新个体的产生提供了新的途径,可以增加种群的多样性;克隆选择算子从所有子代、父代中选择出最优个体,避免算法退化.最后通过对基本测试函数的仿真试验,验证了算法不仅可以增加种群的多样性,加快算法的收敛速度,而且提高了最优解的精度,有效地避免算法陷入到局部极值.     

土壤水分特征曲线模型参数识别的多邻域粒子群算法

Van Genuchten模型(简称VG模型)是目前运用最为广泛的土壤水分特征曲线模型，提出适宜的优化算法进行模型参数识别也是一个非常重要的研究方向。针对标准的粒子群算法易陷入局部最优的缺点，给出了一种多邻域粒子群算法，可以有效地克服粒子群算法易陷入局部最优的缺点，并利用该算法对VG模型参数进行识别，最后用所求解的参数对不同类型土壤持水性能进行了试验。数值实验结果表明，多邻域粒子群算法能够有效地应用于VG模型的参数识别，与其它算法相比在性能和精度上都有所提高，而且对参数的取值范围也可以较大地放宽。因此，多邻域粒子群算法可以作为VG模型参数识别的一种新方法。     

细胞松弛素B毫微粒和微粒的制备与评价

以可生物降解的聚乳酸—聚乙醇酸共聚物(PLGA)和聚L-乳酸(PLLA)为栽体,采用乳化—溶剂挥发 法制备含细胞松弛素B(cyto B)的毫微粒和微粒,其粒度分别为150nm,500nm,1μm,5μm,10μm和20μm。体外释放实验证明,可通过选择适当的基质材料和粒子大小达到所期望的药物释放过程。     

基于动态多种群粒子群支持向量机的短期负荷预测

针对标准粒子群优化(PSO)算法存在易陷入局部极值点的缺点,提出了一种基于物种概念的动态多种群粒子群优化算法(DMPSO).在DMPSO中引入了物种概念,在进化过程中动态确定物种,利用种群多样性信息动态调整物种半径,通过物种对解空间的不同区域进行搜索,最终确定出各极值点.将DMPSO算法和支持向量机(SVM)相结合,形成了解决电力系统短期负荷预测问题的新方法(DMPSO-SVM).在该方法中利用DMPSO算法来优化SVM中的参数,利用快速傅立叶变换(FFT)进行频谱分析并确定SVM的输入量.电力系统短期负荷预测的实际算例表明,与传统预测方法相比,该方法具有更高的预测精度和鲁棒性.     

Nonlinear Effects of Nanoparticles: Biological Variability From Hormetic Doses,Small Particle Sizes,and Dynamic Adaptive Interactions

Researchers are increasingly focused on the nanoscale level of organization where biological processes take place in living systems. Nanoparticles (NPs, e.g., 1–100 nm diameter) are small forms of natural or manufactured source material whose properties differ markedly from those of the respective bulk forms of the “same” material. Certain NPs have diagnostic and therapeutic uses; some NPs exhibit low-dose toxicity; other NPs show ability to stimulate low-dose adaptive responses (hormesis). Beyond dose, size, shape, and surface charge variations of NPs evoke nonlinear responses in complex adaptive systems. NPs acquire unique size-dependent biological, chemical, thermal, optical, electromagnetic, and atom-like quantum properties. Nanoparticles exhibit high surface adsorptive capacity for other substances, enhanced bioavailability, and ability to cross otherwise impermeable cell membranes including the blood-brain barrier. With super-potent effects, nano-forms can evoke cellular stress responses or therapeutic effects not only at lower doses than their bulk forms, but also for longer periods of time. Interactions of initial effects and compensatory systemic responses can alter the impact of NPs over time. Taken together, the data suggest the need to downshift the dose-response curve of NPs from that for bulk forms in order to identify the necessarily decreased no-observed-adverse-effect-level and hormetic dose range for nanoparticles.     

改进低分子肝素皮下注射方法对皮下出血的影响

目的观察冠心病患者接受冠状动脉支架植入术后应用低分子肝素(LMWH)中,改良皮下注射方法对皮下出血的影响。方法取冠状动脉支架植入术治疗的冠心病患者100例,均为术后连续应用LMWH7天。每例患者腹部皮下注射LMWH1次/12h,累计1400例次。将100例患者随机分为改进组50例,共700例次,对照组50例,共700例次。结果改进组出血例次明显减少,与对照组比较有统计学意义(P<0.01)。结论在冠心病患者行冠状动脉支架植入术后应用LMWH时,采用改良的皮下注射方法可以显著降低皮下出血的发生率。     

基于非线性状态空间模型的情感模型研究

如何赋予机器情感智力以实现和谐自然的人机交互是人工情感研究的核心内容,其中情感建模是研究重点和难点.基于心理学的基本情绪论和人格特质论提出了一种非线性情感模型.在模型中首先定义了情绪空间、心境空间和个性空间,确定了心境、个性对情绪的影响关系矩阵;其次采用非线性系统的状态空间模型来模拟人类情感状态的变化;最后对模型进行了仿真,仿真结果表明该模型体现了人类情绪的非线性特点,符合人类情感变化规律.     

一种基于模糊神经网络加权的多维稀疏模糊推理方法

在稀疏规则库条件下,经典的插值理论针对一维稀疏规则库提出了各种不同的插值方法,取得了很多很好的经验;但对多维稀疏规则条件的近似推理研究很少,不仅存在着难以保证推理结果的凸性和正规性等问题,而且没有考虑到多维变量之间的联系即对结论的影响权值,造成推理结果的误差性更大.多变量规则的模糊插值推理是插值推理研究的重要方面,为了在多变量稀疏规则条件下得到好的插值推理效果,本文提出了一种基于模糊神经网络加权的多维模糊推理方法,为智能系统中的模糊推理提供了一个十分有用的工具.     

基于改进遗传算法的图像恢复方法

通过对遗传算法在进行图像恢复时存在的早熟现象的研究,指出了在图像恢复中早熟现象产生的原因是种群多样性的迅速减少引起的.针对应用遗传算法进行图像恢复时存在的局限性,提出了一种改进的遗传算法.该算法通过加入随机种群弥补种群中减少的多样性,通过改进变异算予使算法加速向最优解收敛.实验结果表明,该算法不论以峰值信噪比为标准,还是以人的主观感觉判断,都明显优于简单遗传算法.而且,该方法能较好地抑制早熟现象,恢复效果对图像的模糊程度依赖性小,可以恢复严重模糊的图像.     

基于改进的PCM支持向量描述多类分类器

基于支持向量数据描述和改进的可能性c-均值聚类算法,提出了一种模糊的多类分类学习机.首先通过一个改进的PCM算法来计算每个样本对于每类的权值矩阵,该权值也反映了该样本对某类的重要程度;然后将该权值矩阵应用到支持向量数据描述方法中,并对样本进行训练;最后给出了一个针对多类分类的分类规则(函数),并从理论上证明该分类规则满足贝叶斯优化决策理论.通过对比实验分析,本文提出的算法在分类精度和训练时间上都有较大的改善.     

一种改进的基于正区域的决策树算法

首先分析了基于正区域、基于粗糙边界和基于依赖度的属性选择标准的关系,并证明了这三种属性选择标准彼此等价.然后以正区域的属性选择标准为代表,分析了、基于正区域的决策树生成算法的优点和不足.针对这些不足,给出了一种新的属性选择标准,即基于伴随正区域的属性选择标准.用新的属性选择标准生成的决策树一般具有叶子数目较少,叶子的平均深度也较小,且叶子具有较强的泛化能力.最后,用一实例说明了新的属性选择标准的优越性.