一种改进的混合量子遗传算法

提出了一种改进的混合量子遗传算法(IHQGA),该算法首先在量子个体上实施量子交叉,这一操作有利于保留相对较好的基因段;其次,采用量子比特相位法更新量子门和自适应调整搜索网格的策略;最后,引入拟Newton算法进行局部搜索操作,使得种群的多样性强,解得的收敛精度高,收敛速度快;通过复杂函数测试标明此算法的优化质量和效率都强于传统遗传算法和量子遗传算法;另外,从理论上也证明了该算法以概率l收敛于全局最优解.     

基于量子进化规划核聚类算法的图像分割

基于量子计算的并行性、进化计算简单、通用性好等优点,采用量子编码构造进化算法的染色体种群,再将二者引入到核聚类中来,提出了一种基于量子进化规划的核聚类算法.该算法充分利用了量子态的叠加性以及量子比特的概率表示,能够表示出许多可能的线性叠加状态,具有更好的种群多样性,因此将其用于解决核聚类算法中目标函数的优化问题,可以有效克服传统进化算法收敛速度慢以及早熟等问题.对Brodatz纹理图像及SAR图像进行分割,仿真实验结果表明该算法可以较好地改善图像分割效果.     

基于DE的浮点数编码自适应进化算法研究

DE自问世以来,一直是进化计算研究的热点.DE有着良好的搜索特性、较强的鲁棒性和较高的微调能力.而浮点数编码在提高算法性能和运算质量,将进化算法应用于工程优化领域中有着其它编码所不能比拟的优势.本文将DE与浮点数编码的进化计算相结合,提出了基于DE的浮点数编码自适应进化算法.经过分析和实验,验证了本算法在搜索性能上是可靠的,方法是可行的,在工程优化中具有较强的实用性.     

基于混沌免疫进化算法的聚类算法分析

结合免疫进化算法和混沌优化算法各自在数据空间搜索的优势,本文提出了一种新的基于混沌免疫进化算法的模糊c_均值聚类算法.该算法实现了从全局到局部的两层领域搜索机制,且仿真结果表明,该算法有效地避免了通常聚类方法易出现的早熟现象,同时也具有较快的收敛速度和较高的准确度.     

Pareto最优概念的多目标进化算法综述

群体搜索策略和群体间个体之间的信息交换是进化算法在解决多目标优化问题上的两大优势.目前,基于Pareto最优概念的多目标进化算法已成为多目标优化问题研究的主流方向.详细介绍了该领域的经典算法,特别对各种算法在种群快速收敛并均匀分布于问题的非劣最优域上所采取的策略进行了阐述,并归纳了算法性能评估中需要深入研究的问题.     

基于离散数字编码的蚁群连续优化算法

本文提出了一种基于离散编码的蚁群连续优化算法(CACO-DE),用于求解连续优化问题.以往蚁群算法(AC0)的研究,以求解离散优化问题为主,较少涉及连续优化问题.与经典的ACO算法不同,CACO-DE将有限精度的实数转化为一个数字串,数字串的每位取0到9之间的数字,从而实现了用离散编码描述实数的效果.CACO-DE延用了经典ACO算法的框架,并加入了特殊的选择机制、信息素更新方式和局部搜索策略.测试实验结果表明:CA-CO-DE比以往同类算法求解速度更快且精度更高.     

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.     

基于并行遗传算法的K-means聚类研究

针对传统K-means聚类算法对初始聚类中心的选择敏感,以及聚类数K难以确定的问题,提出一种基于并行遗传算法的K-means聚类方法.该方法采用一种新型的可变长染色体编码方案,随机选择样本点作为初始聚类中心形成染色体,然后结合K-means算法的高效性和并行遗传算法的全局优化能力,通过种群内的遗传、变异和种群间的并行进化、联姻,有效地避免了局部最优解的出现,同时得到了优化的聚类数目和聚类结果.实验表明该方法是一种精确高效的聚类方法.     

进化算法在定量构效关系研究中的应用

模仿自然界生物进化而发展起来的进化算法是一种启发式优化算法，以其独特新颖的思路成功应用于多领域的优化处理，笔者对进化算法在定量构效关系研究中的应用进行了综述。     

自适应搜索优化算法

自由搜索算法是一种新的群集智能优化算法,已经成功地应用于函数优化问题.针对该算法所存在的对参数敏感等问题,提出自适应搜索算法.通过自适应实时调整搜索半径、搜索步、灵敏度等参数,提高算法对环境的适应性、鲁棒性和在"探索"和"开发"之间的平衡能力.对典型函数的试验结果证明,新算法不仅降低了对参数的依赖性,而且成功率高、收敛速度快,能有效避免陷入局部次优.     

A novel global search algorithm for nonlinear mixed-effects models using particle swarm optimization

NONMEM is one of the most popular approaches to a population pharmacokinetics/pharmacodynamics (PK/PD) analysis in fitting nonlinear mixed-effects models. As a local optimization algorithm, NONMEM usually requires an initial value close enough to the global optimum. This paper proposes a novel global search algorithm called P-NONMEM. It combines the global search strategy by particle swarm optimization (PSO) and the local estimation strategy of NONMEM. In the proposed algorithm, initial values (particles) are generated randomly by PSO, and NONMEM is implemented for each particle to find a local optimum for fixed effects and variance parameters. P-NONMEM guarantees the global optimization for fixed effects and variance parameters. Under certain regularity conditions, it also leads to global optimization for random effects. Because P-NONMEM doesn’t run PSO search for random effect estimation, it avoids tremendous computational burden. In the simulation studies, we have shown that P-NONMEM has much improved convergence performance than NONMEM. Even when the initial values were far away from the global optima, P-NONMEM converged nicely for all fixed effects, random effects, and variance components.     

基于遗传算法的带有软时间窗的卫生车辆调度优化研究

采用遗传算法对应急医学救援过程中车辆调度进行了研究,考虑到救援物资需求的时间要求,建立了带有软时间窗的遗传算法数学模型。在简单遗传算法的基础上,针对车辆调度的特点,建立了科学的染色体编码方法,并对其中复制、交叉和变异进行了改进,提高了求解的效率和精度。最后采用实例对改进的遗传算法进行了测试,结果表明遗传算法在求解车辆调度问题上具有良好的性能,特别适合大规模应急医学救援车辆调度问题,表现出优越的智能化求解特点,能够为以后的应急医学救援车辆调度系统的开发提供决策优化模型。     

GA-BP神经网络在拮抗药化合物活性模式识别中的应用

目的改进传统的BP算法,建立有效的药物活性识别模式。方法用遗传算法（GA）优化误差反向传播（BP）算法,两者结合构成混合算法。结果有效地解决了常规BP算法收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度慢等缺点。结论GA-BP结合构成的神经网络是一种有效的药物活性识别模式,可获得满意的预测结果。     

A Novel Methodology for Multicomponent Drug Design and Its Application in Optimizing the Combination of Active Components from Chinese Medicinal Formula Shenmai

Traditional Chinese Medicine has become an important resource for searching the effective drug combinations in multicomponent drug designs. In this article, we investigate the methodology on how to efficiently optimize the combination of several active components from traditional Chinese formula. A new method based upon lattice experimental design and multivariate regression was applied to model the quantitative composition-activity relationship (QCAR) in this study. As a result, multi-objective optimization was achieved by Derringer function using extensive search algorithm. This newly proposed QCAR-based strategy for multicomponent drug design was then successfully applied on search optimal combination of three components from Chinese medicinal formula Shenmai. The result validated the effectiveness of the presented method for multicomponent drug design.     

药物生物利用度遗传神经网络预测研究

目的对药物生物利用度进行遗传神经网络预测。方法将人工神经网络与遗传算法应用于药物生物利用度预测研究，提出了采用遗传算法对人工神经网络进行优化的网络模型建立方法，利用遗传算法对神经网络模型中的权重进行优化,同时运用遗传算法强大的搜寻功能,得到特定条件下模型的最优解。并以药物分子体积(V)、分子折射率(R)、脂水分配系数(lgP_C)、水合能(H)、分子极化度(P)、前线轨道能量E_HOMO和E_HOMO为网络输入参数，以药物的平均生物利用度为网络输出参数，建立了药物生物利用度遗传神经网络预测模型。结果经遗传算法优化的GA-BP神经网络模型对生物利用度的预测精度为95.9%。结论该模型可以用于药物生物利用度预测研究。     

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。     

基于改进免疫遗传算法的聚类分析研究与应佑

本文分析了聚类的思想,将免疫原理引入到遗传算法并应用于聚类分析过程中,提出了改进的免疫遗传算法(MIGA).该算法借鉴了免疫算法中有关浓度的定义,并使用了GA算法中交叉和变异的思想.通过实验显示该方法优于基本的遗传算法.     

一种基于语义单元的查询扩展方法

查询扩展技术通过向初始查询请求中加入相似或者相关的词,来减少查询请求与相关文献在表达上的不匹配现象,改善检索性能.本文利用语义单元的语义表达能力和语义单元之间的关系,将与初始查询具有密切语义关系的查询词或短语加入到初始查询请求中,更加全面地表示了用户的查询意愿.算法的时间复杂度为O(L),只与搜索请求的长度L有关,与语义单元表示库的规模无关,这对实时性要求较高的搜索引擎来讲是很实用的.     

Determination of total glycyrrhetic acid in Glycyrrhizae Radix by second derivative UV spectrometry

Second derivative (D2) spectrometry using ion-pair extraction technique was developed for the determination of total glycyrrhetic acid (GA) in Glycyrrhizae Radix. Glycyrrhizin (G) obtained from Glycyrrhizae Radix was hydrolyzed into GA in 2 N-HCl and methanol (1∶1) and extracted from aqueous phase in the form of an ion-pair complex with tetrapentylammonium bromide (TPA) as a counter ion. Maximum D2 amplitude (Z value) was obrained when 1000-fold or greater molar ratio of TPA was used at pH 11. Reaction time, temerature and ionic strength did not affect ion-pair formation. Dichloromethane was an effective extraction solvent of the ion-pair complex. The linearity of standard curve of ion-pair GA was obtained in the range of 4–120 μg/ml as GA. Assayed contents of GA in dry powder by D2 UV spectrometry and HPLC method were 5.31±0.04% and 5.20±0.008%, respectively.