一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向.将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型.仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能.     

2种不同浓度18种氨基酸不良反应对比

本文选取剖宫产术后（同年龄段）、相同治疗方案、两种浓度氨基酸发生不良反应各100例进行比较。探讨术后常用氨基酸的应用浓度,以便于减少不良反应发生率、减轻患者痛苦。     

量子寄生遗传算法求解Flow Shop及两阶段配送的集成调度问题

针对Flow Shop及两阶段配送的集成调度问题,考虑各种约束条件,以交货时间最短为目标构建混合整数规划模型。该模型中,第1阶段配送是工件原材料从仓库由吊车搬运到生产车间的加工机器上,第2阶段配送是工件完工后由一辆卡车运送至顾客。根据该集成调度问题特点,提出了基于量子理论和寄生理论的量子寄生遗传算法（Quantum Bio parasitic Genetic Algorithm,QBGA）。该算法设计了能够同时带有工件的运输批次和生产排序信息的编码,该编码保证了每个个体都是充分协调生产能力和运输能力的可行解,同时构建了两个种群——宿主群和寄生群,执行寄生机制与反寄生机制从而增加基因多样性和加快算法收敛速度,最后通过仿真实验验证了QBGA算法的有效性。     

一种几何图形目标的检测之遗传算法

提出一种遗传算法用来检测图像中的几何图形，将待检测几何图形的参数，采用浮点数编码。参照经典的HOCGH变换，构造个体的适应度函数，采用最优保存策略，将群体中适应度最高几位的个体，直接复制到下一代群体中，其余的个体，使用多点交叉运算和均匀变异运算，形成新的个体，遗传到下一代群体中，当满足算法结束条件时，将群体中适应度最高的个体经解码后，作为检测出来的几何图形的参数。本文提出的遗传算法，能够消除噪声干扰，收敛性好，计算结果精确，与经典的HOUGH变换相比，本算法时间和存储空间开销小，易于计算机编程的实现。     

一种几何图形目标的检测之遗传算法

提出一种遗传算法用来检测图像中的几何图形。将待检测几何图形的参数,采用浮点数编码。参照经典的HOUGH变换,构造个体的适应度函数。采用最优保存策略,将群体中适应度最高几位的个体,直接复制到下一代群体中,其余的个体,使用多点交叉运算和均匀变异运算,形成新的个体,遗传到下一代群体中。当满足算法结束条件时,将群体中适应度最高的个体经解码后,作为检测出来的几何图形的参数。本文提出的遗传算法,能够消除噪声干扰,收敛性好,计算结果精确。与经典的HOUGH变换相比,本算法时间和存储空间开销小,易于计算机编程的实现。     

一种推导药动学稳态浓度计算公式的方法

提出一种用药－时关系的微分方程直接推导药动学稳态浓度计算公式的方法。该方法适用于静注、口服给药的线性和非线性模型，故有较广泛的实用性。     

对比剂碘浓度对肺动脉CTA的影响

目的了解对比剂碘浓度对肺动脉血管成像的影响,探讨降低对比剂碘浓度的可行性。方法抽取我院2011年5月-2012年8月拟诊为肺动脉栓塞的患者18位,随机分为三组,分别进行肺动脉CTA检查,分别以三种浓度370mgl/ml、300mgl/ml、285mgl/ml使用剂量为1.5ml/kg的优维显碘造影剂以3.0ml/s速率进行注射。再根据原始图像和容积重现,密度投影及多平面重建等四个方面分别对患者肺动脉成像的清晰程度及各个血管分支显示情况进行评价。结果三组检查对象在图像的各方面评价基本一致。组间评分两两比较差异均无统计学意义。结论降低对比剂碘浓度,亦可得到良好肺动脉CTA图像,为临床线条优化碘对比剂使用,减少毒副作用提供了参考价值和依据。     

CT冠状动脉成像中两种碘浓度对比剂成像效果比较

目的探讨不同碘浓度对比剂对16层螺旋CT冠状动脉成像的影响。方法连续收集107例行CT冠状动脉成像检查的患者,分别予Ioversol 320(Ioversol 320组,n=55)和Iohexol 350(Iohexol 350组,n=52),以4.0 mL/s团注速率进行成像,以回顾性心电门控的方法进行冠状动脉重建。分别测定各个感兴趣区增强后的CT值。按美国心脏学会的15段分类法对冠状动脉进行血管分段,并根据图像质量评分。分析两组间各项指标的差异。结果在主动脉根部和降主动脉所测CT值和4支冠状动脉起始段所测平均CT值,Iohexol 350组均显著高于Ioversol 320组(P<0.05)。两组间图像质量平均评分及可分析和诊断的冠脉节段比例比较,Iohexol 350组均显著优于Ioversol 320组(P<0.01)。结论在16层螺旋CT冠状动脉成像中,使用较高碘浓度的对比剂能够获得更佳的冠状动脉显影,从而提高图像质量。     

CT冠状动脉成像中两种碘浓度对比剂成像效果比较

目的 探讨不同碘浓度对比剂对16层螺旋CT冠状动脉成像的影响.方法 连续收集107例行CT冠状动脉成像检查的患者,分别予Ioversol 320(Ioversol 320组,n=55)和Iohexol 350(Iohexol 350组,n=52),以4.0 mL/s团注速率进行成像,以回顾性心电门控的方法进行冠状动脉重建.分别测定各个感兴趣区增强后的CT值.按美国心脏学会的15段分类法对冠状动脉进行血管分段,并根据图像质量评分.分析两组间各项指标的差异.结果 在主动脉根部和降主动脉所测CT值和4支冠状动脉起始段所测平均CT值,Iohexol 350组均显著高于Ioversol 320组(P＜0.05).两组间图像质量平均评分及可分析和诊断的冠脉节段比例比较,Iohexol 350组均显著优于Ioversol 320组(P＜0.01).结论 在16层螺旋CT冠状动脉成像中,使用较高碘浓度的对比剂能够获得更佳的冠状动脉显影,从而提高图像质量.     

基于改进遗传算法的Claus脱硫尾气加氢反应动力学

由于Claus反应在热力学上存在反应平衡,传统的Claus装置中尾气不能满足目前的排放要求。加氢还原吸收新工艺将尾气中的SO₂、有机硫、单质硫等硫化物转化为H₂S,提浓后再返回Claus装置,从而达到较高的总硫回收率。本文提出了一种幂指数型反应动力学模型,并采用改进遗传算法对动力学模型参数进行估值。统计检验和误差分析表明此模型计算值与实验值吻合良好,所建立的反应动力学模型适宜。     

改进遗传算法求解三维集装箱装载问题

集装箱配载是一个复杂的组合优化问题,约束条件多,属于NP完全问题,求解难度大。本文在考虑一些实际应用中的约束条件下,提出了一种三维集装箱装载的改进遗传算法。算法中考虑了货物放置方向、装载容积等约束条件,给出了有效的解码算法。实例仿真结果说明了该算法的有效性和实用性,可以直接在实际中应用。     

基于多代竞争遗传算法的数值函数优化

目的 对标准遗传算法的过早收敛问题进行改进。方法保持种群的多样性,将上几代个体中的一部分与本代共同参与竞争,提出多代竞争遗传算法,通过理论分析和对数值函数优化证明该算法的有效性。结果推导出多代竞争遗传算法的模式定理,经验证明显优于标准遗传算法。结论多代竞争遗传算法有利于保持种群的多样性,避免了过早收敛。     

基于改进的遗传算法优化支持向量机的精馏塔故障诊断

针对支持向量机（SVM）参数的选取困难,提出了利用改进的遗传算法（IGA）对其参数进行优化。IGA采用代沟选择和可变交叉概率,确保当前种群中最适应的个体总是被连续传播到下一代,并使进化后期优化的对象比较容易稳定,计算效率提高。将基于改进遗传算法优化的SVM（IGA-SVM）训练算法应用于某醋酸共沸精馏塔的故障诊断,仿真实验结果表明：对比标准GA-SVM算法,IGA-SVM算法对故障数据能够得到较优的分类辨识结果,且该算法训练速度更快,便于工程应用,对精馏塔的故障诊断有显著的指导作用。     

基于改进蚁群算法的多目标Job-shop动态调度

实际作业车间调度中多目标的动态优化更符合生产的需求。利用多目标优化问题的Pareto解集思想构建最大完工时间最小以及总拖期时间最小的数学模型,以事件驱动作为动态调度策略实现作业车间的动态调度。采用多目标蚁群算法优化启发式算法,并对算法的转移概率及全局信息素更新进行改进,加快算法的搜索收敛速度同时避免陷入局部最优。仿真实验证明,改进后的算法能实现Pareto前沿较好的均匀性与分布性,对双目标调度以及单个目标独自调度时的甘特图对比,表明双目标优化算法能更好地平衡各个目标的解。最后对急件插入以及机器故障两种动态事件进行仿真,验证了改进蚁群算法在实际动态调度中有较好的实现。     

基于遗传算法的关联规则挖掘研究

对在传统的关联规则挖掘算法下产生的关联规则出现的问题进行分析,引入兴趣度并结合遗传算法的特点,提出一种基于遗传算法的关联规则挖掘算法,通过遗传算法的自适应寻优技术和兴趣度更好地筛选出关联规则。通过实验证明,该算法是有效的。     

基于混合遗传算法的K-Means最优聚类算法

针对遗传算法的K-Means聚类算法在遗传过程中容易受到适应度最大染色体的影响,存在过早收敛于局部最优值和遗传算法的局部搜索性能较差的问题,提出了结合混沌优化方法形成的混合遗传算法。仿真实验表明:该方法有效地克服了遗传算法的早熟问题,从而得到最优的聚类中心。     

基于混合编码遗传算法的最优跟踪门

跟踪算法优化可以提高跟踪质量,选择恰当的跟踪门是优化跟踪算法的关键措施之一。本文提出了一种基于混合编码的遗传算法,用于杂波环境下目标跟踪过程中跟踪门参数的离线优化。该算法将二进制编码与浮点数编码结合,对跟踪门的形状和大小进行混合编码,选择跟踪精度性能指标构造遗传算法的适应度函数,以此将跟踪算法的优化问题转化为遗传算法寻优,在不同杂波环境下优化跟踪门参数设置。