乳腺癌病人创伤后成长状况及其影响因素分析

乳腺癌是女性最常见的恶性肿瘤,其发病率已居大城市女性肿瘤的第1位。该疾病给病人身心带来巨大痛苦和负面影响[1],但随着积极心理学的发展,人们逐渐意识到创伤性事件也可促进个体的正性人格改变和成长,即可以产生创伤后成长（posttraumatic growth，PTG）。

求解多维背包问题的MapReduce蚁群优化算法

应用MapReduce编程模式实现蚁群优化算法的并行化计算,提出基于MapReduce的改进背包问题蚁群算法。通过改进概率计算时机、轮盘赌、交叉、变异等技术,降低蚁群算法的计算复杂度。在云计算环境中应用该算法分布式并行地求解大规模多维背包问题,仿真实验结果表明,该算法能改善蚁群算法搜索时间长的缺陷,增强对大规模问题的处理能力。

一种求解TSP问题的分段交换蚁群算法

介绍了一种求解TSP问题的分段交换蚁群算法。分段交换蚁群算法把小窗口、随机分段优化求解、模拟退火充分交换的思想引入蚁群算法,把蚁群算法和模拟退火算法融合。该算法在蚁群算法陷入局部最优解的情况下,能改进其局部最优解,并可减少迭代次数。仿真实验表明取得了较好的效果。

一种求解0-1背包问题的快速蚁群算法

0-1背包问题是典型的NP完全问题,且蚁群算法已成功地解决了许多组合优化的难题。因此,文中介绍一种基于蚁群算法求解0-1背包问题的算法,并对此算法进行优化,提出一种求解0-1背包问题的快速蚁群算法。它大大减少了蚁群算法的搜索时间,有效改善了蚁群算法易于过早地收敛于非最优解的缺陷,当物品数较大时,也取得了较好的求解质量。仿真实验取得了较好的结果。

基于MapReduce和多目标蚁群算法的多租户服务定制算法

多租户服务定制能满足租户不断变化的个性化服务需求,是实现灵活的SaaS多租户软件体系结构的核心技术之一.文中给出多租户服务定制的层次结构图和定制流程,并提出基于MapReduce和多目标蚁群算法的多租户服务定制算法(MSCMA).MSCMA从众多业务流程和海量服务中为租户定制出最适合的业务流程和优化的服务组合,并设计多目标蚁群算法,应用MapReduce云计算技术,在云计算环境中分布式并行地运行优化任务,并采用优良解保持策略和解多样性保持策略.实验表明,MSCMA在求解多租户个性化服务定制问题时表现出良好的收敛性和扩展性,具有处理海量数据和大规模问题的能力.

求解聚类问题的改进人工鱼群算法

聚类在数据挖掘、统计学、机器学习等很多领域都有很大应用。聚类问题可以归结为一个优化问题。人工鱼群算法(AFSA)是一种新提出的新型仿生优化算法。在分析AFSA存在不足的基础上,提出一种改进人工鱼群算法,并应用于求解聚类问题。算法保持了AFSA算法简单、易实现的特点,通过改进个体鱼的行为,并引入均匀交叉算子,将人工鱼群算法和遗传算法融合,显著提高了算法运行效率和求解质量。仿真实验取得了较好的结果。

基于蚁群算法求解最大团问题

最大团问题是一种典型的NP完全问题,是图论中一个经典的组合优化问题。研究将蚁群算法应用于求解最大团问题,提出一种求解最大团问题蚁群算法。通过定义最大团问题蚁群算法中的各元素,并改进了蚂蚁搜索解的方法,有效地改善蚁群算法易于过早地收敛于局部最优解的缺陷。仿真实验表明,图中的顶点数较多时,也取得了较好的结果。

七氟醚在心脏手术中的脑保护作用的研究

近年来,随着心脏外科,麻醉,体外循环技术的不断进步,心脏术后患者死亡率和并发症不断下降,但是术后神经系统并发症仍然居高不下。有文献报道心脏冠状动脉旁路移植术的患者术后认知功能障碍出院时发生率为45%～88%,术后六周的发生率仍为15%～36%[1]。

基于鱼群算法的多维背包问题研究

将鱼群算法应用于求解多维背包问题,提出一种求解多维背包问题的鱼群算法,MKPAFSA。定义MKPAFSA中的各元素,且引入启发因子和动态因子,并对鱼群算法进行了改进和优化。它减少了人工鱼的搜索时间,有效改善了鱼群算法后期收敛较慢且一般仅能得到满意解域的缺陷。仿真试验取得了较好的结果。

降低体外循环预充量实现低体重成人患者围术期节约用血策略的研究

目的探讨降低体外循环预充量,减少低体重成人患者库存红细胞用量的方法。方法将60例体重在40-60kg的患者随机分为三组：A组（Dideco905膜式氧合器,儿童管道）,B组（希健成人膜式氧合器,儿童管道）,C组（JostraVKMO70000膜式氧合器,成人管道）。观察三组患者实际预充量、复温时间、术中用血例数、ICU 24 h内用血例数、术后带管时间,监测转机前（T0）、转中（T1）、复温（T2）、停机（T3）、ICU 0 h（T4）、ICU 1 h（T5）、ICU 3 h（T6）血气指标。结果三组在复温时间、术后带管时间,术中及术后ICU 24 h内用血量无统计学差异（P〉0.05）。C组预充量大于A,B两组（P〈0.05）。血红蛋白浓度在T1、T2时间点有统计学差异（P〈0.05）,其余各时间点无统计学差异（P〉0.05）,T1、T2时间点进行组间比较,C组低于A、B两组（P〈0.05）。结论通过改良体外循环预充管道,减少了预充液对低体重患者血红蛋白稀释的影响,减少了围术期库存红细胞的应用机率。

基于分治、剪枝和蚁群算法求解最大团问题

最大团问题是经典的NP-hard问题,对该问题求解方法的研究在理论上,实践上都具有一定的意义。蚁群算法已成功地求解许多组合优化难题。本文使用分治法,将图分解成子图,对各子图应用蚁群算法求解,并根据目前求得的最优解的值对各个子图进行剪枝,去除对求解没有意义的点,提出基于分治、剪枝和蚁群算法求解最大团问题的算法。它减小了问题的求解规模,使求解容易。实验取得了较好的结果。

基于群体智能求解N后问题

提出了一种求解N后问题的蚂蚁模型算法,它受群体智能的蚂蚁算法和多Agent系统的启发,并吸收了回溯算法的优点,是一种随机搜索算法,从根本上改变了回溯算法的系统地搜索机制,避免了大量的冗余搜索,又保证了必要的搜索。在求解N后问题的第一个解时,大大地减少了求解时间和求解步数,当N较大时,也可得到较好的求解效果。仿真实验结果证实了这一算法的有效性。

网格曲面模型及样条曲面模型的样条实体构建的研究综述

等几何分析的研究极大地促进了CAD、CAE的无缝结合,而如何构建样条实体模型成为制约等几何分析发展和应用推广的关键瓶颈。从等几何计算的视角出发,介绍NURBS和T样条基础理论,着重介绍了NURBS、B样条和T样条实体建模的研究进展,并分析了各种构建方法的优点和存在的不足。最后,对未来需要进一步深入研究的关键问题进行了分析和探讨。

基于分治策略和蚁群算法的最大团问题的研究

最大团问题是经典的NP-hard问题,对该问题求解方法的研究在理论上、实践上都具有一定的意义.蚁群算法已成功地求解出许多组合优化难题.通过使用分治法,将图分解成子图,对各子图应用蚁群算法求解,提出一种求解最大团问题的蚁群算法.它减小了问题的求解规模,使求解变得容易,且实验取得了较好的结果.

基于MapReduce的蚁群算法

云计算环境下应用蚁群算法分布式并行对问题进行求解的研究较少,且蚁群算法存在搜索时间长和易收敛于非最优解的缺陷,当问题的规模较大时求解困难。为此应用云计算技术将蚁群算法并行化,提出基于MapReduce的蚁群算法。该算法将分治思想和模拟退火算法融入蚁群算法,改进其缺陷,并应用于求解较大规模的旅行商问题。仿真实验取得了较好的效果,且获得了测试实例gr666的新解。

基于无线传感器网络的CO监测系统设计

空气中低浓度一氧化碳的监测及如何将监测信号实时、低成本的传输到监测点是关心的问题,针对问题,研究了采用LED为光源,用调制加在法布里-珀罗腔上的驱动电压和单波长双光路差分吸收法相结合的方法来测量低浓度一氧化碳气体的光谱吸收型气体传感器.运用无线传感器网络实时监测、感知和采集网络分布区域内的一氧化碳浓度,利用CDMA网络实现远程监控.实现在线,实时监测,降低了成本,提高了效率.

住院乳腺癌患者心理痛苦及其相关因素调查

目的调查住院乳腺癌患者心理痛苦发生状况并探索其相关因素。方法采用描述性研究,通过目的抽样法抽取住院乳腺癌患者320例,采用一般资料问卷和心理痛苦管理筛查工具进行问卷调查。结果 48.13%的住院乳腺癌患者心理痛苦评分≥4分;心理痛苦相关因素有6项,即与丈夫沟通差、疲乏、保险/经济、便秘是危险因素,年龄和病程是保护性因素。结论医护人员应当关注乳腺癌患者引起心理痛苦的相关因素,并制订具有针对性的干预措施。

基于MapReduce和多目标蚁群算法的制造云服务动态选择算法

基于云计算技术和云服务技术研究了云服务的动态选择问题,给出了云制造服务层次化模型,提出了一种基于MapReduce和多目标蚁群算法的制造云服务动态选择算法(CSSMA)。依据CSSMA设计了多目标蚁群算法、Map函数、Reduce函数和优化策略等,并将其分布式并行运行于制造云平台中。仿真实验结果表明:CSSMA具备良好的处理大规模问题的能力,适用于制造云服务动态选择问题的求解。

云计算环境下鱼群算法的研究

人工鱼群算法(AFSA)是一新型仿生优化算法,已成功地应用于求解很多组合优化难题。但人工鱼群算法对这些问题的求解主要是在集中式串行的环境下,而云计算环境下应用人工鱼群算法分布式并行对问题进行求解的研究很少。该文应用云计算技术将人工鱼群算法并行化,将人工鱼群算法和遗传算法融合,显著提高了算法求得全局最优解的能力。仿真实验取得了较好的结果。

基于蚁群算法的多维0-1背包问题的研究

系统地阐述了蚁群算法,并对它进行改进、优化。将蚁群算法应用于求解多维0-1背包问题,提出一种求解多维0-1背包问题的算法——多维0-1背包问题蚁群算法。它大大减少了蚁群算法的搜索时间,有效改善了蚁群算法易于过早地收敛于非最优解的缺陷。仿真实验取得了较好的结果。