Chi-CpG NP的制备及其对rNMB0315蛋白的免疫效果

目的制备黏膜免疫佐剂Chi-CpG NP,并检测其对重组B群脑膜炎奈瑟菌0315蛋白(rNMB0315)的免疫效果。方法用壳聚糖纳米颗粒(Chi NP)包裹免疫刺激分子(CpG-ODN)合成Chi-CpG NP,随后检测其理化性质和安全性。将不同黏膜免疫佐剂与rNMB0315充分混合、吸附,滴鼻免疫雌性BALB/c小鼠,检测PBS组、rNMB0315组、rNMB0315+CpG组、rNMB0315+Chi NP组、rNMB0315+Chi-CpG NP组小鼠免疫42天后的体液免疫(IgG、IgG1、IgG2a、sIgA)、细胞免疫水平[白细胞介素(IL)-4、γ干扰素(IFN-γ)、IL-17A]、免疫保护效果以及血清体外杀菌活性。结果成功制备的Chi-CpG NP呈球形,大小均一,有较好的吸附性能和良好的安全性。小鼠免疫42天后,体液免疫和细胞免疫水平rNMB0315+Chi-NP组、rNMB0315+Chi-CpG NP组高于rNMB0315组(P<0.05);rNMB0315+Chi-CpG NP组高于rNMB0315+CpG组和rNMB0315+Chi-NP组(P<0.05)。致死剂量B群脑膜炎奈瑟菌攻击各组小鼠后,rNMB0315+Chi-CpG NP组小鼠存活率最高;血清体外杀菌抗体滴度为1∶4。结论成功制备了Chi-CpG NP。Chi-CpG NP能增强rNMB0315蛋白的免疫效果,提高小鼠的存活率。

汉语评价构式“一群NP”探析

"一群NP"作为标记性评价构式,表达的是一个断言,是对事件中出现人物的负向评价。该构式义压制了进入构式的词项,选择并凸显词项与构式相一致的意义:NP须具有[+述人]、[+负向评价]的语义特征,中性或正向评价的词项须在词项前增添负向评价的定语,才可与构式语义和谐。"一群NP"的语法化是在信息的最大化原则和经济的最大化原则的互动下,"你们是一群NP"这一原型断言句式由于主观性增强,因而逐渐脱离客观真值、失却现场性的主观化过程。

分布式蚁群算法在求解NP问题中的应用研究

集合覆盖问题已被证明是一个NP完全问题，现在所有的NP完全问题，没有多项式时间算法求解。目前为集合覆盖问题的主要的近似算法，复杂或大型集合覆盖问题，现有的算法很难达到理想的优化效果。蚁群算法是基于群体智能的进化算法为基础的小说，关注个体的蚂蚁之间的合作，利用信息素正反馈机制，具有很强的寻找更好的解决方案的能力。蚁群算法已成功地应用在许多复杂的优化问题，其优化能力提供了一种新的思路来解决集合覆盖问题。蚁群算法具有耗时长、易陷入局部最优解的缺点。

沙培林雾化吸入联合NP方案对晚期非小细胞肺癌的疗效观察及T细胞亚群的影响

目的:观察沙培林雾化吸入联合NP方案治疗晚期非小细胞肺癌的临床疗效及其对T细胞亚群的影响。方法:选取本院收治的晚期非小细胞肺癌患者68例,随机分为沙培林雾化吸入联合NP方案组(O-NP组)及单纯NP方案组(NP组),每组各34例,比较两组治疗后的临床疗效及T细胞亚群水平。结果:O-NP组的临床疗效明显优于NP组,两组比较差异有统计学意义(P<0.05);O-NP组治疗后T细胞亚群水平明显优于治疗前,也明显优于NP组,差异均有统计学意义(P<0.05)。结论:沙培林雾化吸入联合NP方案治疗晚期非小细胞肺癌的疗效显著,可有效改善患者免疫功能,值得临床推广应用。

改进粒子群优化算法求解任务指派问题

任务指派问题是典型NP难题,引入粒子群优化算法对其进行求解。建立了任务指派问题的数学模型,给出了粒子群优化算法求解任务指派问题的具体方案。为提高其优化求解效果,引入变异机制及局部更新机制对粒子群优化算法进行改进。实例及数字仿真验证了改进粒子群优化算法的有效性。

基于蚁群优化解决传感器网络中的能量洞问题

基于多跳的无线传感器网络,越靠近sink的传感器节点因需要转发更多的数据,其能量消耗就越快,从而在sink周围形成了一种称为"能量洞"的现象."能量洞"问题会导致整个网络由于内部节点能量过早耗尽而结束寿命,同时,网络中离sink较远的节点仍有大量能量剩余.研究"能量洞"现象,基于改进的分级环模型,总结出调节各环内节点的数据传输距离是实现网络节能的有效方法.证明搜索各区域最优的传输距离是一个多目标优化问题,即是NP难问题.从而提出一种基于蚁群优化的分布式算法,各区域根据其节点分布情况自适应地探索近似最优的传输距离,延长网络寿命.模拟实验结果表明,该算法在较短的时间内能够收敛到合理的解,并且得到的网络寿命接近于理想情况下的最优时间,与现有的类似算法相比,该算法提供了更长的网络寿命,并能适用于非均匀节点分布情况.

改进粒子群优化算法求解旅行商问题

提出了一种改进粒子群学习算法,在改进的算法中,粒子不仅根据自身和同伴中最好的个体调整自己的飞行速度,而且按照一定的概率向其他个体学习。这种强化后的学习行为更符合自然界生物的学习规律,更有利于粒子发现问题的全局最优解。同时借鉴单点调整算法思想,提出了调整因子和调整序概念用以重构粒子群算法。最后,用改进后的粒子群算法求解旅行商问题,数字仿真表明了算法的有效性。

面向第Ⅱ类装配线平衡问题的蚁群算法

针对第Ⅱ类装配线平衡问题,提出一种基于可行装配序列的改进蚁群算法。算法基于可选操作集合的动态改变和工位作业时间优化目标的更新,给出操作分配至工位的分配准则。针对该问题的特点,提出工位和操作间的信息素、操作和操作间的信息素两种信息素。蚂蚁根据前者和启发式因素的权值为当前工位随机选择一项操作为该工位的首项操作,依据后者和启发式因素的权值为已选操作组合随机选择一项操作作为其组合操作。利用与经典测试算例的比较及工业实例的运行,验证了算法的正确性和工业应用优势。

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高 ,一直是一个非常重要而且又非常困难的问题 .特别是问题的规模很大时 ,目前各种算法计算就非常困难 ,有的甚至无法得到合理的方案 .蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法 .根据工件排序问题的特点 ,建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型 .在蚁群算法的基础上对其进行了改进 ,成功地把改进的蚁群算法用于工件排序问题的优化中 .通过与其他算法的仿真比较 ,表明基于蚁群系统的算法是有效的 。

蚁群算法在连续空间寻优问题求解中的应用

将蚁群算法引入连续空间的函数寻优问题求解 ,通过将传统蚁群算法中的“信息量留存”过程拓展为连续空间中的“信息量分布函数”,定义了相应的求解算法。对多极值函数和非线性连续函数的寻优实例仿真取得了良好的结果 ,显示了蚁群算法在连续空间优化问题中的应用前景。

一种基于蚁群系统的配电系统母线槽布线算法

配电系统母线槽的布线问题是一个典型的NP完全的组合最优化问题,随着问题规模的增大,求解时间按指数规模增长。本文提出一种新的基于蚁群系统的布线算法,通过模拟蚁群寻找从蚁巢到食物最短路径的过程来求解最优布线路径。试验结果表明:该算法能够在整个解空间求解布线问题,时间复杂度相对较低,易于和约束条件结合,且有很好的鲁棒性。

基于蚁群算法的集合覆盖问题

蚁群算法是一种基于群体智能原理的优化模型,用于解决组合优化问题。集合覆盖问题是NP完全问题中应用面最广的问题之一,它在模式识别、机器学习等领域中具有重要的应用。以SCHF[1]启发函数作为启发信息,用蚁群算法求得集合覆盖问题的优化解。通过几种算法的仿真结果对照表明,用蚁群算法求解集合覆盖问题是有效的,蚁群算法得到的解是比较理想的。

求解0-1背包问题的二进制狮群算法

针对传统二进制群智能算法求解0-1背包问题易陷入局部最优、收敛速度慢的缺点,提出一种新的解决离散空间问题的二进制狮群算法BLSO。二进制狮群算法对狮王、母狮和幼狮的位置重新定义,引入反置运算、移动算子和学习算子建立全新的位置转移方式和局部搜索规则;加入贪心策略进行解的可行化处理和充分利用,增强局部搜索能力,进一步提高收敛速度。对9个典型的0-1背包算例进行仿真实验,实验结果表明,该算法不仅可以有效求解0-1背包问题,而且还能够以较快的速度搜索到精度较高的次优解甚至全局最优解,具有较好的稳定性;同时,对高维背包问题的求解与参考算法相比,在寻优时间和精度上更具优势。

求解0/1背包问题的自适应元胞粒子群算法

对0/1背包问题进行研究,提出一种自适应元胞粒子群算法。在算法设计过程中,重新定义粒子位置和速度的更新方程,引入自适应因子,为有效粒子的主动进化和无效粒子的主动退化提供依据,新的编码方式使得新产生的粒子能够以更大的概率和更快的速度成为有效粒子,将元胞及其邻居引入到算法中保持种群的多样性,利用元胞的演化规则进行局部优化,避免算法陷入局部极值。对多组不同规模的背包问题进行仿真实验,结果表明,该算法不仅可以有效求解0/1背包问题,而且能够以较快的速度搜索到精度较高的次优解甚至全局最优解,具有较好的稳定性。

基于蚁群算法的中国旅行商问题满意解

蚁群算法是基于群体合作的一类仿生算法 ,适合于解困难的离散组合优化问题。本文对其做了适当的改进 ,以克服其求解速度过慢、容易出现停滞的缺陷 ,并将其用于解决中国旅行商问题 ,找到了目前已知的最好的解 。

带时间窗车辆调度问题的改进粒子群算法

带时间窗车辆调度问题是一类典型的NP难解问题。为了克服标准粒子群算法存在早熟收敛和易陷入局部解等问题,提出了一种改进的粒子群优化算法。该算法在惯性权重递减的基础上通过群体极值进行t分布变异,使算法跳出局部收敛,将该算法应用于带时间窗的车辆调度问题优化。算例证明了改进粒子群算法应用于求解带时间窗的车辆调度问题的可行性和有效性。

群签名与广播加密的对偶性及应用

提出群签名(GS)与广播加密(BE)是一对关系密切的对偶密码系统,类似公开加密与普通签名的对偶关系,即基于GS方案可以构建BE方案.而基于BE方案也可以构建GS方案.文中给出实现这种对偶关系的具体构建方法与步骤,即基于NP(non-deterministic polynomial)证据加密(WE)可把一个可撤销群签名方案转换为一个可撤销广播加密方案,而基于非交互式零知识(NIZK)证明可把一个撤销广播加密方案转换为一个可撤销群签名方案.最后,指出基于广播加密的高效可撤销群签名方案可以纳入文中所提出的框架中.

基于蚁群算法的一类扩展型TSP研究

旅行售货问题 ( TSP)是经典的组合优化难题 ,本文研究它的一种推广模型。蚁群算法是近年来发展起来的一种新型的启发式随机优化搜索算法 ,本文在蚁群算法中采用了优势个体指导机制。实验模拟结果显示算法的有效性。

蚁群优化算法的原理及其应用

蚁群优化算法是近年来出现的一种新的启发式搜索算法,首先介绍了蚁群算法的基本原理,然后着重讨论了如何将其用于求解旅行商问题(TSP),最后分析了蚁群算法的一些基本特征.

基于遗传-蚁群混合算法的排课系统

在高校的教务管理中,排课问题是复杂又关键的环节,科目数量众多,教学资源有限等等因素都制约着排课的复杂程度和结果.排课本质就是将课程、班级在合适的时间段安排到合适的教学位置,是一个NP问题的求解.随着规模的不断扩大,问题求解难度呈指数形式增加,当规模达到一定程度的时候就很难在短的时间内求出最优解.鉴于此,本文提出了遗传-蚁群混合算法,将两种算法混合使用,依靠遗传算法生成信息素分布,利用蚁群算法求最优解.实验结果表明,混合算法提高了排课的效率和课表的合理度.