MLST技术分析中国烟草野火病菌遗传多样性

明确烟草野火病菌多位点序列分型(MLST)情况,能为制订有效防治措施和选育品种提供强力技术支撑,并为病菌的生物学特性研究提供新视角。从湖南、重庆等5个产烟省(市)烟草生产区采集烟草野火病样,组织分离并鉴定,应用MLST分型,筛选管家基因,分析供试菌株遗传多样性。结果表明,从湖南等5个产烟省(市)分离获得烟草野火病菌144株,筛选得到Pgi、Pfk和Gap 3个管家基因,共获得92个ST型。以Pgi基因为标准,供试菌株可分出亚群5个,单一群4个,亚群1和亚群2菌株数量较多,亚群1菌株来自5个产烟省(市),此亚群的ST43属于中国主要种群。说明中国烟草野火病菌遗传多态性丰富,烟草品种与病菌组群间不存在关联性。

多无人机协同陆地设施辅助移动边缘计算的系统能耗最小化方法

无人机作为移动基站辅助边缘计算可为用户设备提供广泛的服务范围和额外计算能力,本文提出一种多无人机协同陆地设施辅助边缘计算的系统.该系统将多架无人机作为移动基站,来协同多个陆地设施对移动用户提供计算卸载服务.系统分为局部计算模型、无人机计算模型、陆地设施计算模型以及无人机盘旋能耗模型.目的是优化多个无人机的位置和用户的卸载决策使得系统总体能耗最小.为求解该问题,提出一种多子群驱动的均衡优化算法.该方法基于两个子种群演化交互,集成了变异和种群重启机制,具有良好的优化能力.仿真实验表明,提出的算法能更好降低系统能耗.

基于谱聚类的多维数据集异常子群挖掘方法

针对传统方法存在的异常子群挖掘结果准确性不高,挖掘效果不佳的问题,提出基于谱聚类的多维数据集异常子群挖掘方法。通过多维数据集预处理判断显著子群,依据属性值构建同阶子群,获取数据集中存在的部分候选子群;采用基于L1范数的约束谱聚类算法划分候选子群后,利用约束矩阵、二分类以及整合,完成候选子群的多分类、处理正约束点以及重现顶点的度和边,形成约化图并完成候选子群的挖掘,即实现异常子群挖掘。测试结果表明,上述方法的挖掘准确率和标准化互信息值较高,可完成指定异常子群的多维深度挖掘,且挖掘效果良好。

一种遗传算法与粒子群优化的多子群分层混合算法

针对遗传算法全局搜索能力强和粒子群优化收敛速度快的特点,本文从种群个体组织结构上着手,进行优势互补,提出了一种遗传算法和粒子群优化的多子群分层混合算法(multi-subgroup hierarchical hybrid of genetic algorithm and particle swarm optimization,HGA–PSO).算法采用分层结构,底层由一系列的遗传算法子群组成,贡献算法的全局搜索能力;上层是由每个子群的最优个体组成的精英群,采用钳制了初始速度的粒子群算法进行精确局部搜索.文中分析论证了HGA–PSO算法具有全局收敛性,并采用7个典型高维Benchmark函数进行测试,实验结果显示该算法的优化性能显著优于其他测试算法.

机器人逆运动学差分自适应混沌粒子群求解

采用D-H法通过连杆坐标系变换矩阵建立机械臂运动控制模型,该模型呈现非常严重的非线性特性,传统方法难以求解。由于动态差分算法具有很强的全局搜索能力,而粒子群算法具有精确的局部搜索能力的特点,融合改进的动态差分算法和粒子群算法,并引入混沌映射初始种群和粒子群学习因子与惯性权重的自适应算法,提出多子群分层差分自适应混沌粒子群算法。该算法采用的多子群分层结构能提升个体共享群体信息的能力,底层利用动态差分算法进行全局搜索,顶层精英群利用改进的粒子群算法进行局部搜索。仿真试验和实际应用表明该算法在稳定性、搜索成功率以及收敛精度有显著提高,能有效解决机器人逆运动学模型的求解。

一种多群进化规划算法

在分析了导致进化规划算法早熟原因的基础上 ,提出了一种改进的多群进化规划算法。在该算法中 ,进化在多个不同的子群间并行进行 ,通过使用不同的变异策略 ,实现种群在解空间具有尽可能分散探索能力的同时 ,在局部具有尽可能细致的搜索能力。通过子群重组实现子群间的信息交换 ,基于典型算例的数字仿真证明 ,该算法具有更好的全局收敛性 ,更快的收敛速度和更强的鲁棒性。

一种新的补偿阳极优化方法

应用海水中点电极模型求取补偿阳极在其周围产生的电场强度表达式,在此基础上,使用基于t算子的自适应性多群进化规划算法对舰船补偿系统中补偿阳极数目、补偿阳极位置以及电流大小进行优化,以达到使补偿阳极产生的水下反向电场能够更加有效的补偿舰船原始电场的目的。仿真和实验结果表明,阳极优化后补偿效果更优。

基于多种群子空间学习的粒子群优化算法

针对标准粒子群(particle swarm optimization,PSO)算法易陷入局部最优、进化后期收敛速度慢和收敛精度低的缺点,提出一种基于多种群子空间学习的粒子群优化算法(MSPSO)。算法将种群分成多个子群,除了传统的种群历史最优粒子和全局最优粒子,还引入分群最优粒子和混合粒子,该混合粒子随机选择各子群最优粒子的相关维度混合而成,增加种群多样性,防止算法陷入局部最优。在种群进化后期,算法对子群最优粒子进行子空间学习,帮助算法逃离局部最优,加快收敛速度。在固定评估次数的情况下,对8种经典的测试函数进行仿真实验,相比较经典知名算法如FIPS、HPSO-TVAC、DMS-PSO、CLPSO、APSO等,MSPSO算法不仅在低维和高维仿真实验中,在逃离局部最优、全局收敛速度和收敛精度上,具有绝对的优势。

全信息差异进化粒子群优化算法

针对种群多样性对粒子群算法的性能影响,提出了一种基于差异进化思想的粒子群算法。该算法采用多生态子群社会结构,利用一种新的全信息粒子作为信息交互的渠道,通过进化过程中的种群衰落监控指导子群间的差异融合,有利于优秀个体的产生,增加粒子间的差异性,提高种群整体品质和算法的收敛性能。最后对八个测试函数进行实验仿真,并与六个改进粒子群算法进行多方面对比。实验结果表明,该算法有效地保持了种群的多样性,在保证收敛速度的同时大幅提高了算法的收敛精度,从理论和实验仿真两个方面证明了算法有很强的全局搜索能力。

基于多种群搜索的PSO的物流配送中心寻址求解

物流配送中心选址不仅影响运输等成本,而且也影响顾客的服务水平,在现代物流中具有重要的现实意义。针对物流配送中心选址问题,文章提出了一种基于改进粒子算法的智能求解方法,建立了物流配送中心选择模型,根据模型特点设计出了与免疫优化算法混合的粒子群算法、多种群搜索策略、混沌初始化方法、多样性评价方法。通过合理地设置算法参数,对物流配送中心选址问题进行实验比较,实验结果表明,该文算法的求解效果良好,并且求解的速度较快。

中国社会科学研究的多重基金资助分析

以SSCI来源期刊为统计源,对一类多重资助(联合资助、共同资助、多次资助和重复资助)问题进行研究,根据SSCI收录中国社科论文标注的基金资助数据,建立了基金多重资助关联网络,讨论了基金多重资助的强度和关联系数,并采用SNA和多元统计分析方法,分析了多重基金资助的凝聚子群分布和基金多重资助关联网络的结构分布与多维尺度分布。中国社会科学基金论文中已有61.1%为多重资助,并形成了以国家自然科学基金为核心的多重资助中心。可以认为,提倡科学研究中的合作基金、持续资助,提高项目申报信息流畅和申报人员的科学素养,是提高基金资助资源利用程度的有效途径。

求解多峰函数的改进粒子群算法的研究

针对标准粒子群算法进行多峰函数优化时存在的易陷入局部极值和搜寻效率低的问题,提出了子种群划分和自适应惯性权重改进方法来求解多峰函数.根据群体微粒的相似度将粒子群分成子群体,各子群体围绕一个有最佳适应值的群体中心进行建立,并通过几个经典函数进行求解.实验表明:改进的粒子群算法能快速有效地找到多峰函数的全局最佳值.

月华胶囊对耐多药结核鼠T淋巴细胞亚群及细胞因子的影响

目的观察月华胶囊对耐多药结核鼠T淋巴细胞亚群、TH1/TH2细胞因子的影响及其机理。方法将耐多药结核鼠随机分成模型组、月华胶囊组、抗结核药(OEZD)组、月华胶囊+抗结核药组,另设正常组。测各组中的CD4、CD8、CD4/CD8、IFN-γ、IL-2、IL-10、TNF-α。结果①与模型组比较,月华胶囊组、抗结核药组、月华胶囊+抗结核药组均明显减少CD4、CD4/CD8、INF-γ、IL-2降低(P<0.01),明显改善IL-10、INF-α升高(P<0.05);②与抗结核药组比较,月华胶囊+抗结核药组各指标差异均有显著性(P<0.05)。结论月华胶囊对耐多药结核鼠有治疗作用,其机理是通过调控T淋巴细胞亚群CD4、CD4/CD8及其TH1型细胞因子IFN-γ、IL-2,TH2型细胞因子IL-10和TNF-α的水平而实现的。

动态多子群差分进化算法

为有效提高差分进化(DE)算法的优化性能,提出一种动态多子群差分进化(DMSDE)算法.该算法从种群多样性的角度,提出一种动态多子群策略,以增加算法跳出局部极值的可能性.然后,设计了一种平衡局部搜索和全局搜索的随机引导变异操作,以提高搜索的有效性和广泛性.同时,引入全局最优学习操作,防止算法早熟.最后,与差分进化算法和各种改进的差分进化算法及其他智能优化算法做比较,仿真数值结果表明了DMSDE算法的有效性.

中国大学治理研究现状与趋向展望——基于共词分析法

以CNKI刊载的大学治理研究文献为样本,运用共词分析法,利用UCINET6.2、SATI3.2等计量工具对关键词进行共现网络分析。通过中心性分析、多维尺度分析和凝聚子群分析,指出现代大学制度、大学治理结构以及大学章程是目前研究的热点,并且发现财政拨款对大学治理的影响在现有研究体系中被弱化,去行政化改革将可能成为大学治理研究的新热点,而现有研究呈现模式化特征。基于结论,从整合已有的研究领域、加强弱关联领域研究和利用资源配置倒逼大学提高治理绩效三个方向对大学治理研究趋势进行了展望。

T细胞亚群与NK细胞在难治性多发性骨髓瘤患者表达水平的研究

目的:研究多发性骨髓瘤患者外周血T淋巴细胞亚群与自然杀伤(NK)细胞的表达水平,探讨其细胞免疫功能与临床疗效的关系,并为判断、预测容易转归为难治患者提供具有参考价值的指标。方法:采用流式细胞术检测64例初治骨髓瘤患者化疗前及化疗中和全疗程结束后外周血T淋巴细胞亚群与NK细胞的表达水平。按化疗结果分完全缓解组、部分缓解组和难治组,与健康对照组比较。结果:1完全缓解组Th细胞、Ts细胞和NK细胞与对照组的差别无统计学意义。2部分缓解组Th细胞下降与对照组的差别有统计学意义。3难治组Th细胞、Ts细胞和NK细胞均呈明显下降,与对照组相比差别明显。4在最终死亡的三个患者,NK细胞百分比均在3%以下。结论:治疗后Th细胞、Ts细胞和NK细胞如果下降不明显,则提示该患者预后相对乐观,如果上述指标均明显下降,则提示预后不良。对于NK细胞严重降低的患者,提示预后极差。

子群结构下的组织学习多主体仿真研究——对March的探索式-利用式学习模型的扩展

将子群结构纳入March经典的探索式-利用式组织学习模型,利用多主体建模与仿真的方法,研究人际-群际间多种学习机制对组织知识水平的影响。研究结果表明,当组织中的隐性知识比重增大时,人际学习对组织知识水平的增长作用会更明显。提高子群间人际学习的速度仅能增大短期内组织知识水平的增量;扩大个体向其他子群知识搜寻的范围,有助于长期内组织知识水平的提高。群体间直接编码学习对组织知识水平增长的促进作用不明显,且随着各子群知识本地化程度的增大,这种高度的利用式学习反而会阻碍组织知识水平的提高。子群间的外部环境差异性减弱了子群间人员交流学习频率和子群对外来优秀个体的知识编码速度的提高对于组织知识水平增长的促进作用。

人工神经网络-分光光度法同时测定合金钢样中的铈组各个稀土元素

以二溴对甲基偶氮磺 ( DBM- SA)为显色剂 ,应用化学计量学中人工神经网络原理 ,结合分光光度法 ,对吸收光谱严重重叠的铈组五个元素不经分离可直接进行同时测定。对合金钢试样中铈组五个元素的个别含量及铈组总量的测定 ,结果令人满意。

解非线性优化问题GM(1,1)模型的多子群遗传算法

针对非线性优化问题约束条件中待定参数的时间序列数据,首先使用GM(1,1)方法进行建模预测得到参数的预测值,进而将参数预测值代入原问题中提出一个确定型的非线性优化问题。对该确定型问题设计了一个多子种群并行进化的遗传算法进行求解,在分析所提算法的收敛性的基础上,给出了初步的数值算例。数值算例实验结果表明:该算法能够较为精确地获得预测型非线性优化问题的(近似)全局最优解。

基于粒子群优化的多虚拟网络同步映射

针对多个虚拟网络同时映射的资源优化问题,提出一种基于粒子群优化的多个虚拟网络同步映射方法。通过在传统映射模型中引入判断指标,重新构建多个虚拟网络同步映射优化模型;将单个虚拟网络看作粒子子群,在粒子群优化算法的框架内将多虚拟网络同时映射看作是多个子群交互的协同优化问题,实现底层网络资源的全局最优化配置。实验结果表明,该方法能够满足多个服务提供商同步映射需求,能够在全局范围内实现资源的最优化配置,有效提升了多虚拟网络同步映射的性能指标。