求解多目标考试时间表问题的NNIA改进算法

针对多目标考试时间表问题,提出了一种用于求解多目标考试时间表问题的非支配邻域免疫改进算法.采用经典多目标进化算法非支配邻域免疫的算法框架,为改善该算法的收敛性和多样性,利用超启发方法生成初始种群,同时采用一种新的资源分配模型,在克隆过程中动态调节优秀个体的克隆比例,来改善算法的性能.采用10组标准测试数据对算法的性能进行测试.实验结果表明,该算法对多目标考试时间表问题十分有效,并且在某些测试数据上可得到令人满意的结果.

基于高通量解析算法的复杂样品重叠气相色谱-质谱信号的快速分析

化学计量学算法为重叠气相色谱-质谱(GC-MS)信号的解析提供了有效手段,但其在计算过程中一般需要将数据进行分段处理,然后只对信号的某些区间进行解析,难以实现真正意义上的高通量分析。该文结合移动窗口目标转换因子分析(MWTTFA)和非负免疫算法(NNIA),建立了一种高通量解析方法。首先,根据所有可能存在的目标组分的标准质谱信息,利用MWTTFA检验复杂信号中存在的组分,并确定目标组分的质谱信息和洗脱时间区域。以得到的质谱信息作为后续计算的输入值,利用NNIA解析得到相应的色谱信息。采用快速升温程序对17种和42种农药混合标准样品的GC-MS信号进行分析,利用所建立的方法可在10 min内得到全部组分的色谱和质谱信息。