教师评估“注意缺损障碍儿童”因子变异的分析

在"ADHD教师评定量表"编制过程中,因子提取时发现因子变异现象,分析结果表明:教师在评估ADD学生时,通常认为学习活动与社会性不良在ADD学生身上表现的不是正相关,常常会把这两个问题分开来考虑。

基于加速因子变异系数的弹药贮存寿命评估方法

提出了一种基于加速因子变异系数的加速贮存寿命评估方法。采用步进加速试验的方式,设计并开展二次电源的加速预实验与正式试验,获得二次电源的加速寿命数据;假定威布尔分布和I型极大值分布为二次电源的寿命分布函数,通过失效时间折算和极大似然估计法,确定不同分布函数的模型参数;利用加速因子变异系数的模型,选择I型极大值分布为二次电源的寿命分布函数,得出常规应力水平下可靠度0.9和0.95的可靠寿命分别为10.4105年和5.3921年,验证了该方法的有效性,为弹药产品贮存寿命的评估提供参考和借鉴。

基于饥饿变异检索与局部小生境的麻雀算法

针对麻雀搜索算法在迭代过程中在原点与最优解徘徊,造成迭代代价高,在迭代后期,直接跳跃到极值点附近,易于陷入局部最优,且后期种群多样性减小,全局搜索能力差的问题,提出一种基于饥饿变异检索与局部小生境的麻雀算法。首先改进种群中发现者位置迭代方法,提出饥饿短距变异机制,添加变异因子减少在原点与已有最优解的跃迁,提高全局搜索能力;其次改进跟随者位置迭代过程,引入局部小生境概念,将最优解发现者周围划定一个局部小生境,在小生境范围中的麻雀集中搜索最优解附近,小生境外麻雀逃逸到其它位置进行搜索,增强算法最优解附近的搜索能力与增强算法跃出局部空间的能力。对16个基准函数进行仿真对比实验,结果表明提出的基于饥饿变异检索与局部小生境的麻雀算法能够提高算法的搜索精度、收敛速度和稳定性。

带随机变异及感知因子的粒子群优化算法

针对传统粒子群算法(PSO)在求解高维空间中复杂函数时容易发生“早熟”现象,根据粒子在空间中的运动规律和散布特点,提出带随机变异因子和动态感知因子的粒子群优化算法。算法通过引入对邻域具有质疑策略的随机变异因子,促使个体粒子对自身邻域进行探索,降低粒子因过于信赖个体最优和全局最优而发生的“早熟”现象,从而改进速度更新策略;同时,为粒子位置更新引入感知因子,使粒子在同一维度上动态自适应控制自身与其他粒子的空间距离,从而避免陷入局部最优。通过测试函数实验、算法对比分析实验、随机参数影响实验和算法复杂性实验,验证了该算法在求解高维空间中的复杂函数等问题时,具有明显的优越性和鲁棒性。

基于融合Levy飞行策略与自适应变异因子优化QPSO-SVM算法

为了提高SVM分类精度与泛化能力,故提出一种基于融合Levy飞行策略与自适应变异因子优化QPSO-SVM算法.用量子粒子群算法(quantum particle swarm optimization,QPSO)对SVM进行惩罚因子和核函数参数优化,并针对QPSO算法出现的早熟收敛的问题,采用Levy飞行策略与自适应变异因子对其进行修正.实验仿真结果表明,与其他的智能优化算法相比,所提出的模型具有较高的分类性能和预测精度.

引入混沌干扰机制的变异天牛群搜索算法

针对天牛须搜索(Beetle Antennae Search,BAS)算法收敛慢、精度低且容易陷入局部最优等缺陷,提出了一种引入混沌干扰机制的变异天牛群搜索算法(Chaotic Interference Mechanism of Mutation Beetle Swarm Optimization Algorithm,CMBSOA)。首先,应用粒子群(Particle Swarm Optimization,PSO)策略将天牛须搜索算法中的天牛个体扩展为天牛群,扩大算法的搜索范围,提高算法的全局搜索能力;其次,引入Logistic混沌映射机制对天牛群进行混沌扰动,使初始化的种群以随机方式均匀分布,以加快算法的收敛速度;最后,提出变异因子策略进行位置更新,使该算法更易跳出局部最优,增强算法的稳定性与精度。为了验证CMBSOA算法的有效性,将其与天牛群算法(Beetle Swarm Antennae Search,BSAS)及PSO通过2组单峰和3组多峰测试函数进行测试和对比,结果表明,CMBSOA算法具有较强的稳定性,此外还具有更优的精度和较快的收敛速度,且能最大限度地避免产生局部最优解问题。

具有杂交、变异因子的自适应蚁群算法最优PID参数

以蚁群系统为基础,提出了一种具有杂交、变异因子的自适应蚁群算法优化PID控制参数的方法,该方法克服了一般蚁群算法收敛速度比较慢,容易出现停滞以及全局搜索能力较低的缺点,能够令人满意地实现PID控制参数的优化。仿真实验结果与Z-N法、遗传算法优化的结果进行比较,系统单位阶跃响应的超调量σ和调整时间ts大幅度减少,动态和稳态性能进一步改善,证明该算法具有更新的模拟进化优化方法的有效性。

基于自适应变异因子策略的混合蛙跳算法

由于基本混合蛙跳算法在对问题的优化求解中存在着收敛速度慢、优化精度低且容易陷入局部最优等问题,因此提出了一种新的混合蛙跳算法。对基本混合蛙跳算法的组内更新策略进行重新设计,引入自适应变异因子来控制青蛙的移动步长;在算法中将改进的粒子群优化算法有机地嵌入其中,这样算法在搜索过程中就增加了发现新解的概率,维持了种群的多样性,从而使算法不易陷入局部最优。通过对标准函数进行优化测试,结果证明其具有良好的优化性能。

玉米性状变异的因子分析及育种学启示

应用因子分析法对河南省 1999年玉米区域试验 (直播组 )品种各性状变异的因子进行了分析研究 ,结果表明 :穗位、穗长、生育期、行粒数、株高和出籽率是易于协同改良性状 ,行数、秃尖和千粒重是难以同步改良的性状 ,只能协调发展以获取最佳效果。提高行粒数、改良穗长、协调行数、千粒重二者之间的关系 ,以选育出生育期短、行粒数多、出籽率高的较矮杆组合为目标的策略 ,是进一步提高玉米生产水平的重要途径。

考虑动态风速变异因子的风电功率预测

山地风电场(MWFs)的风能资源丰富,但受复杂地形、地表粗糙度、近地大气稳定性等因素影响,风速突变性更明显。针对山区风能特征建立了风电功率预测模型,相较于平原地区,山区风能具有不同的波动性和间接性等特点;提出一种计及多分辨率下的动态风速变异因子预测方法,同时改进模糊聚类中的聚类组合指标,将气象条件在空间连续性上实现更精准的分类,以提高风电场功率出力预测的精度。为验证该模型的有效性,与常用K-means和时间序列方法进行对比,并对加入动态风速变异因子前后的预测效果进行对比,结果表明所提方法对风电场出力预测具有较高实用意义。

人表皮生长因子受体在转移性结直肠癌中的研究进展

人表皮生长因子受体2(HER2)变异在转移性结肠癌(mCRC)患者中的发生率较低,检测方法无统一标准。HER2变异可导致mCRC中抗表皮生长因子受体靶向治疗耐药。单一抗HER2靶向治疗效果有限,然而曲妥珠单抗联合拉帕替尼或帕妥珠单抗等双重抗HER2靶向治疗在mCRC中显示出较好的抗肿瘤效果。本文旨在对HER2在mCRC中的检测及临床病理特征、预测价值及治疗策略和展望进行综述。

基于变异策略的粒子群算法

在研究粒子群算法的特点之后,将变异因子融入到粒子群算法之中,提出了一种带有变异策略的粒子群算法(MPSO).该变异因子可以提高算法对解空间的开发能力,从而降低了粒子群算法陷入局部最优的可能性.实验结果表明,经过对4个无约束问题、1个高维线性约束问题以及1个实际应用问题的测试,带有变异策略的粒子群算法可以成功地解决高维无约束问题和带有线性约束的高维问题.实验结果也表明,MPSO算法具有很强的收敛性和稳定性,是一种很有前途的优化算法.

济南市售蔬菜中农药残留的变异性

【目的】研究济南市售蔬菜中农药残留污染状况,探讨其变异性并获得其变异因子,为准确评估蔬菜农药残留膳食摄入风险提供技术支持。【方法】应用统计学方法分析农药残留的污染水平;在JMPR建议原则指导下,采用Harrell-Davis法获得残留的变异因子,并对计算结果及过程进行验证。【结果】济南市售蔬菜中8种常用农药残留检出率均在20%之内,超标率较低(0.6%),检出率最高的残留和蔬菜分别是百菌清和叶菜类蔬菜,变异因子与农药残留平均浓度的关系可用υ=4.9×cm0.e1a5n表达。【结论】济南市售蔬菜中农药残留污染较轻,其变异因子普遍高于JMPR建议值,但低于英国急性评估中采用的默认值。

基于柯西-高斯动态消减变异的果蝇优化算法研究

针对果蝇优化算法易陷入局部极值收敛速度减慢的不足,结合柯西变异和高斯变异的各自优点,提出了变异效能系数和柯西-高斯动态消减变异因子等概念,进而提出了一种柯西-高斯动态消减变异方法,将该方法应用于改进果蝇优化算法,提出了一种基于柯西-高斯动态消减变异的果蝇优化算法。该算法兼顾了全局探索和局部开发两个特性,丰富了种群的多样性,有效地消除了易陷入局部极值的弊端,提高了算法的收敛速度。仿真实验采用经典函数用例和实际工程用例进行验证,结果表明该算法的求解速度和精度更高,稳定性更好。

一种基于退化混沌变异算子的改进遗传算法及其应用

针对标准遗传算法收敛性较差的缺点,利用混沌变量优化中的随机遍历性,构造出一种随进化代数而退化的变异因子,代替标准算法中的变异算子,以克服标准遗传算法在多峰函数优化中的早熟现象,对三个测试函数的仿真试验表明,改进的算法收敛性优于标准遗传算法.

基于高频变异免疫进化算法的多峰值函数优化

多峰值函数优化问题一直是数值优化领域中研究的难点。本文提出一种基于高频变异的改进免疫进化算法,通过克隆选择高频变异抗体来增加群体多样性,又赋予抗体生命期抑制群体暴增,此外引入变异因子提高抗体识别抗原的速度。该算法即克服克隆选择算法的收敛速度慢,又克服遗传算法易陷入局部最优解的不足。对三个多峰值函数优化仿真,并和标准遗传算法、改进遗传算法和佳点遗传算法的计算结果进行比较,证明该方法可以快速收敛到全局最优解。

基于主成分分析的DBSCAN分类差分进化算法改进

差分进化算法(DE)是一类基于种群搜索最优解的全局优化算法,具有收敛速度快、算法简单易懂、参数数量少和稳定性高等特点。但DE算法的性能在很大程度上取决于参数值的设置、个体突变的方向和距离。考虑到不同的种群密度对参数的需求不同,采用主成分分析技术将30或50维的数据降到2维;再采用DBSCAN算法,依据邻域半径和最小邻域数将2维数据分类为簇,通过簇的数量判断种群整体密度和个体之间的差异度,并在不同取值范围内生成合适的变异因子和交叉因子,以此来满足不同种群的进化需求。通过基准函数测试集和多个检验方法验证,证明了所提方法的寻优能力和鲁棒性均优于另外5种先进算法。

基于自适应t分布混合变异的人工萤火虫算法

针对人工萤火虫(AGSO)算法中存在一些漫无目的随机运动的萤火虫及一些萤火虫在非全局极值点出现严重聚集时,收敛速度降低,甚至陷入局部极值的问题,提出一种基于自适应t分布混合变异的人工萤火虫算法。用自适应t分布变异和最优调教变异来增强种群的多样性,限制算法陷入局部最优;定义了变异控制因子对变异的运行进行控制,结合历史状态信息给出了自适应t分布混合变异描述。该变异方法能使算法同时提高全局探索能力和局部开发能力。通过典型函数算例和实际应用算例实验结果表明,该算法是可行有效的,比传统算法具有较快的寻优速度和较高的寻优精度。

用遗传变异法评估航天轴承摩擦力矩

将轴承摩擦力矩稳定性因数、平稳性因数作为重要参数,使用正态分布函数模拟摩擦力矩概率密度函数,以此分离出轴承摩擦力矩变异数据及其发展趋势分析轴承性能。结果表明,变异因子发展趋势在轴承使用性能和寿命评估中具有重要作用。