农村老年人在线健康信息替代搜寻者行为特征及影响因素研究

目的/意义探讨农村老年人健康信息替代搜寻者替代搜寻行为,分析行为过程中的主体行为特征,探究替代搜寻行为影响因素。方法/过程对农村老年人最常选择的替代搜寻者进行半结构化访谈,对访谈结果进行编码。结果/结论通过三级编码梳理出37个初始概念、15个子范畴和6个主范畴,构建替代搜寻者在线健康信息替代搜寻行为的理论模型。替代搜寻者进行替代搜寻行为的影响因素包括行为动机、信息能力、信息意识、环境特征、代际支持,替代搜寻行为可划分为信息检索、筛选、处理、传递过程,行为过程中替代搜寻者表现出坚定性、情感驱动性、辅助性的行为特征。

被替代搜寻者健康信息需求理解的影响因素研究

[研究目的]被替代搜寻者健康信息需求的有效理解是健康信息替代搜寻行为顺利进行的前提,基于经典理论探究该环节的影响因素对于进一步理解和优化健康信息替代搜寻行为具有参考意义。[研究方法]基于社会支持理论,构建被替代搜寻者健康信息需求理解影响因素模型,提出7个假设。以问卷调查的方式共获取213份有效样本,并使用SPSS和SmartPLS软件对数据进行分析,检验理论假设。[研究结论]信息内容质量、信息效用质量和同理心正向影响替代搜寻者对被替代搜寻者健康信息需求的理解;信息表达质量和社会陪伴对被替代搜寻者健康信息需求的理解不具有显著影响。此外,信息效用质量在信息内容质量和同理心对被替代搜寻者健康信息需求理解的影响关系中起到了部分中介作用。

多智能体搜寻者优化算法在电力系统无功优化中的应用

针对无功优化这个典型的非线性问题,提出了一种基于多Agent系统的搜寻者优化算法MASOA(Multi-agent Seeker Optimization Algorithm)来求解。该算法针对SOA算法邻域划分随意性较大,融入智能体技术,在改进SOA算法邻域划分合理性的同时,提高粒子寻优的准确度;利用SOA算法的进化机制,引入自适应思想,使新算法具有良好的非线性搜索能力,更好地适应无功优化问题。以网损最小为目标函数,在IEEE30节点系统上进行测试,并与四种智能算法进行比较,结果表明,MASOA在算法计算精度、收敛稳定性、寻优时间等方面都具有普遍优势,能有效地应用于电力系统无功优化中。

IIR数字滤波器设计的搜寻者优化算法

为进一步提高无限冲击响应(IIR)数字滤波器的性能,提出了一种基于搜寻者优化算法(SOA)的IIR数字滤波器设计方法.SOA基于模拟人的随机搜索行为,由利用位置变化评价得到的经验梯度确定搜索方向,由采用简单模糊规则的不确定性推理确定搜索步长,通过搜寻者在搜索空间的位置更新,实现对优化问题的求解.2个典型设计实例的仿真结果表明,与差分进化算法(DE)和3种改进的粒子群算法(PSO)相比,SOA具有较好的全局寻优能力和较快的收敛速度,能有效地应用于IIR数字滤波器的设计.

基于搜寻者优化算法的质子交换膜燃料电池模型优化

搜寻者优化算法(seeker optimization algorithm,SOA)是模拟人的随机搜索行为的一种应用于连续空间的群体智能优化算法。根据质子交换膜燃料电池(proton exchange membrane fuelcell,PEMFC)极化曲线模型的建模原理,采用SOA算法对该模型的参数进行优化,用以得到一组模型的最优参数。通过仿真结果与实验结果的对比分析,证明SOA算法能够使仿真结果和实验测试数据之间达到很高的拟合精度,对于优化PEMFC的极化曲线模型参数具有明显的优越性。因此,SOA算法对于改善PEMFC极化曲线模型的性能将起到重要的作用,并有望成为模型优化领域的一种新的有效工具。

搜寻者优化算法在最优潮流中的应用

为实现电力系统经济运行,以有功网损最小为目标函数,建立电力系统最优潮流模型,将搜寻者优化算法(seeker optimization algorithm,SOA)应用到最优潮流计算中,选取发电机机端电压、变压器分接头位置和可投切电容器组等控制变量构建初始矩阵,对IEEE30、IEEE57标准系统进行测试,并与带自适应惯性权值的粒子群算法、带收敛因子的粒子群算法和全面学习的粒子群算法进行了比较。结果表明:SOA能够有效地搜索到最优解且具有较好的全局寻优能力,适应于电力系统最优潮流计算。

基于搜寻者优化算法的燃料电池建模

基于连续空间群体智能的搜寻者优化算法(SOA),提出了一种新的优化燃料电池模型的方法,并将其用于质子交换膜燃料电池(PEMFC)的极化曲线模型,以得到最优参数。实验结果表明,这种优化建模方法使数学模型和实验数据之间达到了较高的拟合精度,对于优化建模具有明显的优越性。

搜寻者对用户生成信息的信任度研究

用户生成信息是搜寻者依赖的重要信息,但不同形式的用户生成信息可信度存在差异。基于信任的理性机制和关系机制,我们提出关系强度、生成者专业性会正向影响信息可信度,负向信息比正向信息具有更高可信度的假设。通过2×2×2的三因子实验,研究证实了上述假设。

知识型社区中搜寻者转变为贡献者的多重中介机制研究

[目的/意义]在线社区中知识搜寻者能否以及如何转化为知识贡献者引起了信息与知识管理领域学者的关注。针对前人研究不足,本文综合运用自我效能感理论、自我感知理论等,实证考察用户通过知识搜寻行为提升自我效能感、内部动机,进而增加知识贡献行为的多重路径机制。[方法/过程]使用问卷法收集208份有效数据,采用穷举法构建11个相互竞争的中介模型,运用结构方程模型方法计算比较各模型的数据拟合度指标、路径系数,选择最优模型,检验理论假设。[结果/结论]研究发现,搜寻者转变为贡献者的过程中存在着多重中介路径,但自我效能感的独立中介作用存疑,内部动机的独立中介作用显著,自我效能感与内部动机发挥链式中介作用。

基于搜寻者优化算法的电力系统无功优化

将搜寻者优化算法(SOA—Seeker Optimization Al-gorithm)应用到电力系统无功优化中去,以网损最小为目标函数,建立了SOA无功优化的数学模型。由发电机端电压、变压器分接头和电容器组3部分控制变量构成初始矩阵。SOA算法模拟人的随机搜索行为,对利己行为、利他行为、预动行为和不确定性推理行为进行分析和建模,以确定搜索方向和步长进行解的全局搜索。对IEEE30、IEEE57测试系统进行了测试,仿真结果表明,SOA算法具有较好的全局寻优能力和较快的收敛速度,能有效地应用到电力系统无功优化中去。

基于搜寻者优化算法的K-means聚类算法

针对K-means聚类算法易陷入局部最优的问题,提出一种改进的K-means算法,将搜寻者优化算法(SOA)和K-means聚类算法结合起来,利用SOA鲁棒性好、全局搜索能力强的特点,通过确定搜寻者的搜索方向和搜索步长,更新搜寻者的位置,进行全局寻优,提高K-means聚类算法的聚类精确度。在仿真实验过程中,首先,选取具有代表性的处于三种燃烧状态的水泥回转窑窑内视频图像为研究对象,分别采用K-means算法和改进后的算法进行仿真实验,实验结果表明,改进算法所获得的图像聚类效果更加精确;然后,分别用上述两种算法对数据集Iris和Wine进行相关测试,结果表明,改进算法的聚类精确度和运行效率都得到了有效提高。

基于改进搜寻者优化算法的PID控制

针对传统PID参数整定方法存在精度低、稳定性差,且被控制系统易受噪声影响等缺点,提出一种基于改进搜寻者优化算法(ISOA)的PID控制方法。采用Z-N方法得到的PID参数整定值指导初始种群的产生和个体寻优范围的确定,再引入变异操作方法和个体进化方向引导策略,从而提高PID参数优化精度,并结合Kalman滤波器实现对被控系统中控制噪声和测量噪声的滤波处理。仿真结果表明,与基于标准搜寻者优化算法(SOA)的PID控制方法比较,基于ISOA算法和Kalman滤波器的PID控制,不仅可以获得更优的PID参数,而且能够有效抑制控制过程中的噪声干扰,实现了高精度、强鲁棒性的PID控制。

搜寻者优化算法与卡尔曼滤波相结合的PID控制

针对传统PID控制器的参数整定依靠经验调整,且在控制过程中,系统易受多种噪声影响的问题,提出搜寻者优化算法与卡尔曼滤波相结合的PID控制方法。利用搜寻者优化算法对PID参数进行智能优化,利用卡尔曼滤波器实现对控制噪声和测量噪声的有效抑制。对二阶延迟系统进行仿真试验,结果表明,与传统PID控制方法相比,该方法可以智能地获得较优的PID参数,有效剔除了控制过程中的噪声干扰,实现了调节速度快、稳态误差低、抗干扰能力强的智能PID控制。

基于搜寻者优化算法的PID神经网络解耦控制

传统的PID神经网络,由于初始权值随机选择,权值学习采用BP算法,所以容易陷入局部极值,进而导致该方法无法得到高精度的控制结果。该文提出采用搜寻者优化算法优化PID神经网络初始权值,再把最优初始权值带入PID神经网络,实现解耦控制。对一个耦合系统进行仿真实验,结果表明,与目前控制效果较好的粒子群算法优化PID神经网络相比,该算法收敛速度更快、稳态误差更小,同时也具有良好的自适应和抗干扰能力,能够实现快速、高精度、稳定的解耦控制。

基于搜寻者优化算法的多温区PID参数整定控制方法及其实现

针对工业生产过程中温度控制系统的非线性、大时滞特性，为实现时滞系统PID参数的自整定，该文提出了一种基于搜寻者优化算法的PID整定控制方法。以典型一阶模型作为控制对象进行仿真，结果表明，利用该算法进行搜索寻优可以实现PID参数的在线调整，使温控系统快速准确地达到预设温度。同时，利用可编程计算机控制器（Pcc）的软硬件平台，采用Automatic Code Generation功能实现了对多温区系统的控制，得到了较为满意的控制效果。

基于搜寻者算法的测试性优化分配方法

测试性分配是测试性设计中的重要环节。现有的分配方法存在权值计算复杂、权重确定主观性强、分配结果需根据经验调整等不足,不能准确反映产品的实际情况。为此,文中利用搜寻者优化算法(SOA)全局搜索能力强,收敛速度快、鲁棒性好的优势,将产品的全寿命周期费用作为目标函数,同时考虑多种相关影响因素,提出基于SOA算法的测试优化分配方法。最后,通过对鱼雷控制系统中41组件的故障检测率(FDR)指标进行分配,验证了该方法的可行性,该方法可为测试性优化设计提供参考。

基于搜寻者-支持向量机的葡萄酒品质鉴别模型

针对葡萄酒品质鉴别问题,提出一种基于搜寻者-支持向量机(SOA-SVM)葡萄酒品质鉴别模型。该模型以葡萄酒多维化学成分作为输入,以葡萄酒的品质类型作为输出,采用搜寻者优化算法对支持向量机模型惩罚因子和核函数参数进行优选,从而建立最优的SOA-SVM葡萄酒品质鉴别模型。应用该模型对UCI机器学习数据库中wine数据集进行实例分析,结果表明SOA算法收敛精度高、收敛速度快,且该模型能够取得优良的分类效果。

基于改进搜寻者算法的均匀直线阵方向图优化

搜寻者算法（seeker optimization algorithm,SOA）分析了人在随机搜索时的行为特点,对人类搜索的经验与随机推理进行模拟,确定了搜索的方向与步长,最终完成位置更新。论文在搜寻者算法存在的局部搜索能力不足的基础上,引入共轭梯度法,提出了一种强化局部搜索能力的搜寻者算法,在不影响全局搜索速度的条件下提高了局部搜索能力,有效平衡了全局搜索速度和局部搜索精度。同时将其应用于天线直线阵的方向图优化,通过与其他算法的比较,发现改进SOA在优化性能上均优于SOA、遗传算法（GA）、粒子群算法（PSO）,适用于天线方向图的优化问题[1~5]。

搜寻者优化算法在含风电机组系统最优潮流中的应用

针对风力发电机组并网后电力系统的最优潮流(OPF)问题,将搜寻者优化算法(SOA)应用到最优潮流计算模型之中。通过分析风力发电机的稳态数学模型,根据功率守恒原理,得到异步风电机组有功无功出力的表达式,考虑到风电机组的特点,将其作为电压静特性节点处理。建立综合系统经济性和安全性的最优潮流计算的目标函数,该目标函数由网损和静态电压稳定裕度两部分组成,并将搜寻者优化算法运用到最优潮流模型的求解中,并制定该算法的计算流程。算例表明,提出的模型和算法是可行的。

农村老年人健康信息替代搜寻者特征及其行为影响因素探析

健康信息替代搜寻是改善农村老年人健康状况的有效途径。以辽西北地区为例开展自主调研,采用问卷、健康量表、自我效能量表、电子健康素养量表、信任量表评估老年人和替代者的自然特征、健康状况、自我效能、电子健康素养、父辈信任等,并应用SPSS22.0对数据进行统计处理。研究发现,健康信息替代搜寻行为主要与替代者的搜寻频率、自我效能、电子健康素养、父辈信任呈正相关,而与老年人健康状况呈负相关。这表明受过良好教育的中年已婚女性群体更愿意为家中患病的老年人搜寻健康信息,已婚女性是替代搜寻者的主要构成人群。建议相关部门给予女性替代搜寻者群体更多的关注,为其提供健康素养教育培训和心理辅导,提升检索技能和媒介素养。