基于遗传算法与模拟退火分级诊疗改革的实证——以合肥市为案例

随着人民对医疗服务需求的迅速增加,有限的医疗资源与巨大的就医需求导致"看病难"成为困扰我国的一大民生问题,为此我国正在推行分级诊疗综合改革,以合理配置医疗资源。针对分级诊疗改革的推进,我们在现有医疗机构的基础上,通过对真实地区的实证分析,采取运用模拟退火与遗传算法,基于医疗资源优化问题进行研究,通过构造综合效益函数来评估不同情况下的拟合效果,最终给出应加快分级医疗体系的建立和推广的速度以完善医疗资源配置方式的建议。

应用于蛋白质折叠模拟的三种新蒙特卡罗方法的比较

新蒙特卡罗方法是一类随机算法的统称.这类算法已被应用于蛋白质折叠的模拟计算,并取得了较好的结果.该文将并行回火与遗传算法的混合算法、群体模拟退火方法以及群体模拟退火方法与遗传算法的混合算法这3种改进的蒙特卡罗方法应用到蛋白质折叠模拟计算,并就二维网格模型比较了这3种方法搜索最小能量构象的能力以及计算了得到最小能量构象所花费的时间.计算机模拟计算的结果表明,3种方法对于短序列蛋白质折叠结构的预测都较为有效,而群体模拟退火方法与遗传算法的混合算法则比其它两种算法所花费的计算时间要少,也就更为有效.