带有线性惩罚的在线旅行商问题

为了在自然灾害之后通过应急车辆尽快地将应急物资送到受灾点,针对每个受灾点在发出需求信号后,不能尽快被应急车辆服务,从而导致受灾点的情形进一步恶化的情形,提出了带有线性惩罚的在线旅行商问题。通过设计最坏序列证明了该问题在一般网络上不存在确定性和随机性的在线算法。针对需求点仅在线段上的情形,分析了问题的下界、设计了推测后再移动策略,并证明了当单个需求点的最大惩罚值大于等于8时,该算法为最优算法。

带有线性惩罚的鲁棒k-种产品设施选址问题的近似算法

k-种产品设施选址问题是指存在一组客户和一组可以建设设施的地址。现有k种不同的产品,每一客户均需要k种不同的产品,且每一设施最多只能生产一种产品。问题的要求是从若干地址中选择一组地址来建立设施,对所要建立的设施指定其生产的产品,并为每一个客户提供一组指派确保每一客户都有k个设施来为其提供k种不同的产品,使得设施建设费用与运输费用之和最小。对于k-种产品设施选址问题,我们通常简写为k-PUFLP,其中,当所有设施建设费用为0时,记为k-PUFLPN。本文对k-PUFLPN进行线性舍入,通过分析最优分数解特殊结构,当k≥3时分析算法将k-PUFLPN的近似比从3k/2-1提升到了3k/2-3/2。鲁棒k-种产品设施选址问题是指在该问题中,最多有q个客户可以不被服务。我们首次对无容量限制下建设费用为0时的鲁棒k-种产品选址问题建立模型,当k≥3,得到了3k/2-3/2近似算法。对顾客伴有线性惩罚的鲁棒k-种产品设施选址问题,本文同时考虑异常值与惩罚性,利用k-PUFLPN中最优整数解与最优分数解的关系,得到了3k/2-3/2近似算法。

交替惩罚三线性分解结合室温磷光法快速解析土壤中芴的含量

多环芳烃是土壤中常见的有机污染物,具有致癌、致畸、致基因突变等“三致作用”。本文建立了一种基于交替惩罚三线性分解结合三维室温磷光法(APTLD-TRTP)测定不同类型土壤(如农田区、生活区和工业区)中多环芳烃芴(FLU)的方法,并与基于平行因子分析的方法(PARAFAC-TRTP)进行比较。首先构建一个验证集来探索开发方法的预测能力,然后利用其对加标土壤样和实际未知土壤样品中FLU进行定量分析。在N=3时,APTLD-TRTP和PARAFAC-TRTP获得土壤加标样中FLU的平均回收率分别为(90.4±5.6)%和(90.3±4.8)%,预测均方根误差(RMSEP)分别为0.32μg/mL和0.31μg/mL。方法预测的工业区土壤样中FLU的浓度范围为0.34~0.96μg/g,显著高于相关标准限值0.05μg/g,表明该研究区域土壤已受到FLU污染,其污染源可能来源于钢铁工业区煤炭燃烧、石油泄漏和汽车尾气排放等。

惩罚广义线性模型在遗传关联研究中的应用及R软件实现

目的遗传关联研究中高维数据与日俱增。本文探讨基于岭估计、LASSO和弹性网的广义线性模型在遗传关联研究的应用及软件实现,为高维关联分析提供方法学参考。方法介绍惩罚广义线性模型原理及软件实现方法,并采用模拟的连锁平衡和连锁不平衡的SNPs关联研究数据,以惩罚logistic模型例证R软件glmnet包对广义线性模型的拟合。结果对连锁平衡和连锁不平衡SNPs模拟数据,LASSO与弹性网均给出稀疏解,较好地选择有关联SNPs而剔除无关联变量;而岭估计把所有变量都保留在模型中,模型复杂度高但相应的解释度未增加。结论 LASSO和弹性网可对高维遗传关联数据进行有效降维,筛选变量的同时提供参数估计,从而降低模型的复杂度。R软件的glmnet包灵活拟合各类惩罚广义线性模型,可在高通量遗传关联分析中推广应用。

交替惩罚三线性分解算法结合三维荧光光谱法同时分辨和测定酪氨酸、苯丙氨酸和色氨酸

用交替惩罚三线性分解算法(APTLD)结合三维荧光光谱法给出的二维数据对酪氨酸、苯丙氨酸和色氨酸进行了同时定性定量分析,为直接同时测定混合氨基酸中此三种物质提供了一种新的分析方法,其测定相关系数分别为0.9987,0.9995和0.9993。采用超声波组织细胞破碎法对木槿叶中的氨基酸进行提取,利用APTLD法对提取液中氨基酸进行定量测定,测定相对标准偏差分别为0.84%,0.36%,1.59%,回收率分别在101.0%～92.7%,106.5%～93.0%,103.0%～95.0%之间,方法简洁、快速、准确可靠,结果令人满意。

交替惩罚三线性分解二阶校正荧光分析法快速测定牛奶中洛美沙星含量

笔者利用化学计量学交替惩罚三线性分解二阶校正算法结合荧光分析,在有干扰药物及牛奶中干扰组分共存下,对牛奶中的洛美沙星进行快速分析测定。当三维荧光数据的预估组分数取4时,所得平均回收率达到99.4%±1.3%,预测方差均方根(RMSP)为2.97nmol/L,预测结果良好。实验结果表明,此法可用于干扰组分共存下牛奶中洛美沙星的快速定量测定。

三维荧光光谱结合小波压缩与交替惩罚四线性分解算法测定多环芳烃

基于三维荧光光谱结合交替惩罚四线性分解(APQLD)对痕量多环芳烃(PAHs)进行检测,实验以苊(ANA)和萘(NAP)为研究对象。首先利用小波变换对得到的三维荧光光谱数据进行压缩,以消除数据的冗余信息。分别在乙醇溶剂、甲醇溶剂以及超纯水条件下测定不同浓度的PAHs的激发-发射荧光光谱,并将其组合构建四维数据,利用APQLD对构建的四维光谱数据进行分析,并对比了PAHs在三种溶剂条件下各自的回收率。实验结果表明,用不同溶剂构建的四维数据能更准确地测定PAHs的浓度,其回收率更高;对比二阶校正以及其他四维校正算法,APQLD更能体现四维算法所具有的优越性;当因子数N=3时,ANA的回收率为96.5%~103.3%,预测均方根误差为0.04μg·L^(-1);NAP的回收率为93.3%~110.0%,预测均方根误差为0.08μg·L^(-1)。

三维荧光光谱结合交替惩罚三线性分解同时对水中三种酚类测定

酚类化合物对动植物机理有着严重危害,利用三维荧光光谱结合交替惩罚三线性分解(APTLD)算法,完成了不含干扰物和干扰物共存时激发-发射荧光光谱重叠严重的麝香草酚、对苯二酚和苯酚的直接快速准确定性、定量分析。研究了温度对三种酚类化合物荧光强度的影响。对扫描所得激发-发射矩阵信号(EEM)进行二次去散射和光谱校正预处理,最大程度保留了原光谱信息,避免光谱严重失真。将APTLD算法与平行因子(PARAFAC)和交替三线性分解(ATLD)算法进行对比,突显该算法的优势。实验得出,APTLD算法能够较好的解析荧光光谱数据的重叠峰,分别得到三种目标分析物的荧光光谱,实现快速定性分析;定量分析时平均回收率为(97.4±4.5)%～(103.1±3.0)%;预测均方根误差(RMSEP)低于1.664×10^(-2)μg·mL^(-1),且检测限低于国家标准;处理过程简洁快速,为水环境中酚类化合物实现现场检测和在线实时监测提供了有力依据。

基于紫外光谱-惩罚岭型线性判别对STR基因座分型研究

目的:结合紫外光谱(UV-s)和惩罚岭型线性判别(PRLDA)模式识别方法建立短串联重复序列(STR)的基因分型方法。方法:以D16S539基因座的9-9,12-13两种基因型为研究对象,研究包含该多态性位点的DNA片段的聚合酶链反应(PCR)扩增条件和紫外检测条件,建立标准化扩增条件和检测条件,以此获得基因分型的标准物及其标准UV-s。以标准光谱为识别变量,建立了9-9与12-13基因型的PRLDA判别模型。结果:所建立的PRLDA模型有较大的类间距和较小的类内距,表明模型具有良好的稳健性,且预测样本均分布在校正样本集的范围之内,对预测样本也表现出了极强的判别能力。结论:该方法不需任何检测前处理,而只需一步PCR扩增和UV-s检测即可实现STR的基因分型,具有简单、快速、低成本等优点。

基于惩罚岭型线性判别对乙酰氨基酚肝毒性代谢组学的研究

目的:研究基于惩罚岭型线性判别分析(PRLDA)对乙酰氨基酚(APAP)为肝毒性模型药物,与传统的主成分分析(PCA)比较建立的代谢组学模型的方法学。方法:应用APAP对大鼠肝毒性造模,利用UPLC-MS检测尿液样本,以总离子流色谱为毒性表达变量,运用PRLDA和PCA分别建立APAP肝毒性代谢组学模型。结果:在PRLDA代谢组学模型中,APAP组明显偏离正常组,可以直观看出正常组与模型组的类间差异,具有较强的分类能力;而PCA的分类能力较差。结论:PRLDA代谢组学模型的建立能准确、灵敏地表达药物毒性,并且该方法优于PCA模型。

三维荧光光谱结合四线性分解算法测定化妆品中的酚酸类物质

化妆品中的酚酸类物质,有的作为有效成分而添加,如:具有修复皮肤功效的咖啡酸、能够抗炎抗过敏的没食子酸等;有的作为防腐剂而添加,如:对羟基苯甲酸、山梨酸等;有的则属于禁用物质,被不良商家违法添加,如:对苯二酚、间苯二酚等。为监控化妆品质量,对化妆品中酚酸类物质的检测显得尤为重要。许多研究人员也为此做了相关工作,以色谱法为主的先分离后分析的方法取得了一定的成功,但是费时、费料、操作复杂等缺点也十分明显;三维荧光光谱技术具有较高的灵敏度,但是荧光干扰和光谱重叠对检测有较大的影响,针对复杂的化妆品样本往往无法得到理想的效果。为实现化妆品中酚酸类物质的同时定性定量检测,文章将三维荧光光谱技术与化学计量学的四维校正(也称三阶校正)相结合,在保证高灵敏度的情况下,克服未知干扰和数据共线性的影响。首先,在咖啡酸(caffeic acid,CA)、对羟基苯甲酸(p-hydroxybenzoic acid,p-HA)、对苯二酚(hydroquinone,HQ)的线性范围内选取合适的浓度,分别在7.00,7.30,7.50和7.80四种pH值下配制校正样、验证样和化妆品样,这样就得到了激发-发射-pH-样本(EX-EM-pH-Sample)四维数据阵。其次,为验证pH值对荧光强度的影响,选取320 nm作为激发波长,得到咖啡酸在四种pH值下的发射波长,发现咖啡酸的荧光强度随着pH值的增加而升高,表明引入pH值作为第四维的合理性。最后,选择合适的组分数将四维数据阵用交替惩罚四线性分解算法(alternating penalty quadrilinear decomposition,APQLD)进行分解和预测,将分解的光谱与实际光谱比较,将预测的浓度与实际浓度比较。实验结果显示无论是验证样还是化妆品样,分解光谱均能与实际光谱相吻合,验证样的平均回收率(AR)为100.4%~103.5%,预测均方根误差(RMSEP)低于0.06;化妆品样平均回收率(AR)为100.0%~102.2%,预测均方根误差(RMSEP)低于0.08。与色谱法研究相比回收率高出大约4%,且操作简便省时省力,灵敏度高;与二阶校正方法相比,都可以实现在未知干扰下对复杂化妆水体系中多个组分的同时分析,以“数学分离”代替“物理化学分离”,快速、高效、经济、环保;且三阶校正可以克服一定的数据共线性问题,在一定程度上提高了灵敏度。

平抑机组出力波动的发电计划模型及其应用

在编制基于发电成本最小的发电计划时,机组出力曲线经常会出现来回波动的情况。针对这一问题,引入了机组出力变化惩罚因子,并根据不同容量机组的生产特性,分别建立了机组出力变化的线性惩罚模型和分段惩罚模型。采用某省级电力系统算例对所建立的模型进行测试。算例结果表明,模型能有效平抑大中型机组的出力波动,保证出力平稳;在一定程度上可以改善小型机组的出力特性,便于在实际中进行控制;满足电网安全约束,保证安全断面不越限。

基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱快速测定

应用三维同步荧光光谱法结合交替惩罚三线性分解(APTLD)来建立猪肉中莱克多巴胺残留含量的定量测定模型,以实现猪肉中莱克多巴胺残留含量的快速测定。首先分析了莱克多巴胺的荧光光谱产生机理和样本的三维同步荧光光谱;其次对猪肉提取液中的莱克多巴胺荧光的浓度猝灭现象进行了分析;然后应用核一致诊断法确定了APTLD的三线性分解组分数为2,并建立了猪肉提取液中莱克多巴胺的相对荧光峰值强度与训练样本中莱克多巴胺的相对荧光峰值强度之间的标定曲线,用于待测样本中的相对荧光峰值强度的校正;最后,建立了基于APTLD的猪肉中莱克多巴胺残留含量的三维同步荧光光谱预测模型。试验结果表明,该方法可以较好的解决猪肉样本中莱克多巴胺与背景之间的同步荧光光谱严重重叠的问题,省去了一些烦琐的"化学分离"过程,模型预测集的决定系数(R^2)和均方根误差(RMSEP)分别为0.986 3和0.496 6 mg·L^(-1),达到了猪肉中莱克多巴胺残留含量快速定量测定目的。

基于交替惩罚三线性分解的混合油液油种成分的检测

将三维荧光探测技术与交替惩罚三线性分解算法相结合,提出一种用于混合油液中油种成分检测的方法。首先利用FLS920型荧光光谱仪采集拟进行成分检测的混合油液(航空煤油和润滑油)在不同体积比配制条件下的20个样本的三维荧光光谱数据,利用Delaunay插值法对所获得的三维荧光光谱数据进行校正;然后利用核一致函数确定交替惩罚三线性分解算法解析三维荧光光谱数据时所需的组分数;最后利用均方根误差和相关系数矩阵,对交替惩罚三线性分解算法解析三维荧光光谱数据的效果进行评价。结果表明:在经交替惩罚三线性分解算法解析得到的均方根误差和相关系数矩阵中,非对角线上的元素值均满足所设阈值0.05和0.95的要求;在解决三维荧光光谱严重重叠的问题上,交替惩罚三线性分解算法优于平行因子算法,达到了对混合油液中油种成分快速检测的目的。

基于三维荧光光谱结合小波压缩与APTLD对水中多环芳烃测定

基于三维荧光光谱结合小波压缩与交替惩罚三线性分解(APTLD)对水中多环芳烃(PAHs)进行定性和定量分析,实验以萘(NAP)、芴(FLU)、苊(ANA)为测量样品。首先用FS920荧光光谱仪测量获得样品的三维荧光光谱数据,对数据进行激发和发射校正且去散射,得到真实光谱。为了解决三维荧光光谱数据的冗余信息,通过小波变换对实验光谱数据进行压缩,其压缩分数和数据恢复分数分别大于92%和95%。用APTLD对压缩后的光谱数据进行分析,体现了二阶优势,实验结果表明,在PAHs的荧光光谱严重重叠和有干扰物共存下,该方法仍能准确地测定,其回收率为94%~98%、预测均方根误差小于0.29μg·L-1。

三维荧光光谱结合二阶校正方法同时测定水中两种酚类

水是生命之源,人们日常生产生活离不开水。近年来水体污染日趋严重,已经危害到人类的健康。酚类化合物(Phenolic Compound)是一种广泛存在且很难降解的有机污染物,指的是芳香烃中苯环上的氢原子被羟基取代所生成的含羟基衍生物,毒性很强,对动植物及人类的生命活动有严重危害。实验研究对象选取间苯二酚(resorcinol,RES)和对苯二酚(hydroquinone,HYD)来配制待测样本,并且在其中3组预测样本中加入苯酚(phenol,PHE)作为干扰物,待测样本和空白溶剂分别用FS920稳态荧光光谱仪(edinburgh instruments,EI)扫描得到荧光光谱数据。对所得到的数据通过扣除空白溶剂法来消除拉曼散射的影响,得到的数据在消除干扰的同时最大程度保留下来原光谱所包含的重要信息。校正后光谱变得更加圆滑,荧光强度显著增强,因此,校正处理后的光谱信息更为准确。利用三维荧光光谱(EEM)结合平行因子分析(PARAFAC)和交替惩罚三线性分解(APTLD)两种二阶校正方法,分别完成在不含干扰物和含有干扰物、同时激发-发射光谱严重重叠时对间苯二酚、对苯二酚的快速、直接、准确测量,并给出定性、定量分析结果。PARAFAC算法对混合体系的组分数(即化学秩)较敏感,组分数选取过大易使其陷入计算"沼泽",迭代次数增多,计算耗时变长。故本文利用核一致诊断法(CORCONDIA)预估计出准确的组分数,保证PARAFAC算法更加快速准确。从定性分析结果知,当不含有干扰物时,PARAFAC能够准确分辨出间苯二酚和对苯二酚,二者荧光峰位置极为接近,很难用传统方法分辨,体现出将三维荧光光谱技术与化学计量学二阶校正方法相结合所具有的"二阶优势";定量分析结果给出,在有干扰物共存时,分别应用两种二阶校正法解析光谱数据结果显示:PARAFAC的浓度预测回收率为93.4%±0.5%~97.1%±1.0%,预测均方根误差小于0.190 mg·L^-1;APTLD的浓度预测回收率为95.9%±1.6%~97.2%±0.8%,预测均方根误差小于0.116 mg·L^-1,通过比较两种方法性能得:PARAFAC对待测物组分数敏感,对待分解的光谱数据严格线性要求高;而APTLD对混合物组分数不敏感,计算速度快,抗噪声能力较强,结果稳定,具有较明显的优势。

结构图正则低秩子空间聚类

针对结构稀疏子空间聚类中不能很好地保证相似度矩阵连接性的问题,给出了一个新的统一优化模型。首先,引入了表示系数矩阵的子空间结构范数,增加了低秩表示来揭示高维数据的全局结构。其次,为了使相似度矩阵具有类内统一,类间稀疏的作用,还定义了分组效应来捕获数据的内部几何结构,提出了结构图正则低秩子空间聚类模型。最后使用自适应惩罚的线性化交替法(LADMAP)来得到最优解。实验结果表明,该模型不但可以捕获数据的全局结构,而且还可以捕获数据的内在几何结构,迫使相关数据紧密结合,不相关数据松散分离,从而使得相似度矩阵与分割矩阵变得更加一致。

二阶校正用于乳粉中牛磺酸的HPLC-DAD测定分析

本文利用基于交替惩罚三线性分解的二阶校正方法与HPLC-DAD结合,定量分析乳粉中的牛磺酸。虽然牛磺酸与样品中未知干扰物存在色谱峰重叠,但利用具有"二阶优势"的二阶校正算法,获得了满意的定性定量结果。

结合小波压缩和APTLD的三维荧光光谱技术在掺伪芝麻油鉴别中的应用

将三维荧光光谱技术、小波压缩和交替惩罚三线性分解算法(APTLD)结合,提出了一种鉴别掺伪芝麻油的新方法。利用荧光光谱仪测量纯芝麻油及掺伪芝麻油样本的三维荧光光谱,通过激发校正和发射校正消除仪器带来的误差,得到样本的真实三维荧光光谱数据;利用小波压缩对处理后的真实数据进行压缩,以减少冗余信息,其中压缩分数和数据恢复分数分别大于94.00%和98.00%;利用APTLD算法对压缩后的数据进行定性及定量分析,得到的回收率为97.0%～99.8%,预测方均根误差不大于0.120。研究结果表明,所提方法能够准确鉴别纯芝麻油及掺伪芝麻油样本,并对其组分含量进行预测。

三维荧光二阶校正法同时测定水果样中α-萘乙酸和吲哚-3-乙酸

将三维荧光光谱技术与分别基于交替惩罚三线性分解(APTLD)和平行因子分析(PARAFAC)2种算法的二阶校正方法相结合,实现了水果样中α-萘乙酸(NAA)和吲哚-3-乙酸(IAA)含量的直接快速同时定量测定。对于西瓜提取液,在量测体系选取的组分数为3时,采用APTLD二阶校正法所获得的NAA和IAA的平均回收率分别为(103.8±7.5)%和(95.2±5.9)%;采用PARAFAC二阶校正法所获得的平均回收率分别为(101.0±4.6)%和(96.8±4.5)%。另外,采用椭圆置信区间测试和品质因子如灵敏度、选择性和检测下限,评估了2种算法的准确性。实验结果表明,这2种方法均能成功用于直接定量分析水果样中NAA和IAA的含量,且方法快速简便,比其它分析方法既节约试剂又节约时间,是1种直接快速分析复杂体系中感兴趣组分植物生长激素的有力工具。