CHD蛋白家族两类染色质域CD1和CD2的进化差异研究

[目的]研究CHD蛋白家族2类染色质域CD1和CD2的进化差异。[方法]对获得的19个CHD蛋白基因的2类染色质域CD1和CD2进行氨基酸序列多态性、GC含量、密码子偏性差异和相对进化速率分析,并构建NJ系统进化树,研究不同CHD基因之间和CD1、CD2之间的发生关系。[结果]发现2类染色质域之间存在进化的差异是由所受选择性压力的不同造成的,其中CD1由于功能上的选择压力小而比CD2进化的快。[结论]在不同的物种和基因中CD1和CD2的进化差异存在普遍性。

差异进化法在电厂集控运行中的应用研究

差异进化作为一种有效而简单的进化算法越来越受关注,其主要特征是,群体成员之间的差异用于突变过程,而不是随机生成的值。它的易操作性和直观性使其成为进化算法的一种更有广泛用处的方法,它更容易解释拟合给定成本函数的参数选择。本文简要概述了差异进化法,并展示了它在集控运行中应用。运用环境在参考调速器中使用差异进化算法来生成用于控制发电厂的最佳设定点,应用程序包括多种差异进化策略的比较,以及与应用较为广泛粒子群优化技术的比较,本文还包括一种通过将差异进化算法与标准进化算法相结合来加速差异进化收敛的方法,效果明显。

基于混合差异进化优化算法的电力系统无功优化

无功优化是电力系统实现电压和无功功率最优控制和调度的基础,阐述了一种基于混合差异进化算法的新无功优化方法。混合差异进化算法是一种直接随机搜索方法,由在当前种群中随机采样的个体之间的基因差异来驱动,且为缩短计算时间、避免陷入局部最优,在算法中嵌入了加速操作和种群迁移操作。将该无功优化方法在IEEE 30节点系统上进行了校验,并与基于其他算法的无功优化方法进行比较,仿真结果表明该算法具有收敛速度快、鲁棒性好、计算精度高的优点。

基于差异进化和PC集群的并行无功优化

提出了一种在线求解电力系统无功优化问题的方法。该方法基于新的差异进化(DE)算法 和并行计算技术,在PC集群上实现优化。IEEE 118节点系统的算例表明:DE算法尽管简单,但 可快速收敛到近似最优解;采用并行差异进化和适当规模的PC集群,可大大缩短电力系统无功优 化的计算时间,使之满足在线应用的需要。

基于差异进化算法反演参数的隧道稳定性分析

在隧道和地下工程弹性问题的位移反分析中,当基本未知数多于三个时,在各参数可能的变化范围内找到一组使误差最小的最佳参数的优化反分析方法是当前岩土工程反分析研究的热点问题。论文结合一种新型的优化算法(差异进化算法),依托摩天岭1#斜井隧道工程施工,跟踪施工进行了典型断面围岩位移监测,以现场量测位移作为基础信息求得了斜井隧道全局最优值的最佳力学参数组合。根据以上采用差异进化算法求得的反演参数,对摩天岭1#斜井隧道单层衬砌支护稳定性进行了三维数值模拟分析,分析表明,摩天岭1#斜井隧道III级围岩段喷15 cm厚钢纤维混凝土支护后,斜井隧道围岩最小应力明显降低,围岩位移明显减小,因此建议摩天岭1#斜井洞身段III级采用15 cm厚度的钢纤维喷射混凝土单层衬砌。以上研究直接指导了摩天岭隧道单层衬砌设计和施工。

基于差异进化算法的并行容错无功优化

容错是应用分布式并行计算系统时必须解决的一个关键难点。在基于广域网络的新型计算环境下实现基于进化算法的电力系统优化应用时,需要对大量个体进行频繁的迭代评估,现有的各类容错技术难以实现对此类应用的高效容错。文中结合进化算法概率性搜索、个别个体失效不会影响系统整体性能的特点,提出以父代个体取代未按时返回的子代个体的方式实现容错,并结合基于差异进化算法的无功优化问题对所提出的方法进行了仿真分析。IEEE118节点系统测试表明该方法能以优化性能的降低为代价实现高效容错。在该容错手段支持下,可通过采用更大范围网络计算资源基础上更大的群体规模,取得一致性更好、更接近全局最优的解。

基于差异进化支持向量机的基坑变形时间序列预测

现场量测获得的基坑变形信息蕴涵了系统内部力学演化的信息。针对监测数据的高度非线性以及人工神经元网络方法过学习问题,用差异进化算法优化支持向量机的参数,提出了一种新的预测基坑变形的差异进化支持向量机方法。避免了人为选择参数的盲目性,提高了预测模型的训练速度和预测推广能力。利用这种非线性的智能预测方法,基于监测数据滚动预测基坑变形,可以及时优化和调整施工方案,为基坑施工控制奠定基础。将该方法用于漳州市污水处理厂的基坑变形预测,获得了令人满意的预测效果。

用模拟退火差异进化算法进行匹配场反演

分析了模拟退火算法与差异进化算法单独应用于匹配场反演时的局限性,构造一种结合两种算法优点的混合算法。模拟退火算法对差异进化算法的种群进行扰动,保留了差异进化算法的并行特性;在差异进化算法中引入模拟退火算法的重要性抽样思想,增强其逃离局部最优的能力,差异进化算法对目标函数梯度信息的利用仍然保留。仿真研究表明,混合算法在寻优时间与效率上达到了较好的平衡。

基于差异进化算法的隧道渗流反分析与工程应用

针对隧道开挖引起的渗流场变化问题求解渗流参数,将围岩视为多孔连续介质,利用C++语言基于变分原理自主开发了有限元渗流计算SEEP程序,并通过算例验证程序的正确性,在此基础上利用差异进化算法编制了相应的渗流参数反分析程序SBAP。结合大连金州至普兰店区间隧道工程,利用单位距离隧洞涌水量和测点孔隙水压值对该工程不同地层的水平渗透系数和竖向渗透系数进行反演。将反演得到的参数带入到SEEP程序中计算,通过计算结果和实测结果对比证明差异进化算法能较好的应用于渗流反分析当中,为类似地下工程渗流参数的确定和隧道涌水量的预测提供一定的依据。

基于差异进化算法的前馈神经网络在大坝变形监测中的应用

针对当前大坝安全监测中广泛采用的回归模型欠拟合的不足,提出了基于差异进化算法的前馈神经网络模型。差异进化算法是基于种群策略的全局优化搜索算法,具有应用简单、收敛快的优点。采用该法训练的神经网络可以有效避免常规BP(back propagation)神经网络收敛于局部极小点的缺陷。将提出的方法应用于某拱坝的变形监测,通过计算表明,应用DE(differential evotntion)神经网络模型预报大坝变形的精度比常规回归模型和BP神经网络模型均有所提高。

基于差异进化算法的围岩参数识别

引入了一种新型智能优化算法差异进化优化算法,建立采矿巷道围岩参数的识别方法.基于正交设计和均匀设计方案进行巷道开挖的数值试验,建立围岩力学参数与监测位移的映射关系回归模型.以计算位移和监测位移的误差为适应值,采用差异进化优化算法进行参数识别.在探讨差异进化算法原理和参数识别步骤基础上,将该方法应用于金山店铁矿进路巷道分析.分析结果表明该算法具有优良的全局快速收敛性,是具有较强适应性的新型巷道参数识别方法,具有良好应用前景.

基于差异进化算法的爆破震速参数识别与优化

爆破震动衰减特性研究通常采用经典的萨道夫斯基公式实现。如何根据不同爆破条件合理选择公式中的场地系数K和衰减指数α是确定爆破控制参数的关键。实际工程分析中,通常采用可监测参数反演识别方法获取K和α值。以大连地铁2号线201标段接收井横通道爆破作业为背景,基于差异进化(DE)算法中缩放因子F和交叉概率Cr贡献值的合理选择,研究萨道夫斯基公式K和α的反演问题。首先,通过对算法中F和Cr不同取值对萨道夫斯基公式计算结果的影响分析,得到各向震速条件下收敛最小的F和Cr值;然后,根据F和Cr取值反演K和α参数。工程实践表明,基于DE算法反演识别得到的K和α值代入萨道夫斯基公式,计算得到的垂向、纬向、经向速度及合速度与实测速度变化趋势一致,并处在合理误差范围之内。

基于差异进化算法的人工神经网络快速训练研究

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中神经网络已被广泛应用于智能控制系统优化,信号及信息处理、模式识别等领域。而遗传算法则是模拟生物的进化现象(选择、交叉、变异等),来表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。由于神经网络和遗传算法目标相近而方法各异,因此将两种方法相互结合,必能达到取长补短的目的。将近年来提出的遗传算法的一种——差异进化算法DE(DifferentialEvolution)与原有的LM算法相结合,构造了DE-LM算法,并通过实例验证了它具有收敛速度快和不易陷入局部最小的特点。

基于粒子群-差异进化混合算法的电力系统无功优化

针对传统粒子群算法中收敛速度快但易于陷入局部最优等特点,将差异进化算法与粒子群算法相结合,提出了一种粒子群-差异进化混合算法。该算法在粒子寻优过程中除跟踪个体极值和全局极值外,还跟踪粒子差异进化产生的第三个值;同时,当粒子在某一维上的速度小于给定值时,将重新初始化该维度粒子速度。建立了无功优化数学模型,并将合算法应用到无功优化中。通过MATLAB编程对IEEE-30节点系统进行优化计算,并与遗传算法和粒子群算法比较,结果表明本文提出的算法应用于无功优化拥有较快的收敛速度和全局寻优能力,具有广阔的发展前景。

用差异进化算法进行海洋环境参数反演

提出了用差异进化算法进行浅海环境参数匹配场反演 ,利用仿真数据对算法的有效性进行了评估 ,并与遗传算法、模拟退火算法进行了比较 ,最后采用亚洲海实验 ( ASIAEX2 0 0 1 )

用差异进化和变邻域搜索解决无等待流水线调度问题

提出了解决无等待流水线调度问题的离散差异进化(DDE)算法和变邻域搜索(VNS)算法。与标准差异进化(DE)算法不同,DDE算法采用了基于工序的编码和新的个体生成方法,因而能直接用于求解生产调度这类复杂问题;VNS算法采用多重移动邻域以提高性能。为了进一步提高求解质量,将DDE和VNS结合,得到三种混合算法:DDE—VNS、DDE_(VNS)和DDE&VNS。仿真试验表明:上述算法都是有效的,混合算法优于单一算法,VNS、DDE—VNS、DDE_(VNS)和DDE&VNS等4种算法优于国际上同类研究的最新成果。

解决动态多中心问题的自学习差异进化算法

为解决动态环境下的多中心优化问题,提出自学习差异进化算法。通过评估特定个体检测到环境变化,自学习算子将群体引至新的环境,并保持群体的拓扑结构不变,以继续当前的进化趋势。采用邻域搜索机制加快算法的收敛速度,引入随机个体迁入机制增加群体多样性。实验以周期动态函数为测试对象,比较自学习差异进化算法与部分智能优化算法的性能,结果表明,新算法有更快的收敛速度和更好的环境适应能力。

基于差异进化支持向量机的坑外土体沉降预测

就用支持向量机(SVM)预测基坑外土体沉降而言,通过差异进化(DE)算法构造适合的决策函数十分重要。在确定坑外土体沉降函数的基本形式下,进行参数反演。后将得到的解析式作为SVM的决策函数,再进行核函数转换,从而使SVM的曲线拟合更加快速,预测更加准确。对大连地铁湾家车站基坑坑外土体的沉降数据的分析及预测的结果表明,使用SVM-DE算法在计算数据量、计算消耗时间和预测精度方面优于2种方法单独使用。

基于差异进化算法的土层多参数动态反分析

为得到更加真实准确的深基坑施工过程各土层参数值,确保深基坑工程质量和安全稳定性,以大连某地铁车站深基坑工程为研究背景,根据现场地下连续墙水平位移实测数据,采用正交设计法对各土层参数进行敏感性分析,然后,基于差异进化多参数反分析方法,对深基坑各土层参数进行静态和动态位移优化,最后,根据地下连续墙体水平位移现场监测数据,对数值模拟结果进行辅助验证。研究结果表明:动态反分析的土层参数值更接近土层真实值,利用动态反分析得到的土层参数进行数值模拟分析,其结果比静态反分析模拟结果更接近实际监测数据,从而验证了该方法的合理性和正确性,为后续深基坑稳定性研究和变形预测提供技术支持。

基于差异进化算法的医学图像配准方法

基于互信息的医学图像配准是一种目标函数的优化问题,但传统优化方法往往由于目标函数收敛到局部极值而导致错误的结果.该文将差异进化算法引入到医学图像配准中,利用其收敛特性避免互信息测度优化陷入局部极值,实现了多模态医学图像的配准.实验数据表明,以互信息测度为目标函数的医学图像仿射配准中,差异进化算法优于Powell算法和模拟退火算法.