改进的速度变异粒子群算法

论文提出了一种新的PSO算法——改进的速度变异粒子群算法(iPSOVMO)。其变异策略是:在每次迭代循环中,对具有m个粒子的粒子群的每一维d上的速度的绝对值｜v1,d｜,｜v2,d｜,…,｜vm,d｜最小的速度vTd,d以一定的概率进行变异:使vTd,d随机而均匀地分布于[-vmax,vmax]上。对四个多峰的测试函数所做的对比实验表明,无论是全局版还是局部版,iPSOVMO都大大优于原始的PSO和传统变异PSO,也优于速度变异PSO(PSOVMO)。

含速度变异算子的粒子群算法

提出了一种新型的PSO算法———含速度变异算子的粒子群算法(PSOVMO).该算法在进行变异时的变异对象是搜索速度(v),而不是通常情况下的位置(x).其方法是,设置一个随迭代的进行按指数级数减小的临界速度.在变异开始到整个搜索循环结束之间的每一次迭代中,只要第i个粒子在d维上的搜索速度的绝对值|vi,d|大于此时的临界速度,就以一定的概率重新初始化vi,d:让vi,d随机分布在区间[-vmax,vmax]上,从而通过位置迭代公式将原本聚集的粒子均匀地“驱赶”到前一位置的周围,达到变异的目的.通过对4个多峰测试函数所做的对比实验,表明PSOVMO优于原始的PSO,也优于按传统方法变异的PSO.

应用速度变异粒子群的系统辨识方法研究

论文研究了一种利用粒子群优化(PSO)算法对系统模型进行辨识的新方法。该方法的基本思想是将典型的数学模型的相互组合而构成系统模型的新颖辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现了系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了一种利用速度变异的粒子群优化(VMPSO)算法。最后,给出了仿真示例,其结果表明了所给的系统辨识方法的合理性和求解算法的有效性。

跳远运动员助跑不同阶段的速度变异与上板偏差的关联分析

采用数字化跑道测试系统,对优秀男子跳远运动员试跳的全程助跑进行实时监测,同时测量其上板误差。依据助跑步频变化特征将其划分为加速、速度保持和上板阶段。从6次测试中取4次上板偏差相对较小的数据计算3个阶段的平均速度。用灰色关联数据分析法计算各阶段的速度变异与上板偏差的关联度。结果显示:运动员助跑各阶段的速度变异与上板偏差的关联系数相近,由高到低依次是上板阶段、速度保持阶段、加速阶段。认为:跳远运动员助跑速度节奏控制是全程性的,强调助跑某一阶段重要性的训练理念可能对运动员产生不利诱导。

基于速度变异的粒子群算法

为了改善粒子群优化算法在收敛后期极易陷入局部最优的缺陷,提出了在非线性惯性权重策略粒子群算法的前提下,对陷入局部极值区域的粒子进行位置变异,使得粒子能很好地跳出局部极值区域,并在迭代前期及后期采用不同速度变异策略使处于个体极值点的粒子改变速度,能够有效地提高算法的前期全局搜索能力和后期局部开挖能力。通过4个经典测试函数验证了该算法具有更好的优化性能。

被动抬腿试验结合股动脉峰值血流速度变异率对容量负荷的判断

目的：重症监护室（ ICU）内充分的液体复苏是治疗脓毒症和低血量休克的关键。探讨床边超声监测股动脉峰值血流速度变异率（ΔPeak -FA ）结合被动抬腿试验（ passive leg raising， PLR）对容量负荷试验判断的准确性和可行性。方法前瞻性分析2013-03～2013-10我院ICU机械通气并存在自主呼吸的55例患者。通过超声监测基线、被动抬腿试验和容量负荷（ VE，6％羟乙基淀粉500 mL于30 min输完）前后血流动力学状态，并以容量负荷后每搏输出量增加（ΔSVVE）≥15％为容量反应阳性的金标准，分析股动脉峰值血流速度变异率，ROC曲线灵敏度、特异度和似然比，以评价此研究的临床可行性。结果50例患者中27例容量负荷试验有反应，23例容量负荷试验无反应，PLR前后ΔPeak-FA（ΔPeak-FAPLR）与ΔSVVE具有较好的正相关性（r＝0．709，P＜0.01），ΔPeak -FAPLR的ROC曲线评估预测容量反应曲线下面积（AUC）0.858±0．054（P＜0．01）。ΔPeak-FAPLR＞13％为诊断容量反应的分界点，敏感度是67％，特异度是96％；阳性预测值是94％，阴性预测值是74％。结论床旁超声测量PLR前后股动脉峰值血流速度变异率能在一定程度上准确地评估ICU患者容量状态，这一手段容易被ICU医师掌握，可指导临床治疗。

高速弯沉仪检测刚性道面的速度变异性分析

测试速度是影响高速激光弯沉测值准确性的重要因素。为推动高速弯沉检测技术在机场道面检测领域的发展与应用,研究高速移动荷载作用下路表弯沉的变化规律。基于刚性道面的典型功能层结构,建立了三维有限元模型;通过设置用户子程序DLOAD的移动荷载速度,分析了不同车速对最大竖向应力、最大竖向位移及弯沉盆特性的影响;对山西某机场跑道进行实际工程测试,以验证速度变异性规律。结果表明:荷载移动速度对道面板最大竖向应力、最大竖向位移有显著的影响,两者均随车速增加而减小;以50 km/h的理论弯沉为基准,在车速为0~100 km/h之间,板中理论弯沉变化幅度为11.2%~-13.1%,板边理论弯沉变化幅度为7.9%~-6.1%;实际工程测试数据与有限元分析得到的速度变化性规律一致,随测试速度增大,弯沉测值减小。最后,对选取合适的测试速度给出了建议。

小容量负荷主动脉时间速度积分变异率在严重多发伤休克患者液体复苏中的应用

目的评价小容量负荷下主动脉时间速度积分变异率指导严重多发伤休克患者液体复苏的应用价值。方法选取严重多发伤休克患者,随机分两组,超声指导组(A组)通过小容量负试验在超声下监测主动脉时间速度积分变异率评估容量反应性指导液体复苏,常规治疗组(B组)根据常规指标进行复苏。比较两组患者复苏前后不同时间生理和实验室指标,72 h复苏液体量、血管活性药物使用时间、机械通气时间、28 d死亡率及住ICU时间。结果共纳入64例患者,完成试验的A组有30例,B组有29例,两组患者一般资料比较差异无统计学意义(P>0.05),MAP和CVP在复苏后12、24 h和3 d的值两组差异有统计学意义(P<0.05),A组患者的复苏液体量和血管活性药物使用时间、机械通气时间和住ICU时间均少于B组(P<0.05)。结论利用小容量负荷主动脉时间速度积分变异率评价严重多发伤休克患者的容量反应性能精确指导液体复苏,减少缩短血管活性药物使用时间及机械通气时间。

不同形态抗坏血酸的分离及其变异速度的研究

提出了应用静电离子色谱法 ( EIC)同时分离测定抗坏血酸、脱氢抗坏血酸和变异脱氢抗坏血酸的方法。在自制的 ( EIC)固定相表面上 ,由于存在着微螺旋状胶束和均匀分布的正、负电荷 ,使几种形态的抗坏血酸得到了很好的分离。使用示差 -折光检测器 ,测定抗坏血酸的线性范围为 0 .2～ 2 mg· m L- 1。维生素 C片溶液 ( 1 mg·m L- 1)在常温下被空气氧化而失活的速度为 0 .0 4 5 mg·m L- 1· d- 1。该方法克服了样品测试过程中 ,由于抗坏血酸的变异而引起的系统误差 ,可为生物活性物质的动态分析 。

科学家发现H5N1型禽流感病毒变异速度惊人

据中国网10月15日报道，在一名越南患者身上的H5N1型禽流感病毒毒株中，美国、日本和越南研究人员发现了一些毒株对目前最有效的流感药物“达菲”已具有抗药性。科学家警示，禽流感病毒的变异速度大大超出人们的想象，各国绝不能单纯依赖达菲。

左室流出道速度时间积分变异度联合下腔静脉塌陷指数重症感染患者容量管理的评估

目的探讨左室流出道速度时间积分变异度(△VTI)联合下腔静脉塌陷指数(IVC-CI)对重症感染患者容量管理的评估。方法选取2020年9月至2022年8月本院收治的50例行机械通气治疗的重症感染患者作为研究对象,根据治疗方法的不同分为两组,每组25例。研究组采用床旁超声△VTI联合IVC-CI指导容量管理,对照组采用中心静脉压(CVP)指导容量管理。比较两组最初6 h早期目标导向治疗(EGDT)达标率、补液前后IVC-CI、△VTI水平、液体管理指标[补液24 h后、血氧饱和度(SpO_(2))、中心静脉血氧饱和度(ScvO_(2))、肺水肿发生率、急性肾衰竭发生率、机械通气时间、15 d生存率]。结果观察组最初6 h的EGDT达标率为88.00%,明显高于对照组的64.00%,差异有统计学意义(P<0.05)。补液24 h后,两组IVC-CI、△VTI水平均低于补液前,且观察组高于对照组,差异有统计学意义(P<0.05)。观察组补液24 h后心率慢于对照组,SpO_(2)、ScvO_(2)、15 d生存率均高于对照组,肺水肿、急性肾衰竭发生率均低于对照组,机械通气时间短于对照组,差异有统计学意义(P<0.05)。结论△VTI联合IVC-CI可有效评估机械通气治疗重症感染患者容量反应性,可有效避免容量过负荷,提升临床疗效,值得临床推广应用。

病毒会“生病”因而得以迅速变异

法国科学家发现，病毒也会受到病毒感染，这有助于解释为何病毒的转换基因和变异速度会如此迅速。

高速公路螺旋隧道圆曲线半径建议值研究

为探明山区高速公路螺旋隧道半径对车辆行驶速度和轨迹偏移的影响规律,获得圆曲线半径合理设计值,文章基于螺旋隧道典型设计参数和安全停车视距,利用驾驶模拟仿真技术与回归分析方法,通过构建四种工况(左转下坡、左转上坡、右转上坡、右转下坡)的仿真驾驶模拟场景获取行驶速度和轨迹偏移数据,分析螺旋隧道半径对车辆运行特性的影响,基于平均速度、横向偏移值以及“自解释”理论,得到螺旋隧道路段圆曲线推荐半径值。结果表明:在螺旋隧道圆曲线路段内,行驶速度呈现出下坡快于上坡、右转快于左转、半径大于930 m时速度变异系数增大等特征,且左转半径大于1 000 m、右转半径大于800 m时超速现象显著;横向偏移量呈现出下坡大于上坡、左转小于右转、随半径增大而减小等特征;螺旋隧道在左转下坡、左转上坡、右转下坡、右转上坡的工况下,推荐半径取值范围分别为640 m~880 m、630 m~870 m、630 m~840 m、620 m~820 m。研究结果可为山区高速公路螺旋隧道的平面线形设计提供参考。

谷物联合收获机自动测产系统产量模型

为了提高谷物联合收获机自动测产系统的测产精度,在研究了谷物联合收获机田间工作状态和升运器速度变异的基础上,通过分析谷物的运动学原理及其对冲量传感器作用的力学原理,建立了电压/升运器速度产量模型。为进一步消除收获机作业时的噪声干扰,在测产原始数据预处理时,先采用回归差分法降低振动噪声,然后采用双阈值滤波以及阈值取代法、前值取代法2种插值方法以消除差分电压中的奇异值,结果显示前值取代法效果较佳。此外,还提出了升运器速度归一化方法和冲量电压标准化方法以消除量纲影响并简化计算。田间测产试验结果表明,提出的电压/升运器速度模型比传统的质量-电压模型更能准确表征谷物运动实际情况,测产精度高,验证均方根误差为2.03%。

基于改进粒子群优化算法的移动机器人路径规划

为了实现微型足球机器人的平滑最优路径规划,提出了一种结合Ferguson样条路径描述和改进粒子群优化算法的路径规划方法。利用Ferguson样条描述移动机器人路径,将路径规划问题转化为三次样条曲线的参数优化问题,借助改进的具有速度变异的粒子群算法进行路径优化。仿真实验表明,算法可以有效进行障碍环境下机器人的无碰撞路径规划,改进的粒子群算法进行路径优化迭代80次左右即可收敛,规划路径平滑、合理,有一定的实用价值。

基于改进粒子群算法的Hammerstein模型辨识

提出辨识非线性Hammerstein模型的新方法。将非线性系统的辨识问题转化为参数空间上的函数优化问题,采用粒子群算法获得该优化问题的解。为了进一步增强粒子群优化算法的辨识性能,提出采用速度变异粒子群对整个参数空间进行搜索得到系统参数的最优估计。仿真结果验证了该方法的有效性。

基于改进BP网络的弹药库房有害气体检测

通过气体采样分析,确定了弹药库房需要重点检测的有害气体种类,在此基础上构建了基于传感器阵列与粒子群优化BP网络的气体检测系统;针对线性惯性权重调整的粒子群优化BP神经网络算法的不足,提出了一种新的非线性惯性权重调整方法,既保证了算法在运行前期具有较快的搜索速度和全局搜索能力,又保证了后期具有较高的搜索精度;为了克服算法在运行后期的局部收敛,在算法运行过程中引入速度变异算子,使算法摆脱了易陷入局部最优点的束缚;最后,通过实验对气体检测系统的性能进行了检验。结果表明,该气体检测系统速度快、精度高,能够较好地实现对弹药库房有害气体的检测。

具有自适应邻域探测机制的改进型PSO算法

针对基本PSO算法在全局优化中易陷入局部极值和收敛精度低的不足,分析了基本PSO算法早熟收敛的原因,提出具有自适应邻域探测机制的改进型粒子群优化(ANE-PSO)算法.该算法在进化过程中以概率总体递减的方式,选择部分粒子对最佳位置按半径总体递减的规则进行邻域探测,并引入速度变异算子,提高种群的多样性,增强了算法的全局搜索能力.并证明它依概率1收敛到全局最优解.通过与其它三个改进算法比较,结果表明ANE-PSO具有较好的全局搜索能力,收敛速度较快,稳定性较好,且没有增加时间复杂度,较有效的避免了早熟收敛问题.

学习邻域参数的粒子群算法

针对粒子群算法的参数自适应的问题,提出了学习邻域参数的粒子群算法(Particle swarm optimization with learning neighborhood parameter learning,LNPPSO).为了使参数适应环境,将种群的中个体赋予不同的参数,根据邻域粒子的适应度变化和参数信息来更新粒子参数;为了增强跳出局部极值的能力,对所有粒子施加单维速度变异.为了平衡探索和开发,在更新过程中使用基于全局最优值的概率自适应方法来调整参数变化方法的比例.在10个标准测试函数上的实验结果表明:与对应的算法相比,LNPPSO前期着重于参数的适应和搜索空间的探索,收敛速度提升不明显,但中后期收敛速度得到明显提升,搜索结果具有更好的精度,在单峰函数和多峰函数上都有很好的表现.

基于VMPSO-RBF神经网络的话务量预测

为了更快速、准确地预测话务量,提出了速度变异的粒子群算法(VMPSO),并与RBF算法相结合,形成速度变异的粒子群—RBF(VMPSO-RBF)神经网络算法,并且来训练神经网络,从而优化了神经网络的参数,最后对移动话务量进行预测。与RBF神经网络方法和PSO-RBF神经网络方法相比较,该文提出的方法预测精度更高,收敛速度更快。