基于改进遗传算法的2型糖尿病中医药有效处方推荐方法研究

目的改进遗传算法创新推荐度模型,以2型糖尿病(T2DM)电子病历数据为基础进行核心处方挖掘及有效处方推荐。方法基于真实世界电子病历数据,构建T2DM患者有效处方集及不同证型原始处方集数据库;对遗传算法进行改进,优化适应度函数的构建,使提取出的核心有效处方朝着有效处方集的方向进化;基于核心有效处方与原始处方集的相似度关系,创新推荐度模型,通过遍历不同证型原始处方集进行处方推荐度挖掘。结果共使用有效诊疗标准的处方17712条,提取的核心有效处方中包含中药37种;最终挖掘出满足“推荐度≥85%”的处方26条,最大推荐度为97.26%。结论研究改进遗传算法提高了对中药处方集的特征提取和全局搜索能力,并通过提出新的推荐度模型进行临床处方决策推荐,提高了电子病历数据的利用率。

基于S型生长曲线的蝗虫优化算法求解机器人路径规划问题

针对启发式算法在求解机器人路径规划问题上存在收敛精度低、搜索路径效率低且容易陷入局部最优等问题,提出一种基于S型生长曲线的蝗虫优化算法(SGCIGOA)。首先,引入Logistic混沌序列优化蝗虫初始种群,增强蝗虫种群在迭代初期的多样性;其次,引入S型生长曲线特征的非线性惯性权重,对递减参数递减的方式进行了调整,从而提高算法的收敛速度和寻优精度;最后,在迭代过程中引入基于t分布的位置扰动机制,使算法能充分利用当前种群的有效信息,以更好地平衡全局搜索和局部开发,并降低算法陷入局部最优的概率。实验结果表明,相较于MOGOA (Multi-Objective Grasshopper Optimization Algorithm)、IGOA (Improved Grasshopper Optimization Algorithm)和IAACO (Improvement Adaptive Ant Colony Optimization)等10种对比算法,所提算法在简单环境下的最优路径长度平均缩短0~14.78%,平均迭代次数减少56.60%~90.00%;在复杂环境下的最优路径长度平均缩短0~11.58%,平均迭代次数减少45.00%~92.76%。可见,所提SGCIGOA是用于求解移动机器人路径规划的一种高效算法。

一种改进型A^(*)算法的AGV路径规划

A^(*)算法是一种常见的AGV路径规划算法,然而当AGV的运动环境很复杂时,A^(*)算法的效率会显著下降。针对传统A^(*)算法存在路径搜索效率低、路径转折次数多等问题,提出一种改进型A^(*)算法。首先基于栅格法对地图进行建模,随后对A^(*)算法的启发函数和邻域搜索策略展开研究,引入动态加权机制改进启发函数,并在此基础上加入动态五邻域搜索策略。最后在Python编程环境下,分别使用两种不同障碍率的栅格地图对改进型A^(*)算法与传统A^(*)算法进行对比仿真实验。仿真结果表明,改进型A^(*)算法搜索时间平均缩短了69.3%,路径拓展节点数平均减少了74.5%,可以明显减少转弯次数,提升整体效率,尤其是在障碍率较高时优化效果更明显;引入贝塞尔曲线后,可使移动路径更加平滑。

融合IR-MAD算法与Unet模型的遥感影像变化检测方法

在迭代加权多元变化检测(Iterative Weighted-Multivariate Change Detection, IR-MAD)算法的基础上引入深入学习的高分辨率遥感影像变化检测方法,构建新的组合变化检测方法。首先,使用基于卡方分布概率密度函数对IR-MAD算法进行改进,使用改进IR-MAD算法提取遥感影像变化区域;其次,在初始变化提取结果的基础上,使用改进小型U型网络模型进行进一步提取变化检测区域;最后,为有效解决变化检测提取结果内部漏洞、像素间隙以及“斑点噪声”“椒盐噪声”现象,使用影像空间信息对提取变化区域进行优化。通过两组不同时相高分二号高分辨率遥感影像数据进行变化提取试验,结果表明本文方法较IR-MAD算法与Unet模型能更加准确有效提取变化检测区域,整体提取精度更高,具有较高的实用价值。

核范数最小化问题的非精确Halpern型邻近点算法(英文)

本文针对求解核范数极小矩阵优化问题给出一种新的可执行的非精确Halpern型邻近点算法,并证明该算法生成的迭代点列强收敛于起始点在解集上的投影.

局部线性下的函数型主成分聚类算法

函数型聚类分析在统计学领域被广泛关注,其分析过程通常在降维目标实现后进行。为了有效解决函数型主成分聚类问题,文章结合局部线性嵌入算法(Locally Linear Embedding,LLE)在非线性空间下的适用性,提出了一种局部线性下的函数型主成分分析模型(LLE Function Principle Component Analysis,LFPCA)。首先,采用函数型主成分分析法作为降维目标方法,改进了FPCA的算法模型,通过将LLE算法的权重系数矩阵与函数型主成分定义相结合,构建出一个适用于非线性空间下的聚类算法;其次,在求解算法的过程中定义了函数型主成分得分,并结合EM算法构建出GMM模型来近似函数型算法的概率密度函数,使模型更高效且适用性更强;最后,通过随机模拟实验及应用分析验证了LFPCA算法模型在真实数据集上具有良好的聚类效能。

基于BB-递归核函数SVR算法的U型折弯件模型参数优化研究

影响U型折弯件回弹的因素众多,工件尺寸、力学性能、负载条件、材料各向异性等相互耦合,表现出高度复杂的非线性,从而导致回弹预测结果的不确定性。本研究以板料折弯件回弹后的张开角(α)为目标函数,构建一个递归核函数支持向量回归(SVR)模型,并部署到分支界限法(BB)中,从而筛选出维度为4的最优的特征变量参数子集,其决定系数(R^(2))为0.982147,均方误差(MSE)为0.00433,模型预测精度相对较高。算法优化得到的折弯件参数为:厚度(t)为12 mm,上模宽度(d)为90 mm,上模圆角半径(r)为9 mm,载荷速度(v)为10 mm/s。BB递归核函数SVR算法、有限元模拟和实际测量的α分别为16.3°、17.5°和18.2°,尽管有限元结果更接近于实际值,但是BB递归核函数SVR算法可以为有限元模拟提供筛选出的参数(t,d,r,v)的数据,以快速进行模拟并预测张开角α,并实现回弹补偿装置的高效设计。

深层地热能丛式多分支U型井采热技术及传热算法

深层地热能是一种分布广、资源量大具有发展前景的可再生新能源,当前的主要开采方法有增强型地热系统(EGS)、环绕式井筒换热系统(AGS)、断层带流体循环开采和同轴套管开采法,但存在采热功率不稳定、地震风险高和采热效率低等难题。针对当前深层地热开采技术面临的瓶颈问题,本文以开采过程只有能量交换而没有物质交换为原则,以深层干热岩地热规模化可持续稳定开发为目标,提出了深层地热能丛式多分支U型井采热方法(UMW-DGS)及关键技术,在此基础上建立了井筒轴对称热传导模型,以青海共和盆地恰卜恰深部干热岩储层为背景,提出了高温高压岩石热导率测试新方法,计算了在定井径条件下井周温度场和采热功率的时空演化规律,分析了温度差、热导率和井径等3个敏感因素对采热功率的影响。此外,针对UMW-DGS定解问题,研发了基于有限体积法(FVM)的三维热流固耦合数值算法,研究了UMW-DGS单水平井段换热效率和在不同泵注量条件下温度场时空演化。通过分析不同流量的有效换热量、换热时长和功率发现:泵注流量的增加会导致有效换热能量和有效换热时长的降低,并且使有效换热功率先增加后减少。研究结果表明,深层地热能开发需要在平衡换热温度和功率的条件下设计注入排量,从而得到最优的换热效果。

基于迭代算法的FFRCT测量系统对急性ST段抬高型心肌梗死PCI术患者生存预后的影响

目的:观察基于迭代算法的无创血流储备分数(FFR)计算技术(FFRCT)测量系统诊断应用于急性ST段抬高型心肌梗死(STEMI)行急诊经皮冠状动脉介入治疗(PCI)治疗后对患者生存预后的影响。方法:前瞻性选取2022年10月至2024年2月内蒙古医科大学附属医院多支合并血管病变(MVD)的急性STEMI患者98例纳入研究,所有患者按随机双盲法分为FFRCT组(49例)和冠状动脉造影(CAG)组(49例)。FFRCT组以FFRCT为诊断依据,根据FFRCT检查结果执行完全血运重建策略;CAG组以CAG为指导处理梗死相关血管。观察两组患者基本临床资料、PCI手术操作细节和(或)技术指标以及相关资源利用指标,观察随访两组心绞痛发作和主要的心脏血管不良事件(MACE)等相关生存预后指标,主要观察终点为随访24个月的全因死亡、心衰、卒中、主要的MACE、及再次血运重建的复合终点事件等。结果:FFRCT组行非梗死相关血管PCI处理占比为55.10%(27/49);两组PCI术后手术操作细节/技术指标比较,FFRCT组手术用时为(65±10)min,较CAG组(60±8)min有所延长,支架总长度为(31±10)mm,短于CAG组(36±10)mm,两组比较差异均有统计学意义(t=-4.062、-6.710,P<0.05),两组造影剂用量、平均支架直径、住院时间等比较,差异均无统计学意义(P>0.05);与CAG组比较,FFRCT组随访24个月时非致死性心肌梗死、主要终点事件、再发心绞痛、再次血运重建发生率均显著降低,组间比较差异有统计学意义(χ2=4.926、5.273、6.091、5.804,P<0.05)。结论:多支合并MVD的急性ST段抬高型心肌梗死患者在急诊PCI过程中使用基于迭代算法的FFRCT测量系统检查指导血运重建,其安全性、有效性值得肯定,在降低PCI后心脑血管事件发生风险、改善预后方面较CAG指导方式具有明显优势。

圆筒型FPSO总体强度校核设计波优化算法

针对圆筒型FPSO总体结构强度准静态设计方法依赖工程师经验的局限性,将设计波法引入圆筒型FPSO总体结构强度校核,提出了针对特征荷载选择的优化算法。该方法通过分析圆筒型FPSO总体结构承载特点和失效模式,结合常用特征载荷中有相同设计波的特征荷载,选择了舷侧外板波浪压力、上部模块重心处的水平和垂向加速度,作为设计波筛选的特征载荷;并根据圆筒型FPSO结构对称性,减少加载浪向,优化设计波搜索相位;基于本文方法的校核工况减少了60%,有效提升了校核效率。该方法已被应用于中国首条完全自主设计的圆筒型FPSO“海洋石油122”平台的强度校核中,校核结果通过了挪威船级社认证,该平台目前已完成设计,进入建造阶段,这也说明了本方法的可行性以及对后续同类FPSO设计的借鉴意义。

基于Apriori算法和改进剪枝算法研究针灸结合推拿治疗神经根型颈椎病的选穴配伍规律

目的:研究针灸结合推拿疗法治疗神经根型颈椎病的选穴规律及配伍特点,为临床治疗神经根型颈椎病提供参考依据。方法:检索2012年2月—2022年2月中国知网、万方数据库、维普数据库刊登的针灸结合推拿治疗神经根型颈椎病的相关文献,建立文献数据库与腧穴数据库,采用Vlookup函数和数据转置对腧穴数据进行分析,采用SPSSPRO频数分析得出高频腧穴,采用Apriori算法和改进剪枝算法进行关联规则分析,最后按照支持度、置信度和提升度进行深入分析。结果:共检索出文献414篇,最终纳入文献133篇。频次≥14次的腧穴共20个,排名前十的依次为风池穴、天宗穴、合谷穴、肩井穴、曲池穴、后溪穴、手三里穴、颈夹脊穴、外关穴、风府穴。使用频次≥14次的腧穴归经以手阳明大肠经、手太阳小肠经、足少阳胆经、督脉、经外奇穴、足太阳膀胱经、手少阳三焦经为主。设置最小支持度为20%,最小置信度为80%,关联规则为后项→前项,采用Apriori算法和改进剪枝算法对频次≥14次的20个腧穴进行关联规则分析,置信度排名前四的腧穴配伍组合分别为肩井、风府、后溪、外关→风池、天宗,肩井、风府、外关、曲池→风池、天宗,手三里、天宗、肩井、后溪→风池、曲池,肩井、后溪、天宗、风府→风池、外关。结论:针灸结合推拿治疗神经根型颈椎病选穴具有注重分经辨证,腧穴配伍侧重本经配穴,远近配穴与同名经配穴的规律特点。运用Apriori算法和改进剪枝算法可以有效挖掘针灸结合推拿治疗神经根型颈椎病的特点,具有较高的学习价值。

基于人工神经网络智能算法的9310钢本构模型优化

目的研究9310钢在变形温度为800~1200℃、应变速率为0.01~50s-1和高度压下量为70%条件下的热变形行为,建立预测效果相对较好的9310钢本构模型。方法使用Gleeble-3800热模拟机对9310钢进行等温恒应变速率热压缩实验,基于热压缩实验数据,分析了应变速率对9310钢流动软化效应的影响,建立了考虑应变补偿的Arrhenius本构模型与支持向量回归(SVR)本构模型,并进行了模型精度分析,之后引入人工神经网络(ANN)智能算法优化了Arrhenius本构模型。结果与变形温度相比,应变速率对9310钢流动软化效应的影响更为显著。相较于支持向量回归(SVR)本构模型,考虑应变补偿的Arrhenius本构模型精度更高,其相关系数R为0.9934,平均相对误差(AARE)和均方误差(MSE)分别为0.0556和89.362,它在预测高应变速率(1、10、50 s-1)流动应力时出现了较大偏差,经ANN智能算法优化后,相关系数R提高至0.9991,AARE和MSE分别降至0.0199和9.998,且绝对误差在±10MPa以内的预测流动应力占比为98.34%。结论在低应变速率(0.01 s-1)下软化效应更强,在高应变速率(10 s-1)下再结晶程度较低,软化效应较弱。ANN智能算法优化后的Arrhenius本构模型具有较高的精度,能较准确地预测9310钢的流动行为。

U型障碍物多方向多层填充的移动机器人改进蚁群算法

针对传统蚁群算法在移动机器人路径规划中典型的U型障碍物死锁问题,提出了一种U型障碍物多方向多层填充的改进蚁群算法。首先证明了路径规划的最优解不会进入U型障碍物之中;其次证明了运用此多方向多层填充法在填充U型障碍物解决死锁问题的同时,不会造成原有通路的阻塞,具有原通路保持性,且填充的迭代次数与迭代总时间少;之后对填充图形的迭代次数给出了理论性的判定,此填充方法不仅适用于U型障碍物还适用于其它可填充区域,且其对于可填充区域可实现完全填充;最后将此填充方法与蚁群算法结合。仿真结果表明,改进蚁群算法相比于传统蚁群算法有效率提升。

基于改进粒子群算法的自适应构网型变流器控制策略

构网型控制是一种改善新能源高渗透率下电力系统稳定性问题的技术手段。针对传统构网型变流器均采用固定参数控制而未能发挥出最佳调频效果这一问题,基于构网型变流器控制参数可调的特点,提出一种自适应控制策略,以优化构网型变流器的输出并改善电力系统的动态特性。首先,通过仿真实验得到典型构网型变流器虚拟惯量和阻尼系数在大功率事件下对系统动态特性的影响;其次,研究典型构网型变流器的频率曲线与功角曲线,提出包含频率偏差和频率变化率的自适应构网型变流器控制策略;然后,通过改进粒子群算法对自适应控制策略涉及参数进行整定;最后,基于MATLAB/Simulink搭建的微电网模型,验证所提控制策略的稳定性与鲁棒性。仿真结果表明,所提控制策略可以自适应改变控制参数,使构网型变流器的输出能够满足系统各个阶段的不同需求,优化电力系统的动态特性。

基于NNC法和DMC算法的CCHP型微电网两阶段调度

冷热电联产(combined cooling, heating and power,CCHP)系统与微电网的结合有利于促进消纳可再生能源,为了提升CCHP型微电网的经济性、环保性和稳定性,提出了两阶段优化调度模型。离线优化阶段基于需求侧响应策略,建立了基于归一化法向约束法的多目标规划模型,并用熵权-TOPSIS法筛选最优结果。在线优化阶段建立了基于动态矩阵控制算法的有限时域优化模型,对离线优化结果进行跟踪优化和反馈校正,以降低不确定性因素的影响。最后,设计对比方案进行分析,验证了所提优化模型的有效性。

改进的电阻型DAC数字校准算法

设计了一款用数字校准算法实现的改进的电阻型数模转换器(Digital-to-analog converter, DAC)。首先,增加数字校准算法电路提高DAC的精度,校准算法将输入数据分为高中低三部分进行不同编码,高位采用温度计编码方式,中位采用分数编码方式,低位采用二进制编码方式,并对高位和中位分别进行校准运算;然后根据算法分析设计电路,同时为了节省面积,算法结构采用分时复用加法器的结构;最终将校准算法模块应用于数字校准电路和模拟电路相结合的电阻型DAC中。基于0.5μm BCD工艺进行流片,实际测试结果表明,所设计的改进的电阻型DAC满足16位的分辨率、积分非线性小于±1 LSB和微分非线性小于±1 LSB的性能指标要求。

细胞型膜进化算法求解旅行商问题

结合细胞型膜进化算法探索解决旅行商问题的方法.首先构建一个细胞型膜结构模型,利用膜系统的极大并行性,在基本膜中通过混合粒子群算法初始化种群.然后,通过膜进化算法的分裂、融合、溶解和修复算子,迭代地优化路径的全局最优解.最后,根据每个基本膜的适应度,选取适应度值最大的膜作为旅行商问题的解.在实验中,将该算法应用于多个实例,并与传统的粒子群算法和遗传算法等进行比较.实验结果表明,该算法在求解旅行商问题方面表现出更好的收敛性和搜索能力,显著提高了求解效果.

电-气互联系统预测-校正型仿射能流算法

综合能源系统能流耦合渐趋紧密,与此同时可再生能源和负荷需求的强不确定性对系统能流分析提出了挑战。因此,提出一种电-气互联系统(IEGS)仿射型区间能流算法,在仿射能流计算结果中保留噪声元特征,通过噪声元系数分析各独立不确定因素对系统状态变量的影响程度。建立电、气子系统仿射模型及能流方程。提出基于域收缩思想的IEGS预测-校正型仿射能流算法,根据灵敏度对状态量的解域进行保守的预测,并构建优化模型对解域进行压缩校正。同时,采用多能流分布式迭代方法进行求解,其无须考虑复杂耦合网络中的多能流计算顺序。最后通过仿真验证了所提方法在保守性、计算效率方面的优势,并量化分析了不确定因素对系统状态量的影响。

具有稚虫迁徙机制的S型自适应混沌蜉蝣算法

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logistic混沌映射产生蜉蝣种群,增加算法初期种群的多样性;随后,将蜉蝣生命周期进行数学建模,并引入S型生命系数替换原有的重力惯性系数,动态调整算法探索能力和开发能力间的平衡性;最后,根据蜉蝣在缺氧环境下的种群活动,引入稚虫迁徙机制强化子代优秀个体摆脱局部最优的能力,进而更加充分地搜索最优解附近的区域,以增强算法的收敛精度。实验部分将S-AMA应用于标准函数测试集,并分别进行优化对比实验、Wilcoxon秩和检验。结果表明:与对比算法相比,S-AMA算法具有更好的寻优能力、收敛速度及鲁棒性。