Tent5c基因对斑马鱼肌间刺发育的影响

为探究tent5c/fam46c基因(Family with sequence similarity 46c,家族序列相似性46 c)在斑马鱼(Danio rerio)肌间刺发育中的作用,选取11种鱼类分析tent5c系统演化特征,采用原位杂交技术和qRT-PCR分析tent5c基因在斑马鱼发育中的时空表达特征,并利用CRISPR/Cas9建立了斑马鱼tent5c基因敲除纯合突变系(tent5c^(-/-)),对其骨骼表型和肌肉转录组进行分析。结果显示,tent5c编码TENT5C氨基酸在不同鱼类中具有高度的保守性,但在无肌间刺鱼类里发生了相同的氨基酸替换;tent5c基因在48hpf(Hours post fertilization)斑马鱼的眼睛和肌隔表达,在60dpf(Days post fertilization)斑马鱼的脊椎和肌间刺特异高表达。与野生型斑马鱼相比,tent5c^(-/-)斑马鱼肌间刺表现为生长减缓,矿化程度降低以及数量减少。比较转录组结果表明,在tent5c基因敲除之后,斑马鱼肌肉组织有112个基因表达下调,118个基因表达上调。差异基因主要富集于肌肉收缩和骨骼发育等相关通路,由此推测tent5c可能是通过调控这些肌肉和骨骼相关通路来对肌间刺发育产生影响。研究初步表明了tent5c基因在斑马鱼肌间刺发育中的作用,为进一步研究鱼类肌间刺等骨骼发育的分子调控机制提供了科学依据。

Hardy型Tent空间上乘积算子的有界性

研究Hardy型Tent空间上乘积算子M_(g)的有界性问题,借助序列型Tent空间的对偶性及分解定理,分情况给出所有参数0<p_(1),p_(2),q_(1),q_(2)<∞,α_(1),α_(2)>-n-1所对应的算子M_(g):HT_(q_(1),α_(1))^(p_(1))(B_(n))→HT_(q_(2),α_(2))^(p_(2))(B_(n))有界的连续型和离散型两种等价刻画.

基于Tent-ASO-BP的短期电力负荷预测模型

针对短期电力负荷预测精度低与可靠性差的问题,设计一种基于Tent-ASO-BP的电力短期负荷预测模型。该模型利用了Tent混沌映射的方法,设计了一种原子种群初始化方法,其在保证个体的同时选出适应度最优的个体,增强原子种群在分布空间的均匀性,进而加快ASO算法的收敛;同时引入自适应,增加该算法的局部探索和开发能力;将改进的ASO算法应用于BP神经网络参数优化,搭建了Tent-ASO-BP预测模型对短期电力负荷进行预测。使用Matlab工具进行仿真,通过对Tent-ASO-BP、ASO-BP和BP三种算法进行实验对比,结果表明,Tent-ASO-BP网络预测模型的RMSE、MAE和MAPE分别为32.736 MW,51.783 MW和6.623%,相比于ASO-BP和BP网络预测模型有明显减少,得出该模型具有更强的迭代能力和更强的局部寻优能力,为电力系统短期电力负荷预测提供依据,具有普遍的指导意义。

Textile Enterprises Support the Refugees by Tents

In recent days,the tent manufacturers in ZhenJiang,JiangSu and TianJin have made all-out efforts to produce the relief tents,which are in urgent need of refugees in quake-hit areas,to show their human’s love to refugees in quake-hit area by their actual actions.

基于GBDT特征提取与Tent-ASO-BP网络的铣刀磨损量预测

为了提高机械加工过程中小样本刀具磨损量监测的准确性,提出一种基于Pearson+GBDT特征提取、Tent混沌映射和原子搜索算法(ASO)优化BP神经网络(Tent-ASO-BP)的刀具磨损量预测模型。针对BP神经网络特征选择及参数选择难题,提出了基于Pearson+GBDT的双层过滤式特征筛选方式求取网络输入特征,并使用Tent混沌映射改进原子搜索算法(ASO)对BP神经网络最优权值和阈值进行求解。通过实验证明:Tent混沌映射改善了ASO,避免ASO陷入局部极值和过早收敛,即通过交叉验证证明Tent-ASO优化BP神经网络训练模型精度较ASO高。同时,验证了梯度提升决策树(GBDT)能够筛选出用于刀具磨损值映射的一组特征,且特征筛选能力强于同类算法Light GBM、Catboost、决策树、随机森林。

Tent混沌粒子群算法及其在结构优化决策中的应用

首先对Tent混沌序列加以改进,将其引入粒子群算法中;然后提出一种基于改进的Tent映射的粒子群算法.采取分阶段更新的优化策略,使其在搜索初期更具遍历性,在搜索后期,通过人为更替最差粒子的速度和位置,使算法具有更快的收敛速度与更好的全局搜索能力.构建一种资源配置结构优化模型,并将改进的Tent映射粒子群算法引入资源配置结构优化决策中,在寻优速度、精度和成功率等方面均显示出良好的优化效果.

基于Tent映射的混沌混合粒子群优化算法

为改善基本粒子群优化算法的寻优性能,通过算法混合,在粒子群优化算法中逐步引入优进策略和混沌搜索机制,以加强粒子群的局部寻优效率和全局寻优性能。并将粒子分为两类,分别执行不同的进化机制,实现协同寻优,从而构建为一种新的混沌混合粒子群优化算法。标准测试函数的仿真优化结果表明,该混合算法对较大规模的复杂问题具有较强的求解能力。算法寻优效率高、全局性能好、优化结果稳定,性能明显优于标准粒子群优化算法以及遗传算法等单一的随机搜索方法。

基于自适应Tent混沌搜索的粒子群优化算法

为解决粒子群优化算法易于陷入局部最优问题,提出基于自适应Tent混沌搜索的粒子群优化算法。应用Tent映射初始化均匀分布的粒群,并以当前整个粒子群迄今为止搜索到的最优位置为基础产生Tent混沌序列,混沌序列的搜索范围采用自适应调整方法。该方法可以有效避免计算的盲目性,还能够快速搜寻到最优解。实验表明该算法在多个标准测试函数下都超越了同类改进算法。

基于Tent映射的自适应混沌混合多目标遗传算法

提出一种Tent映射在计算机上实现的改进算法,有效解决了受计算机字长影响,Tent映射存在不动点和小周期的情况.将改进的Tent映射应用于混沌优化算法中,对基本NSGA-Ⅱ算法进行改进.使用混沌序列对初始种群赋值,提高算法收敛能力;使用改进的混沌搜索增强种群多样性;分别使用基本算法和改进算法对标准测试函数进行数值仿真.统计结果显示:改进的算法可以在保持高效率求解的同时,得到的非劣解在收敛性和多样性指标上均优于基本NSGA-Ⅱ算法.

自适应Tent混沌搜索的人工蜂群算法

为了有效改善人工蜂群算法(artificial bee colony algorithm,ABC)的性能,结合Tent混沌优化算法,提出自适应Tent混沌搜索的人工蜂群算法.该算法使用Tent混沌以改善ABC的收敛性能,避免陷入局部最优解,首先应用Tent映射初始化种群,使得初始个体尽可能均匀分布,其次自适应调整混沌搜索空间,并以迄今为止搜索到的最优解产生Tent混沌序列,从而获得最优解.通过对6个复杂高维的基准函数寻优测试,仿真结果表明,该算法不仅加快了收敛速度,提高了寻优精度,与其他最近改进人工蜂群算法相比,其性能整体较优,尤其适合复杂的高维函数寻优.

基于Tent映射混沌优化NSGA-Ⅱ算法的综合能源系统多目标协同优化运行

为了提高能源综合利用效率与分布式可再生能源就地消纳能力,结合能源互联网建设过程中自动需求响应系统的应用趋势,构建了基于自动需求响应和储能的综合能源系统多目标协同优化运行模型,并提出了基于Tent映射混沌优化的NSGA-Ⅱ多目标函数求解算法。将所提模型及求解算法应用于我国某典型园区综合能源系统的实际算例中,结果表明:Tent映射混沌优化NSGA-Ⅱ算法求解此类问题具有可行性;考虑自动需求响应和储能作用的综合能源系统相较于其他3种情景具有显著经济、技术和环境效益,促进了新能源并网消纳。

一种新型Skew Tent映射的混沌混合优化算法

针对已有的混沌优化算法几乎都是利用Logistic映射作为混沌序列发生器,而该混沌序列的概率密度函数呈两头多、中间少的切比雪夫型的分布性质,不利于搜索的效率和能力,为此,首先构造一种新型混沌映射序列发生器—Skew Tent映射并结合迭代优化特点加以改进,然后分析了它的混沌特性．其次,将改进的混沌映射与Alopex启发算法相结合,充分发挥Alopex算法的快速搜索能力和混沌优化全局寻优的特性,提出一种混沌混合优化算法,提高了算法的收敛速度和有效搜索全局最优解．最后,仿真算例验证了该算法的有效性和Skew Tent混沌映射的应用前景．

基于Tent映射的混沌粒子群优化算法及其应用

针对基本粒子群优化算法在迭代后期易陷入局部最优而出现早熟收敛的现象,基于混沌搜索的全局遍历性、随机性和规律性的特点,以粒子群群体适应度方差作为粒子群优化算法早熟收敛的判据,将Tent映射作为混沌搜索引入到基本粒子群算法中,对以一定概率随机选择的粒子群中的部分粒子实施混沌搜索,利用混沌特性提高种群的多样性和粒子搜索的遍历性,从而使粒子获得持续搜索的能力,提高了粒子群优化算法的全局搜索能力和抗早熟收敛性能。几个典型测试函数的仿真实验和应用实例均证明了该算法的可行性。

一种改善Tent混沌序列随机性的方法

Tent混沌映射具有良好的遍历性和均匀性,但其随机性不理想。为此,提出一种改善Tent混沌序列随机性的方法。通过将Tent混沌映射变换为分段混沌映射,增大Lyapunov指数,改善相关系数和功率谱特性。对序列进行NIST随机性测试,结果表明,该分段Tent映射的序列具有较好的随机性,适用于通信与信息安全领域。

基于Tent映射的混沌优化算法

针对目前混沌优化算法寻优速度慢的问题,论证了Tent映射的优越性,并结合模式搜索法,构造了一种搜索速度较快的混合优化算法.该算法能够搜索全局最优解,并具有较快的搜索速度.通过算例验证了该方法的可行性和Tent映射的应用前景.

基于改进的二维交叉熵及Tent映射PSO的阈值分割

最近提出的二维交叉熵阈值分割方法所依据的灰度级-平均灰度级直方图存在错分,且寻求最优阈值时,即使采用递推算法仍需遍历整个搜索空间,运行速度有待进一步提高。为此,本文给出改进的灰度级-梯度二维直方图,据此导出了相应的二维最小交叉熵阈值选取公式及其递推算法,并且采用改进Tent映射混沌粒子群优化(particle swarm optimization,PSO)算法搜寻二维最优阈值。大量实验及与现有二维交叉熵方法的对比表明,所提出的方法在计算最优阈值时尽可能考虑了所有目标点和背景点,从而使分割结果更加精确;而求取阈值因只需遍历其中小部分解空间,使运行时间约减少到原来的10%～40%。

基于混沌反控制的Tent映射伪随机序列发生器设计

应用混沌反控制思想有意识地去产生混沌,进而应用混沌系统的伪随机特性进行伪随机序列发生器设计。针对Tent映射在有限精度实现时产生伪随机序列所存在的周期过短问题,应用混沌反控制,对Tent映射加入控制输入,从而解决了输出伪随机序列周期过短的问题,并通过阈值的在线调节输出0-1伪随机序列。证明了受控Tent映射是Lyapunov指数意义下混沌的,分析了Tent映射混沌反控制所产生的伪随机序列的安全性和计算效率,理论分析和仿真结果都证明了这种设计伪随机序列发生器算法的合理性。

基于改进Tent映射的自适应变尺度混沌粒子群算法

为改善标准粒子群优化算法本身存在的缺陷,引入种群混沌初始化方法、参数自适应调整策略、早熟判断机制以及基于改进Tent映射的变尺度混沌局部搜索方法对原有算法进行改进,提出一种基于改进Tent映射的自适应变尺度混沌粒子群算法(Improved Adaptive Chaos PSO,IACPSO)。多种高维Benchmark函数的计算结果表明,IACPSO算法在计算精度、优化稳定性及收敛速度方面均明显优于其他改进粒子群优化算法。

基于Tent映射CPSO的二维斜分指数熵阈值分割

现有的二维指数熵阈值分割快速算法的计算效率或收敛精度尚不够高,为此,本文提出了基于Tent映射混沌粒子群的二维直方图斜分指数熵阈值选取方法。首先引入了直方图区域斜分方法以改善分割结果的准确性和抗噪性,然后提出利用基于Tent映射混沌粒子群算法寻找最佳分割阈值,提高搜索过程的收敛精度和计算效率。实验结果表明:与基于灰度级-平均灰度级直方图直分的快速算法相比,该方法由于尽可能地考虑了所有目标点和背景点,分割效果更佳,同时以混沌粒子群优化搜索过程,运行时间更少;与基于灰度级-梯度直方图及Logistic混沌粒子群的方法相比,本文方法的抗噪性能更稳健、收敛精度更高。

基于Tent映射NSGA-Ⅱ算法的微电网多目标优化方法

为提高微电网运行的经济性、降低网络中的碳排放量和有功功率损耗,提出了一种基于Tent混沌映射NSGA-Ⅱ算法的微电网能量优化管理方法。该方法采用双层能量优化管理:上层采用模糊管理系统确定微电网运行模式,下层采用改进NSGA-Ⅱ算法对能量进行优化管理。首先在多约束条件下,建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型。其次在多目标优化数学模型求解过程中,引入Tent混沌映射方法来增加NSGA-Ⅱ算法的种群多样性,以提高算法的全局搜索能力,同时利用隶属度函数确定微电网能量优化管理策略。最后运用欧洲一典型微电网作为算例,验证本文所提基于Tent映射NSGA-Ⅱ算法的合理性和有效性,仿真结果表明:改进NSGA-Ⅱ算法具有良好的优化效果,使得微电网运行的经济性较传统算法提高了14.55%;碳排放量减小了3.10%,可实现对微电网多目标的优化。