Etiologies and Associated Factors of Generalised Pruritus Sine Materia in the Dermatology-Venerology Department of CHUD-Borgou/Alibori (Benin)

Introduction: The aim was to identify the etiologies of generalised pruritus sine materia and to determine the associated factors in Parakou. Methods: This was a retrospective observational study conducted from January 2011 to June 2022. The patients included were of all ages and both sexes in whom the sine materia nature of the pruritus was noted after clinical examination. These patients had an etiological assessment available or not, complete or partial. For each patient, socio-demographic, socio-cultural, socio-economic and clinical data were collected using a pre-established survey form. They were then processed and analysed using Epi Data 3.1 and SPSS version 21 software respectively. Results: The incidence of generalised pruritus sine materia was 0.89% (73 cases/8214 consultants). The predominant etiologies were aquagenic pruritus (16.4%) and intestinal parasitosis (12.3%). After a bi-variate analysis, two risk factors were identified: frequency of towel change greater than 1 month (OR = 3.02;CI95% = 0.98 - 9.31;P = 0.0486) and use of cold water for bath (OR = 3.28;CI95% = 1.09 - 9.81;P = 0.0274). Conclusion: The etiologies and associated factors of generalised pruritus sine materia found in Parakou are varied but are linked to lifestyle. There is an urgent need to raise public awareness of the need to improve lifestyle in order to reduce the frequency of pruritus sine materia. .

基于多策略优化的三维无线传感器网络定位算法

在经典三维无线传感器网络定位算法中,极大似然估计法定位存在矩阵无法求逆的问题。针对此情况,提出了一种基于多策略优化的三维无线传感器网络定位算法。首先,引入Sine映射对金枪鱼群初始种群进行混沌映射,增强了初始种群的多样性及均匀性。其次,结合非线性收敛因子和自适应权重策略对金枪鱼每次位置迭代更新进行优化,避免算法陷入局部最优,进一步提升算法的搜索速度和寻优的准确性。最后,采用多策略增强金枪鱼群优化算法在三维空间中对每个未知节点位置进行计算,解决了矩阵无法求逆的情况,有效降低了待定位节点位置的计算误差。实验结果表明:新提出的定位算法、经典三维定位算法、三维加权DV-Hop定位算法与灰狼优化的三维定位算法平均定位误差分别为13%、73%、30%和17%。

基于高阶累积量ESPRIT算法的指数衰减正弦信号参数估计

工程应用中环境噪声多表现为高斯有色噪声,而针对高斯白噪声进行处理的算法失效问题,提出了一种高斯色噪声环境中用于多分量衰减正弦信号频率和衰减因子估计的四阶累积量ESPRIT算法。首先,推导出四阶累积量与观测样本中的自相关矩阵和互相关矩阵之间的关系,求出其四阶累积量矩阵。其次,通过对四阶累积量进行广义特征值分解,根据广义特征值即可得到信号衰减因子和频率的估计值。最后对所提算法进行了仿真实验验证,在混合信噪比为0 dB时,所提算法针对多分量衰减正弦信号角频率和衰减因子的平均估计误差分别为0.002 0πrad和0.002 0。在高斯白噪声和高斯色噪声背景下与ESPRIT算法和Prony算法相比具有更强的噪声抑制能力和更高的估计精度。

基于多策略麻雀搜索算法的径向基神经网络时延预测方法

网络诱导时延序列存在随机性和不稳定性,单一的预测算法难以准确预测,针对该问题,提出一种基于多策略麻雀搜索算法(ISSA)的径向基神经网络(RBF)时延预测方法来准确预测网络时延。首先,为了应对麻雀种群初始分布不均匀的问题,增加改进Tent混沌映射来提高种群早期的分布质量,并引入新的惯性权重因子改进发现者位置更新策略,扩大麻雀早期寻优范围;随后引入正余弦优化算法(SCA)更新跟随者位置,避免种群后期陷入局部最优。其次,考虑到RBF隐含层节点中心,幅值以及输出层权值不确定的问题,提出利用ISSA算法寻优求取。最后,搭建改进的时延预测模型并输入实测时延数据得到预测时延值。实验研究结果表明:相较于传统SSA-RBF模型,文中提出的ISSA-RBF时延预测模型的MSE、MAE和MAPE分别提高了69.46%、32.83%、34.43%,可有效预测网络时延,为之后的时延补偿提供基础。

基于改进海鸥优化算法的机器人路径规划

针对海鸥优化算法(SOA)存在收敛精度低以及易陷入局部最优等问题,提出一种多策略融合改进的海鸥优化算法(MFSOA)。首先,引入Tent混沌映射初始化种群,增加海鸥种群多样性;基于当前迭代次数t的非线性收敛因子动态调整策略,将海鸥优化算法的线性搜索非线性化,增强算法的寻优速度和寻优精度,避免算法陷入局部最优;在海鸥位置更新时引入Levy飞行策略增强算法的全局搜索能力;最后,通过使用黄金正弦机制引导种群的位置更新,进一步缩小搜索范围,提高算法局部搜索能力。选用6个基准测试函数对算法性能进行测试,测试结果显示MFSOA收敛速度更快,收敛精度更高;最后将改进算法应用于移动机器人路径规划,仿真结果表明该算法规划的路径长度更短,搜索效率更高。

基于多策略改进的蜜獾优化算法

针对蜜獾算法(Honey Badger Algorithm,HBA)在解决复杂优化问题时存在收敛速度慢,容易陷入局部最优的问题,提出了一种基于多策略改进的蜜獾优化算法(IHBA).首先,引入Sobol序列初始化种群,增加种群的多样性;其次,引入动态自适应密度因子和黄金正弦策略,快速切割解空间,平衡全局搜索与局部搜索,提升寻优效率;然后,引入柯西变异策略,优化最优解,避免算法陷入局部最优.为验证算法的性能,选取7种智能算法与IHBA对比,对10个经典测试函数进行寻优对比和Wilcoxon秩和检验,仿真结果表明IHBA算法的收敛速度和寻优精度都得到了提升;最后,将IHBA用于求解2个实际的工程优化问题,仿真结果表明IHBA在解决工程优化问题时具有较好的鲁棒性和实用性.

融合翻筋斗觅食和正余弦策略的白骨顶鸡优化算法

针对白骨顶鸡优化算法(COOT)全局搜索能力差、优化精度低和易陷入局部最优等缺陷,提出了一种融合翻筋斗觅食和正余弦策略的白骨顶鸡优化算法,引入一种翻筋斗觅食策略,增加了白骨顶鸡个体的多样性。此外,在领导者位置更新过程中采用正余弦策略和随机因子,以提高算法的搜索能力。通过10个标准检验函数,以及Wilcoxon秩和检验,对改进的COOT性能进行了全面评估,并将其与其他几种算法进行了比较。仿真结果表明,改进的COOT在迭代速度和收敛精度方面取得了显著的提升,并展现了出色的鲁棒性。

融合多策略改进黑猩猩优化算法的UAV航迹规划

针对三维复杂环境中无人机航迹规划容易出现搜索停滞、收敛于局部最优的不足,提出一种多策略混合改进黑猩猩优化算法的航迹规划方法。针对黑猩猩优化算法寻优精度不足的问题,引入收敛因子非线性更新均衡算法全局搜索与局部开发能力;设计权重因子避免个体跟随的盲目性及迭代后期个体趋于同化,提升搜索精度;设计黄金正弦莱维飞行引导机制防止因多样性逐步贫化而陷入局部最优。利用改进黑猩猩算法求解无人机航迹规划,结合无人机飞行环境三维地形图构建航迹规划模型,设计多约束飞行代价函数,并将其作为适应度函数,对无人机三维航迹规划方案迭代求解。结果表明,改进算法能够搜索到一条安全避障且航迹代价更小的路径,搜索精度高于类比算法。

改进正余弦优化算法及在公交排班模型中应用

针对正余弦算法在搜索过程中存在收敛精度低、易陷入局部最优等缺点,提出一种基于正态变异自适应的改进正余弦算法(MSCA)。首先,将变异操作引入SCA算法,进行种群初始化;其次,引入惯性权重来修正位置更新方程,保留更多的信息和产生有前途的候选解;提出一种平衡勘探开发的非线性转换参数递减策略,在搜索过程中跳出局部最优解状态;最后,改进基于正态变异算子的位置更新策略,增加局部搜索空间。再选取26个国际标准测试函数对改进的算法进行测试,结果表明,MSCA算法在收敛精度、收敛速度和收敛稳定性上,更优于其他改进算法。除此之外,还将改进后的MSCA应用在城市公交排班中,通过实验仿真得到改进的MSCA的最优目标函数值优于原有算法SCA,以及公交排班符合客流的实际分布。

Lévy飞行的正余弦乌燕鸥混合算法及应用

为解决标准乌燕鸥算法(STOA)易陷入局部最优和收敛速度慢等缺点,提出一种混合正余弦算法(SCA)和Lévy飞行的自适应乌燕鸥算法(SLSTOA)。采用正余弦算法的搜索方式,同时采用非线性递减自适应正弦因子,改进乌燕鸥算法的攻击搜索方式,来增强STOA算法的全局与局部探索能力。乌燕鸥个体和最优个体通过Lévy飞行策略进行变异,来增加种群多样性和扩大搜索空间,以达到提高跳出局部最优和全局探索能力。与四种先进的元启发式算法比较,SLSTOA算法性能通过6个基准测试函数进行评价,结果表明,相比其他四种元启发式算法,SLSTOA算法精度高、稳定性好和鲁棒性强。同时为验证SLSTOA算法的科学性与实用性,将其应用于解决32t/22.5m桥式起重机主梁结构优化设计中。

增强目标启发信息蚁群算法的移动机器人路径规划

针对传统蚁群算法在前期搜索盲目性大、拐点多等问题,对蚁群算法进行以下改进。首先,为了增强目标位置的启发信息,引入距离增益系数,将目标位置对下一个待选栅格节点的影响进行放大;然后引入带有权重的距离启发因子,在状态转移概率中加入距离启发转移概率,使蚂蚁大概率向目标栅格搜索;其次,采用正弦自适应动态调整信息素挥发因子,增强算法的全局搜索能力;最后通过修改路径减少路径冗余,进行路径安全性检查并重新调整路径,减少转弯的次数,从而提高路线质量。通过MATLAB仿真实验表明,改进蚁群算法转弯次数少,规划路径短且安全,搜索时间较快,提高了算法的收敛速度和寻优能力。

融合多策略的黄金正弦黑猩猩优化算法

针对黑猩猩优化算法(Chimp optimization algorithm,ChOA)存在收敛速度慢、精度低和易陷入局部最优值问题,提出一种融合多策略的黄金正弦黑猩猩优化算法(Multi-strategy golden sine chimp optimization algorithm,IChOA).引入Halton序列初始化种群,提高初始化种群的多样性,加快算法收敛,提高收敛精度;考虑到收敛因子和权重因子对于平衡算法勘探和开发能力的重要作用,引入改进的非线性收敛因子和自适应权重因子,平衡算法的搜索能力;结合黄金正弦算法相关思想,更新个体位置,提高算法对局部极值的处理能力.通过对23个基准测试函数的寻优对比分析和Wilcoxon秩和统计检验以及部分CEC2014测试函数寻优结果对比可知,改进的算法具有更好的鲁棒性;最后,通过2个实际工程优化问题的实验对比分析,进一步验证了IChOA在处理现实优化问题上的优越性.

引入Circle映射和正弦余弦因子的改进粒子群算法

针对粒子群算法在搜索寻优过程中存在收敛速度慢、精度低和易陷入局部最优等问题,提出了引入Circle映射和正弦余弦因子的改进粒子群算法。采用引入Circle映射的种群初始化操作,能获得更加均匀和多样的初始种群,有利于提高算法的收敛速度和精度。采用非线性递减的惯性权重并引入正弦余弦算法中的正弦余弦因子的策略,更好地平衡了算法全局探索能力和局部开发能力。受鲸鱼优化算法启发,提出并采用带有淘汰制的随机搜索策略,增强了算法跳出局部最优和全局探索的能力。在16个基准测试函数上对该算法进行了仿真实验,并与4种粒子群相关算法及其他4种群智能优化算法进行了比较和分析,验证了所提出的改进算法具有更强的收敛性能和稳定性。

改进猎人猎物优化算法的光伏发电MPPT控制策略

光伏发电在局部遮挡时的功率-电压(P-U)特性曲线呈现多峰状态,导致传统MPPT控制策略易陷入局部最大功率点。提出了一种改进猎人猎物优化算法的MPPT控制策略。该优化算法引入非线性收敛因子,提高了算法全局探索与局部开发的能力。结合黄金正弦算法更新位置,提高了算法的寻优速度。在算法搜索后期利用莱维飞行策略避免算法陷入局部最优。经仿真验证,结果表明,与猎人猎物优化算法、布谷鸟算法和传统扰动观察法相比,所提算法跟踪速度快、收敛精度高且有效抑制了系统功率输出的振荡,能够满足光伏发电局部遮挡MPPT的要求。

一种多策略协同改进的海鸥算法及其应用

海鸥优化算法(SOA)作为一种随机搜索算法具有显著的优化性能,但仍然存在种群多样性程度较低、易陷入局部最优而导致寻优精度变低的问题。为了改善海鸥算法的缺陷,提出了一种多种策略协同改进的海鸥算法(CMSOA)。首先,在迭代过程中使用正余弦算法(SCA)对停滞的海鸥种群个体扰动更新,改善了整体种群的多样性;然后引入缩放因子,动态调整当前海鸥个体与最优个体之间的相对位移,提高了算法的探索与开发能力;最后,采取随机对立学习的方式对最优海鸥个体位置微调,领导整个海鸥移动至给定搜索空间的正确位置,提高跳出局部最优的能力,进一步增加寻优精度。为了测试改进的CMSOA的寻优性能,利用14个CEC2017测试函数作为测试基准,将CMSOA与对比算法进行性能测试。实验表明,CMSOA在以Freidman检验为标准的统计学意义上具有寻优优势;在三维无人机路径规划问题中,CMSOA也取得了最佳效果。

多策略融合的麻雀搜索算法

针对麻雀搜索算法容易因初始种群的多样性不足,导致算法的搜索能力下降;以及在搜索后期,算法容易陷入到局部最优的问题,提出一种多策略融合的麻雀搜索算法(multi-strategy fusion sparrow search algorithm, ISSA).在算法初始化阶段,引入高维Sine混沌映射来初始化种群,提高初始种群的质量,增强种群多样性;其次,引入衰减因子,作用在发现者阶段,衰减因子的自适应性,平衡了前期全局搜索和后期局部寻优的性能;最后引入柯西变异和变化选择策略,让搜索个体可以跳出局部限制继续搜索,增强局部搜索能力.随机抽取6个benchmark测试函数,实验结果验证了ISSA在寻找最优值等方面相比原算法得到了有效的提升.

基于正弦余弦的自适应教与学优化算法

为了克服教与学优化算法求解精度低、早熟收敛问题,提出了一种新的基于正弦余弦的自适应改进教与学优化算法(ASCTLBO)。该算法在教学阶段,提出新的自适应教学因子,引入自适应惯性权重,使得当前个体向全局最优个体学习,增强了算法的局部搜索能力。在学习阶段利用正弦余弦函数的震荡变化性质对学习者个体位置进行自适应更新,维持种群的多样性,增强算法全局搜索能力。数值试验表明,提出的新算法是有效的,具有较好的收敛速度和求解精度。

一种融合逻辑回归的麻雀搜索算法研究

为了改善麻雀搜索算法收敛速度缓慢、局部搜索能力较弱等问题,提出了一种融合逻辑回归的麻雀搜索算法。文章通过引入Sine-Sine混沌、逻辑回归模型、步长因子组合策略来改进麻雀搜索算法的不足之处。实验结果表明该算法具有更好的收敛速度、寻优精度和稳定性的能力。同时,利用该算法预估Taylor定位算法的初始值,解决了TayLor的初值难以选择问题,进一步验证了改进策略的有效性。

青蛙跳蛙跳下降过程提升钢丝绳的校核计算

青蛙跳在蛙跳下降过程钢丝绳载荷不断变化,以往以钢丝绳最大静载荷对其进行校核计算的传统方法,存在难以精确计算的现实问题。在青蛙跳运行原理分析的基础上,根据物理知识推导出蛙跳下降过程中提升钢丝绳动载荷的方程组,建立了蛙跳下降过程的数学模型。以6座青蛙跳为例,利用Workbench仿真软件,对青蛙跳蛙跳进行动力学仿真分析,模拟座椅沿机架蛙跳下降的物理过程,提取钢丝绳动载荷的时间历程曲线,仿真解与利用方程组求出的解析解进行对比,最大误差不超过2%,这表明了仿真模型的合理性和仿真结果的可靠性。依据相应的国家标准对提升钢丝绳进行校核计算,解析解与仿真解对应的钢丝绳安全系数分别为11.8和11.7,大于5,满足安全要求。该研究方法对游乐设施钢丝绳的校核计算具有一定的参考价值。

融合多策略的黄金正弦灰狼优化算法

【目的】为解决灰狼优化算法(grey wolf optimization,GWO)收敛精度不高,收敛速度较慢和易陷入局部最优等不足,提出一种融合多策略的黄金正弦灰狼优化算法(golden sine grey wolf optimization,G-GWO)。【方法】首先,利用非线性调整收敛因子、动态调整比例权重和引入黄金正弦策略对GWO算法进行改进;然后,选取三类基准测试函数进行寻优实验,并与GWO算法、其他智能优化算法和其他改进GWO算法进行对比,从寻优的收敛精度、鲁棒性和收敛速度方面验证G-GWO算法的优越性;最后,建立板料冲压成形工艺参数与质量参数的BP神经网络(BP neural network,BPNN)代理模型,选用8种算法分别优化BP神经网络的权值和阈值,对比优化后的代理模型精度,验证G-GWO算法在实际工程应用中的有效性。【结果】G-GWO算法在三类基准测试函数的收敛精度、鲁棒性和收敛速度较其他算法均有较大优势,优化后的代理模型最大减薄率相对误差为3.47%,最大增厚率相对误差为4.99%。【结论】改进策略能提高GWO算法的性能,这可作为建立高精度代理模型和后续的板料冲压工艺参数优化的参考。