【摘 要】
：
针对代谢通量评估问题属于带约束的优化问题,其目标函数是一个非线性、不可微的并且存在多个局部最小点的复杂函数,提出了使用自适应罚函数的量子粒子群优化算法来解决这个问题。通过自适应罚函数的方法解决约束条件,然后使用QPSO算法最小化内部代谢通量。用此算法评估谷氨酸棒杆菌的内部代谢通量并与传统的优化算法来比较,实验结果证明了该算法的可行性和有效性。
【基金项目】
：
海南省自然科学基金资助项目（611131 610223）
论文部分内容阅读
针对代谢通量评估问题属于带约束的优化问题,其目标函数是一个非线性、不可微的并且存在多个局部最小点的复杂函数,提出了使用自适应罚函数的量子粒子群优化算法来解决这个问题。通过自适应罚函数的方法解决约束条件,然后使用QPSO算法最小化内部代谢通量。用此算法评估谷氨酸棒杆菌的内部代谢通量并与传统的优化算法来比较,实验结果证明了该算法的可行性和有效性。
其他文献
设计了n元属性组来描述云资源,并为属性组中的每个属性都划分区间。为解决云资源的多关键字高效查找问题,对不同属性的不同区间的任意组合都建立索引。针对云资源属性变动时导致索引更新时网络开销太大的缺点,提出依据索引中属性的个数对全部索引进行归类存储。仿真实验表明,在云资源的属性发生变动时,该算法在更新索引时在网络中产生的信息个数是一个常数n,数目远远小于其他的多关键字区间查询算法,查找资源时网络开销不仅
针对萤火虫算法存在的收敛速度较慢及易早熟收敛等问题,提出一种基于多种群学习机制的新型萤火虫优化算法:将萤火虫群分为不同参数的多个子群,各子群内的萤火虫跟随所属子群的最优萤火虫分别进行寻优操作。在各子群的最优萤火虫之间构建相互学习机制,实现子群间的信息交流。利用五个标准测试函数对新算法的寻优性能进行了实验分析,实验结果验证了该算法的有效性。
在小波神经网络(WNN)的模拟电路故障诊断系统中,普遍采用的梯度下降算法在训练时易使网络陷入局部最优,而网络结构的冗余也会造成训练收敛方向偏离全局最优点,降低推广能力和增加误诊率。用自适应遗传算法优化WNN,以克服上述缺陷。采用该方法可简化小波神经网络的结构和优化参数,在滤波器电路的软故障识别中获得满意的效果。与常规的WNN故障诊断方法相比,有效地提高了故障诊断的效率和正确率。
研究超混沌修正射影同步算法问题。由于修正射影同步不可预测的伸缩矩阵因子能够有效地提高保密通信的安全性,所以它在保密通信中有着非常诱人的应用前景,但是传统的同步射影算法由于较高的计算复杂度,难以得到广泛应用。针对上述问题,提出了一种新的基于超混沌系统修正射影同步算法。该方法首先给出了一个比已知的射影同步更一般形式的新同步,之后采用激活控制方法使两个一致的超混沌系统整体同步。最后算法在基于软件Mapl
软件克隆检测在软件维护、软件结构优化等方面具有重要价值和意义。综述了软件克隆的定义与分类,对软件克隆的检测过程进行了划分和讨论,介绍了软件克隆检测领域最为活跃的代码克隆检测技术和模型克隆检测技术。最后对软件克隆检测的研究现状和急需解决的问题进行了分析,展望了该领域未来的研究方向。
利用Si’lnikov定理构造一个含有平方项的三维混沌系统,且系统有两个平衡点,有一个是鞍焦平衡点,构造的过程表明该混沌具有Smale马蹄(同宿轨混沌)。在满足同宿轨道Si’lnikov定理条件下可以找出大量的参数值,使得系统处于混沌状态。数值仿真验证了该方法的有效性。最后,用待定系数法找到系统中存在Smale马蹄,因而是Si’lnikov意义下的混沌。
针对传统大规模模拟电路故障诊断方法在多故障条件下的故障定位过程复杂、测前工作量大等问题,提出了一种新的故障诊断方法———成组撕裂法。将大规模模拟电路按照拓扑特性和成组撕裂准则进行撕裂,得到低维度的故障特征向量;基于模式识别思想,选用具有高度并行分类能力的神经网络作为分类器,隐含层传递激发函数选择具有快速收敛特性的小波函数。经仿真验证该方法能实现故障特征向量的快速分类并得出故障诊断结果。与目前已有的
针对传统演化算法在求解函数优化,特别是多峰函数优化问题中出现的早熟现象以及演化后期收敛速度慢等问题,提出了一种新的反序小生境演化算法。该算法采用小生境反序交叉算子,以进一步增强局部寻优的能力;引入一种并行演化算法机制,加强群体寻优能力;同时,根据定义域划分初始种群,增加初始种群的覆盖面积。通过仿真实验表明,与传统的小生境演化算法相比较,利用该算法求解复杂多峰函数优化问题能够明显提高问题的求解精度和
为提升无线传感器网络在能耗、时延以及动态适应负载方面的综合性能,对几种典型MAC协议进行了分析,提出了一种带冲突避免和流量自适应的LCT-MAC协议。在该协议中,长前导码被划分为多个小前导码,并嵌入目的节点地址信息,避免了串音;节点可以根据网络流量调整睡眠周期,减少了时延;在重负载时,节点能基于优先级信息选择退避时长,避免冲突。仿真结果表明,与S-MAC协议和LPL协议相比,LCT-MAC协议降低
为了防止数据敏感属性的泄露,需要对数据敏感属性进行匿名保护。针对l-多样性模型当前已提出的算法大多是建立在概念层次结构的基础上,该方法会导致不必要的信息损失。为此,将基于属性泛化层次距离KACA算法中的距离度量方法与聚类结合,提出了一种基于聚类的数据敏感属性匿名保护算法。该算法按照l-多样性模型的要求对数据集进行聚类。实验结果表明,该算法既能对数据中的敏感属性值进行匿名保护,又能降低信息的损失程度