蚁群算法的数字微流控生物芯片污染故障清除

数字微流控生物芯片在生物化学分析中有良好的应用前景,为保证复杂生化实验分析结果的准确性,需对污染故障进行清除.提出了基于最大最小蚁群算法的污染故障清除策略,对清洗液滴清洗路径进行路径寻优.针对数字微流控生物芯片污染故障建立多旅行商问题(MTSP)模型,建立了基于流体和时间约束的禁忌判断策略、蚁群算法的选择策略,实现了优化清洗液滴路径规划、清除污染故障的目的.实验结果表明:该方案能有效地减少清洗时间,能够有效减少阵列单元使用数目.     

数字微流控生物芯片测试诊断过程分析和优化

针对数字微流控生物芯片的测试和诊断过程进行建模和分析,并根据并行测试的分块数和单元出错概率为相应的测试和诊断成本建立函数。通过Matlab对测试诊断成本函数的分析表明：随着并行测试分块数的增大,测试诊断成本的变化趋势不明显,也就是说,并行测试的分块数对测试诊断成本的影响不大;而随着单元出错概率p的增加,测试成本呈明显的增加趋势,且增加的幅度较大。另外,诊断过程中,根据单元出错概率对出错的子阵列再进行诊断,诊断过程必须持续若干次,直到所有故障定位后才能结束。在这些诊断中,针对最后一次定位的诊断成本是最大的,而且与其他次的诊断过程的成本相差几十个数量级,决定了总成本的大小。这些结论为数字微流控生物芯片的测试和诊断过程优化提供重要的理论依据,并为测试诊断方法的设计提供指导。     

基于禁忌搜索的数字微流控生物芯片多目标综合优化算法

利用数字微流控生物芯片来实施生化分析实验的关键是如何提高电极利用率、增大操作的并行性以及最小化生化检验完成时间,因为这关系到检验结果是否完整准确。根据片上实际空闲电极的数量和位置,利用数字微流控芯片上功能模块具有动态重构这一特点,适时改变某些功能模块在片上的位置,提高操作的并行处理。结合改进的禁忌搜索算法对数字微流控生物芯片进行架构级调度和几何级布局,以实现提高电极利用率和最小化生化检验完成时间两个目标。仿真结果验证了优化算法的可行性和有效性,该算法可大大提高数字微流控生物芯片的电极利用率,减少生化检验的完成时间。     

连续微流控生物芯片下基于序列对的流层物理设计算法

针对流层物理设计的2个阶段,即组件布局与布线通常被分开考虑,忽略了它们之间的交互作用,从而导致设计质量以及生物芯片执行效率下降的问题,提出一种有效的连续微流控生物芯片下基于序列对的流层物理设计算法.首先基于可以快速对布局方案进行枚举和计算的序列对表示方法,通过具有更高求解效率的离散粒子群优化算法得到组件布局解,进一步提...     

微流控生物芯片的磁场仿真及实验对比

近年来,随着生物医学分析和MEMS技术的发展,基于纳米磁珠的微流控生物芯片得到了广泛关注和研究.芯片上的微流路内部集成了微磁场元件,可在外磁场的作用下产生局部梯度磁场,从而将具有特定生物活性的纳米磁殊流捕获,实现后续的生物医学分析.为了有效的捕获磁珠,微磁场元件的外形结构需精心设计,才能产生足够高的磁场强度和磁场梯度.本文利用仿真软件COMSOL(Femlab)对所设计的不同外形的微磁场元件的磁场分布情况进行了仿真分析,随后的在片实验结果与仿真结果吻合得很好.     

数字微流控生化芯片的多故障诊断

数字微流控芯片常用于安全关键领域,其可靠性成为设计和测试的重要准则。为保证数字微流控芯片的系统可靠性,需要对其进行全面的测试,而为了实现重配置,必须对芯片阵列进行准确的故障诊断。本文提出了一种多故障的诊断方法,首先对芯片阵列进行行列并行测试,识别出存在故障的行和列,再利用改进二进搜索对这些故障行列进行故障定位。改进二进搜索可以利用多个有效的无故障路径进行测试,为了有效地为二进搜索寻找有效的搜索路径,给出了相应的贪婪算法。诊断故障覆盖率用来衡量多故障诊断方法的有效性。实验结果表明,相对传统的二进搜索方法,本方法可以更有效地对多故障进行定位。     

聚合酶链式反应微流控生物芯片的数值模拟

微通道内具有一定流速的DNA反应混和物能否达到聚合酶链式反应(PCR)指定的温度PCR微流控芯片研究的关键问题.本文应用有限体元法(FEV)数值模拟该芯片上3个恒温区的直型、弯型、逶迤型三类微通道内,微流体的温度场和速度场.结果表明:对于宽100 μm深50μm的微通道,速度在0.002 m/s～0.02 m/s范围内,180.的弯道以及温度场、温度梯度的存在对其速度场分布无影响,微流体仍旱现为层流;微流体大约经过60μm的距离,其温度场达到稳态,其速度场充分发展为层流;采用宽4 mm深2 mm的空气隔热槽能起到隔热的效果.     

数字微流控生化芯片多液滴稀释方法的研究

生化试验中如何将样品试剂配备过程转化成有效的数字生化芯片实现的协议,并给出相应的操作过程中的稀释/混合操作优化算法非常关键,是样品试剂配备过程的一个挑战。为减少操作步骤和节省药品,提出针对数字微流控生物芯片多液滴混合器稀释/混合操作优化算法,该算法允许多个液体参与混合分离操作,可以在误差允许范围内利用片上多液滴混合器用较少的操作步骤获得目标浓度的液滴。相对传统的两液滴混合方法,减少了稀疏/混合的步骤和稀释/混合时间,同时减少中间废弃液滴的数目。实验结果也表明可以在允许的误差范围内高效地进行混合/分离操作,获得目标浓度的液滴。     

基于拟人策略的高校排课算法

For the university timetabling problem that is NP-hard, some new strategies of tackling it are proposed,and two heuristic algorithms based on personification strategies are presented, which outperform the known straightforward heuristic algorithms in the quality of solution. The experimental results show that our algorithms are practical.     

求解带有预放置矩形块的布局问题的启发式算法*

在超大规模集成电路设计中,一些特别重要的部件,如RAM、ROM、CPU等经常被优先放置,而其他元件则被两两互不重叠地放置在芯片的剩余区域.这类问题能被形式化为带有预放置矩形块的布局问题.基于占角和最大穴度优先的放置策略,为该问题的快速求解提供了一种高效的启发式算法.算法的高效性通过应用于标准电路MCNC得到了验证.     

一种改进的VLSI电路有效布局算法

采用重心矩形约束[1]进行VLSI布局会出现以下问题：(1)布局边界的浪费,出现不可利用的小区域;(2)放置模块时可能会出现模块放置在实际有效区域内却因为重心约束成为非法放置。为了解决该问题,本文提出了一种改进文献[1]的VLSI布局启发式算法：通过设计模块的优先顺序进行合理布局,并辅助于边界矩形来解决重心矩形约束出现的问题;对模块布局放置的多个可能位置进行比较,并将其放置在优先度最高的适当区域。用Banchmark（ami33,ami49）和文献[1]的数据进行测试,结果表明新算法：（1）算法简洁高效,运行时间短;（2）布局结果明显好于文献[1]。     

遗传算法在传感器优化配置中的应用

针对于传感器网络中传感器配置问题,在保证局部网络损坏的情况下仍能进行检测,提高检测网络的可靠性,提出了用遗传算法对其进行优化,并设计了该遗传算法的计算步骤和其相应的适应度函数程序。计算了一个实例,得出了较好的配置方式,满足了传感网络可靠性的要求,说明了用遗传算法进行传感器优化配置是可行的。     

基于量子遗传算法的传感器节点优化部署方法

无线传感器节点的部署在无线传感网络中起着重要的作用,节点的部署优化与否关系到整个网络的生命周期.为了能通过节点部署扩大传感区域的覆盖程度,提出了量子遗传算法,该算法用量子比特编码来表示染色体,用量子旋转门和量子非门来实现染色体的更新,从而实现对目标问题的优化求解.仿真结果表明,该方法用于传感器节点优化部署是可行的.     

多阶段多产品调度问题的链式智能体遗传算法

将遗传算法的编码方式与智能体系统的演化结构相结合,提出一种求解多阶段多产品调度问题的链式智能体遗传算法.算法采用基于订单序列的编码方式,采用一种新的后向指派规则实现编码和可行调度间的一一对应.通过各智能体与其邻域环境的竞争与合作以及自身的自学习操作实现种群的演化过程.对多阶段多产品调度问题的仿真结果表明:链式智能体遗传...     

一种用于矩形排样优化的改进遗传算法

矩形排样优化属于NPC问题,在工业界有着广泛的应用,如布料切割、金属下料和新闻组版等。提出了一种基于环形交叉算子和环形变异算子的自适应遗传算法,并将改进的自适应遗传算法和IBL启发式布局算法相结合,有效地解决了矩形排样优化问题。对比实验结果表明,环形交叉算子和环形变异算子对遗传算法是有效的,所提出的改进混合自适应遗传算法能够在一个较短的时间内找到满意解。     

一种求解三维集装箱装箱问题的混合遗传算法

在遗传算法的基础上结合传统启发式装箱算法,设计了一个混合遗传算法,该算法既继承了遗传算法的全局搜索好的优点,也克服了遗传算法局部搜索能力差的缺点,能够较好地解决集装箱这类多目标多约束的空间三维分布的问题。     

矩形件优化排样的混合启发式方法

提出一种启发式递归与遗传算法相结合的混合启发式算法求解矩形件优化排样问题。首先给出一种启发式递归算法,利用该算法逐个从待排矩形件中生成局部利用率高的条料,直到所有待排矩形件均生成条料;利用遗传算法全局搜索能力强的特点,对这些条料序进行搜索重组,使其所用的板材数最少;最后再次利用遗传算法,对条料生成之前的矩形件种类序进行全局最优搜索,使总的板材利用率达到了最大。对两个典型实际算例进行计算,并与相关文献比较,结果表明了该算法的有效性。     

基于二次遗传算法的机组任务配对问题研究

机组任务配对是机组排班问题中主要的一个子问题,发现一组往返飞行航线并且覆盖所有的航班,最重要的是要求运营成本最低.在机组任务选择阶段和机组任务配对阶段采用二次遗传算法,建立了机组任务配对数学模型.根据遗传算法设计,对某航空公司某基地排班的航班信息进行了实例分析,并给出了测试结果.结果说明二次遗传算法在机组任务配对问题中可以寻找到一个更优的解.