城市轨道交通电力监控自动化系统的功能

综述了国内正在发展的城市轨道交通业对电力监控自动化系统的功能需求。     

用XML和JSP发布机械工程数据

主要介绍了XML的基本概念及其比HTML具有的优势,着重论述了XML结合JSP在机械工程数据发布方面的应用并给出了实例、最后展望了XML结合JSP在机械工程应用方面的广阔前景。     

Ｃ臂ＣＴ在肝癌介入治疗中的应用

目的初步评价Ｃ臂ＣＴ在肝癌肝动脉介入治疗中的应用。方法６０例肝癌患者（原发性肝癌４３例,转移性肝癌１７例）行２３０例次介入治疗,其中行Ｃ臂ＣＴ扫描９１例次,记录所有手术时间。依据与常规ＤＳＡ造影比较,能否提供额外信息,将Ｃ臂ＣＴ对于介入手术的帮助程度分为３级:１级,未能提供额外信息;２级,提供额外信息,但对介入治疗过程无影响;３级:提供有助于治疗的信息。使用ｔ检验检测使用和不使用Ｃ臂ＣＴ功能的介入手术时间有无统计学意义。结果行Ｃ臂ＣＴ扫描９１例次（４０％）,其中４０（４０／９１,４３．９％）例次达到２级、２３（２５．３％）例次达到３级。使用Ｃ臂ＣＴ扫描后平均手术时间增加了１８．５ｍｉｎ（Ｐ＜０．０５）。结论Ｃ臂ＣＴ优化了肝癌介入治疗工作流程,获得了清晰的软组织（ＣＴ样）断层图像,在肝癌介入治疗术前显示肿瘤实质及供血血管、术后即时监测碘油沉积方面具有较高的价值,在肝癌的介入治疗特别是肝癌化疗栓塞中能够起到较好的指导作用。该法增加了部分手术时间,但完全可以接受。     

进化树拓扑路网构建及多停靠点路径规划方法研究

针对多停靠点线路优化问题,提出一种基于邻接矩阵网络拓扑树构建的路径寻优方法,借鉴系统生物学中进化树分类的思想,引入路网结点间邻接关系评价标准邻接值的概念,将路网按照其结点邻接关系归类划分为以路网结点间邻接值为表征的路网拓扑进化树,同时对线路路径寻优问题中目标结点进行动态回溯分类,在限定路网搜索区域同时采用分支定界搜索策略进行搜索优化,降低了搜索算法时间复杂度.最后依据国家基础地理信息系统网站提供的国界、省会城市及主要公路基础地理数据进行系统实现,证明该算法的有效性.     

多模式公交组合调度优化模型

针对站点不同时刻的客流需求,系统地探讨了乘客出行时间和公交公司运营管理的有机联系,研究了全程车、区间车和大站快车3种发车模式组合及发车间隔。以系统总时间成本最优为目标,在相同决策间隔下选择不同决策模式,建立了发车频率不定的公交组合调度模型。同时,针对调度模型组合优化的NP难特点,利用差分进化优化算法对模型求解。结果表明,在决策间隔为4min的情况下,首站发车间隔有4min、8min、12min 3种可能;考虑到区间车和大站快车超车的情况,各站点乘客的等车时间为0.8min～12min不等。 与原先分时段的单一调度相比,多模式公交组合调度能减少公交车发车次数,有效降低系统时间成本。     

无线传感器网络自适应分布式聚簇路由协议

提出了一种适用于无线传感器网络的自适应分布式聚簇路由协议(Adaptive distributed clustering routing, ADCR). ADCR协议基于N阶近邻理论, 在传感节点部署及网络拓扑动态变化时, 通过对节点分布离散度及曲率变化的分析自动确定当前最优的聚簇数量, 进而根据最优 簇数计算最佳簇头占有比率并结合节点剩余能量选取簇头集; 同时引入Hausdorff距离调整初始快速形成的簇结构. 仿真结果验证了ADCR 的有效性, 比DT, LEACH和PEGASIS拥有更长的生存时间.     

带有时间窗口的富网络配送问题研究及仿真

通过建立GIS富网络路网属性模型,并组合N阶最短近邻自适应聚类算法和遗传算法,来解决不确定车辆数目、较大规模网点和多层次交通网络的带时间窗口的联合配送问题。首先,为了解决传统带有时间窗口车辆线路调度模型中配送网点规模小(不超过20个网点)的问题,以及在建模时将各网点抽象为图的顶点的缺陷,建立基于实际道路数据的网络数据集,采用GIS技术精确计算各网点之间的距离,并建立距离OD矩阵;然后,为了降低对较大规模网点配送算法设计的复杂度,采用N阶最短近邻自适应算法确定聚类簇数,再通过聚类数划分配送网点。其次,为了确定配送车辆的种类、车辆数目以及时间窗口的限制,利用遗传算法对配送线路进行优化。最后,通过2个实例验证了所提方法的有效性。     

基于副本交换的局部增强差分进化蛋白质结构从头预测方法

针对蛋白质高维构象空间搜索问题,提出一种基于副本交换的局部增强差分进化蛋白质结构从头预测方法(RLDE)。首先,采用基于知识的Rosetta粗粒度能量模型显著降低构象空间优化变量维数;其次,引入基于片段库知识的片段组装技术进一步减小构象搜索空间,有效避免搜索过程中的熵效应;此外,在每个副本层设置构象种群,采用差分进化算法对种群进行更新,然后利用Monte Carlo算法对种群做局部增强,以此得到全局和部分局部最优构象。综上,RLDE利用差分进化算法较强的全局搜索能力可以对构象空间进行有效的全局搜索;借助Monte Carlo算法局部搜索性能对构象空间局部极小区域进行更为充分的采样;副本交换策略保证了副本层中种群的多样性,同时能够增强算法跳出局部极小的能力,从而使得算法对构象空间的搜索能力进一步增强。15个目标蛋白测试结果表明,所提方法能够有效地对构象空间采样,得到高精度的近天然态蛋白质构象。