PPI网络的改进谱聚类算法

蛋白质相互作用(PPI)网络是生物信息学的一个新的研究领域。近年来谱聚类算法在未知蛋白质的功能预测方面发挥了重要作用,但是它要求事先确定聚类数目,为此提出了一种基于边的得分搜索的谱聚类算法。该算法采用谱聚类方法对数据进行预处理,并通过构造蛋白质节点之间的边的得分矩阵找到数据样本之间的相关性,同时融入粒子群算法来确定边的得分的最佳选择阈值,最后用广度优先遍历结点的方法得到聚类结果。算法在PPI网络数据集上进行了测试,结果表明该算法不但可以自动确定聚类数目,而且聚类结果的正确率和F-measure值都得到了提高。     

多种群粒子群优化算法

将一定规模的粒子群平分成三个子群,并分别按基本粒子优化算法、ω自线性调整策略的粒子群算法和云自适应粒子群算法三种不同规则进化,既保持各个子群和算法的独立性和优越性,又不增加算法的复杂性,并提出“超社会”部分,重新定义了速度更换式子,同时还引入了扩张变异方法和扰动操作。实验仿真结果表明,给出算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高。     

基于粒子群优化的多用户MIMO下行链路调度算法

将多用户MIMO下行链路调度问题描述为一优化问题,并引入粒子群优化(particle swarm optimization,PSO)算法进行求解.针对容量和复杂度有不同要求的应用场合,给出了两类采用不同目标函数PSO调度算法:基于容量PSO(C-PSO)调度算法和基于特征值下界PSO(LBE-PSO)调度算法.C-PSO算法目标是获得接近最优容量的性能;而LBE-PSO算法旨在有效降低算法复杂度的同时尽可能获得高的容量增益.进一步,从粒子和速度两方面对PSO算法的收敛性进行分析并得出收敛条件,然后通过不同参数值的实例对其进行验证.仿真结果表明,C-PSO算法能够以较低的复杂度获得接近穷搜索算法的容量,而LBE-PSO调度算法则提供了一种能够在容量和复杂度之间很好折中的调度方案.     

免疫粒子群算法在城市有轨电车运行调整中的应用研究

针对城市有轨电车运行环境复杂、列车运行调整存在众多约束条件、求解难度大等问题,提出虚站台概念,在此基础上建立了优化的列车运行调整模型.引入免疫系统中的免疫记忆特性和抗体浓度抑制思想,采用免疫粒子群算法对此模型进行求解,并以海珠区环岛新型城市有轨电车实验段数据进行仿真.结果表明,在引入虚站台概念基础上,采用免疫粒子群算法能够有效地解决城市有轨电车运行调整问题,并且其优化能力优于遗传算法.     

基于分解的二维renyi熵阈值分割方法中参数自适应选取

针对基于分解的二维renyi熵阈值分割方法中参数α的取值问题,根据均匀性测度这一图像分割质量评价指标,利用粒子群搜索方法,提出了一种自适应选取α的方法。实验表明,所提出的方法不但可以针对不同的图像有效地选取参数α值,得到理想的图像分割结果,而且还可以将二维renyi熵参数自适应选取算法的计算复杂度由O(L6)降为O(L2),计算时间约为二维renyi熵参数自适应选取分割算法的1/10000。     

基于结构化粒子模型的云可视化应用

云数据的三维可视化模拟一直是计算机图形学和气象科学领域的研究热点。提出了基于WRF模式数据的建模与渲染技术,以实现真实云数据三维可视化模拟。针对粒子系统建模复杂、实时性差的问题,首先通过计算云粒子之间的相互关系建立结构化粒子模型,实现WRF云数据的建模;然后利用光照模型和公告牌技术对建模粒子进行光照渲染和三维模拟,同时结合Imposter技术提高纹理绘制速度和效果。实验仿真结果验证了该方法在提高云数据的建模与渲染速度,提高云三维可视化的逼真度方面的有效性。     

基于MPSO-CWLS-SVM的瓦斯涌出量预测

针对瓦斯涌出量受多因素影响,传统的预测方法难以建立准确的数学模型,导致预测精度低这一问题。提出一种经改进的粒子群算法(MPSO)优化的基于柯西分布加权的最小二乘支持向量机(CWLS-SVM)算法来预测非线性动态瓦斯涌出量。柯西分布加权的最小二乘支持向量机根据预测误差的统计特性,确定加权规则参数,以达到赋予训练样本不同权值的目的。并用MPSO算法对CWLS-SVM模型的正则化参数λ和高斯核参数σ寻优。利用无线传感器网络采集到的各项历史数据进行实例分析。结果表明,该算法有效的提高了瓦斯涌出量的预测精度,降低了预测误差,为煤矿瓦斯防治提供理论支持。     

基于纹理映射和粒子系统的三维喷泉实时模拟

将纹理映射和粒子系统理论相结合,给出一种基于粒子系统的喷泉系统模型,同时分析模型中粒子的属性及其变化,加入风力和阻力等粒子属性,绘制三维喷泉系统,实现粒子在复杂受力情况下的实时动态模拟.实验结果表明,该方法不仅有效地保证了图像的真实感,而且提高了系统的灵活性和实时性.     

基于粒子群优化算法的PID控制器参数整定

PID控制器的性能完全依赖于其参数的整定和优化,但参数的整定及在线自适应调整对常规的PID控制器是难以解决的问题。根据粒子群算法具有对整个参数空间进行高效并行搜索的特点,提出了一种基于粒子群优化算法整定PID控制器参数的设计方法,并定义了一种新的性能指标函数来评价PID控制器的性能。现以二阶的船舶控制装置为研究对象,运用粒子群优化方法对PID控制器参数进行了寻优研究。仿真结果表明,该方法比一般PID参数整定方法具有更好的控制性能指标,有着一定的工程应用价值。     

A computer program for internal conversion coefficients and particle parameters

Title of program: CATAR Catalogue number: ABGP Program obtainable from: CPC Program Library, Queen's University of Belfast, N. Ireland (see application form in this issue) Computer: UNIVAC 1108; Installation: Sandoz A.G., Basel, Switzerland Operating system: EXEC 8 Programming language used: FORTRAN IV High speed store required: 26K words No. of bits in a word: 36 Overlay structure: None Number of magnetic tapes required: None Other peripherals used: Card reader, line printer Number of cards in combined program and test deck: 3136 Card punching code: BCD