基于混合遗传蚁群算法的数字微流控芯片测试路径规划

数字微流控芯片在生化检测领域的应用越来越广泛,为保障芯片的可靠性必须对其进行全面且高效的故障测试。随着芯片规模的扩大,故障测试问题也越来越复杂。针对数字微流控芯片的灾难性故障测试,为提高故障测试方法的时间效率,本文提出了一种基于混合遗传蚁群算法的测试路径规划方案。首先,该方案优化了芯片故障测试模型的转化过程;其次,先利用遗传算法的全局特性生成全局较优测试路径,并根据较优测试路径形成蚁群算法的初始信息素分布;最后,再利用蚁群算法搜索最优测试路径。该方案适用于离线测试和在线测试,能够兼容规则和非规则芯片。实验仿真结果表明,该方案提高了测试模型转化的效率,在获得较优测试路径的同时改善了测试算法的收敛特性,提高了测试方法的时间效率。     

基于粒子群算法的数字微流控芯片在线测试路径优化

数字微流控生物芯片的稳定性和安全性在生化实验中具有很高的要求,为保证实验结果的准确,需要对芯片进行检测。通过分析芯片结构、实验液滴的路径,提出一种基于粒子群算法的针对数字微流控芯片灾难性故障在线测试路径优化方案。通过自适应调整算法惯性权值,设置算法的收敛速度因子和解的聚集程度因子,将收敛速度和局部解聚集程度可视化改进算法。增加液滴移动序列的交换机制,在芯片的约束条件下规划测试液滴的移动路径,从而缩短测试路径长度。仿真实验选择15×15阵列模型、7×11阵列模型、7×7阵列模型进行仿真实验,结果表明,该方案完成了对芯片的测试,提高了算法收敛速度,并有效缩短了测试路径,提高测试效率。     

基于混沌粒子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的可靠性和安全性在生化分析领域具有很高要求,先后经过同一电极的液滴会造成污染,因此对芯片上的污染故障进行清除是保证生化实验准确性的重要途径。通过分析清洗模型与粒子群算法的特性,提出基于混沌粒子群算法的清洗液滴调度方案。将芯片转换为TSP模型,通过概率选择策略选择污染点,引入优秀系数和混沌序列对算法进行优化,把约束条件转换为动态禁忌表,完成故障清除,得到最优清洗时间。实验结果表明,该方案完成了对污染故障的清除,且相对于粒子群优化算法(PSO)和最大最小蚁群优化算法(MMAS)方案,可有效缩短清洗时间,提高阵列单元使用率。     

基于微流控生物PCR芯片的荧光PCR分析研究

利用荧光能量传递PCR定量技术（fluorescence resonance energy transfer,FRET）对微流控生物PCR芯片激光制备工艺的荧光PCR分析方法和装置进行了研究和建立,并开展了相关初步实验。基于微流控生物PCR芯片激光制备工艺的荧光PCR分析法的实质是利用在芯片平面上PCR过程中的荧光强度与溶液中模板量成正比,根据各类荧光强度以及强度相对变化信息分析获得优化的加工工艺参数和芯片设计的改进。生物芯片多光路校准光纤PCR荧光检测装置可提高荧光检测的重复性、稳定性等测量精度。     

一种基于数字微流控技术的PCR微芯片

基于数字微流控（digital Microfluidics, DMF）的聚合酶链式反应（polymerase chain reaction, PCR）微芯片系统设计,主要在于对样品液滴的运动进行控制和对进行PCR所需要的温度控制。设计了一种基于介电润湿（electrowetting on dielectric, EWOD）原理的数字微流控PCR微芯片,并实现了对芯片不同区域的温度控制以满足PCR所需的要求。基于数字微流控技术的PCR微芯片系统由一个双基板结构的数字微流控芯片,芯片的驱动电路以及温度控制组件构成。实现驱动样品液滴在该装置上运动至不同温度的反应区域,在不同的反应区域满足的PCR反应所需的变性,退火和延伸各阶段所需的温度,继而实现PCR扩增。     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点.通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题.该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性.     

基于改进蚁群算法的配电网故障定位

目前配电网的故障定位采用故障电流分析方法,在实时信息序列中存在畸变信息时有可能错判或误判,导致城市配电网发生故障时无法快速准确定位的问题。首先对蚁群算法进行改进,采用了一种根据蚁群算法搜索情况来自适应动态修改信息素的方法,使得算法更好地跳离局部最优解,然后通过建立适当的数学模型,对IEEE-33节点测试系统进行了仿真计算,最终结果证明了该算法在配电网故障定位方面的有效性。     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性。     

基于改进蚁群算法的配电网故障定位

目前配电网的故障定位采用故障电流分析方法,在实时信息序列中存在畸变信息时有可能错判或误判,导致城市配电网发生故障时无法快速准确定位的问题.首先对蚁群算法进行改进,采用了一种根据蚁群算法搜索情况来自适应动态修改信息素的方法,使得算法更好地跳离局部最优解,然后通过建立适当的数学模型,对IEEE-33节点测试系统进行了仿真计算,最终结果证明了该算法在配电网故障定位方面的有效性.     

光检测数字微流控芯片的高集成驱动电路设计

根据高通量微液电处理及光检测共形生化检测芯片研究项目及有关需求,设计并实现了具有128通道输出的驱动电路,达到了各个通道单独控制的目的。根据项目要求,电路由单一5V直流电源供电,128通道输出电压幅值为0~200V,频率为10~1 000Hz的方波,电压幅值和频率均可调节,并且电压精度为0.5V。驱动电路采用高度集成化设计,进而满足小型化要求。该电路的设计方案具有可行性,满足对光检测数字微流控芯片的驱动要求。经过实验证明,所设计完成的驱动电路可以实现对数字微流控芯片上液滴的控制。     

基于并行遗传蚁群算法的组播路由调度算法

组播是将信息从源节点同时发送到网络中多个目的节点的通信方式,这是网络规模日益增大,信息流量增大的必然结果.组播路由是用一点到多点的方式传送信息,组播路由问题已被证明是NP-Complete问题.文中结合遗传算法GA和蚁群算法ACA的优点,提出了一种并行的遗传蚁群算法GACA,并把该算法应用到求解组播路由问题中.GACA算法利用遗传算法的快速性、随机性、全局收敛性产生求解问题的初始信息素分布,通过选择,交叉,变异等遗传操作产生一组新的个体,然后再利用蚂蚁算法群体并行性、正反馈性、求解效率高的特点,实现组播路由优化选择.仿真实验结果表明,该算法不但实现了组播路由的全局优化,而且在时间效率上优于现有的组播路由算法.     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

基于改进蚁群算法的电力通信网络路由优化算法研究

在电力通信网络中,负载均衡可以减少瓶颈节点的过载和充分利用资源。针对智能电网中电力通信网络负载均衡问题,文中提出了一种将蚁群算法与链路权值算法相结合的负载均衡算法。在发挥蚁群算法优势的基础上,通过链路权重判断功能直接选择最优传输链路方案。通过仿真将所提算法与常用负载均衡算法进行比较,验证了所提算法的优越性和可行性。结果表明,该方法更适合于复杂的应用场景,在电力通信网络中具有更好的负载均衡能力,具有一定的参考价值。     

Transistor size optimization in digital circuits using ant colony optimization for continuous domain

In this paper, ant colony optimization (ACO) algorithm is presented, as a tool to find transistor sizes in digital circuits. Performance of ACO has been tested on four digital circuits, of different complexity, to find optimum balance between power and delay of circuits. Optimization problem has been set up by first, formulating an objective function, to be minimized, for each circuit and then finding the values of variables of circuits, using optimization algorithm. For the purpose of examining the results, circuits are optimized using genetic algorithm (GA) also. Results show that, ACO performs better than GA, for all the four circuits, in finding optimized transistor sizes. Copyright © 2012 John Wiley & Sons, Ltd.     

蚁群K-medoids融合的聚类算法

蚁群算法能够在没有任何先验知识和人为干预的情况下实现自主聚类,并且鲁棒性较强,易于与其他算法相结合。但蚁群算法消耗时间成本较大,效率较低。而K-medoids聚类是一个基于划分的经典聚类算法,该算法聚类速度快、聚类效果好而被广泛应用于各种聚类处理中。但需要人为确定簇数目,并对初始簇中心的依赖性较强。针对以上问题,提出了结合蚁群算法和K-medoids的聚类算法（AKCA）,该算法融合了蚁群算法和K-medoids算法各自在聚类上的优点。实验结果表明,该算法对于小型数据集具有运行效率高、聚类质量好和自适用性强等优点。     

蚁群算法在组合优化中的应用

本文介绍了崭新的求解复杂优化问题的启发式算法-蚁群算法以及它的基本原理.该算法是通过模拟蚁群搜索食物的过程,达到求解此类问题的目的.它具有智能搜索、全局优化、稳健性强、分布式计算、易与其他方法结合等优点.文章还介绍了该算法在静态组合优化,如旅行商、二次分配、车间任务调度、车辆路线、图着色、有序排列,以及动态组合优化中的应用.文章最后展望了蚁群算法所具有的广阔应用前景.     

基于蚁群算法的电源设计

就计算机电源系统的应用进行设计分析,一个良好的计算机电源系统应当具备合理的电源架构、稳定可靠的DC-DC电源及良好的运行智能控制系统。在构造合理电源系统架构的基础上,提出了基于蚁群算法的电源管理系统,利用软件内嵌的蚁群算法来增强系统切换时间的精确性,从而实现了在保证电源基本功能的前提下,有效地减小系统运行的故障切换时间,提高了系统稳定性。     

混沌蚁群算法在划分区域中能量均衡路由方法研究

为了降低无线传感器网络受能量限制的影响,延长网络生命周期,通过蚂蚁混沌行为和自发组织行为,提出了一种寻求最优网络路由规划方法。该方法从兼顾能耗和网络时延的角度,基于节点位置,依据节点传输方向结合跳转概率形成扇环区域划分,选取节点划分区域中剩余能量较高且距离该节点较近的节点作为邻居节点,采用双向搜索保存全局最优位置更新等方法考虑寻找最优解。实验表明,此方案在降低网络时延的同时有效地均衡和减少了网络能量的消耗,延长整个网络寿命。     

基于量子蚁群优化算法的梯级水电系统经济调度

将量子计算理论引入到蚁群优化算法中,形成量子蚁群优化算法(QACOA),用于梯级水电系统经济调度研究中,以系统在调度期内实发电能和储蓄电能最大为准则构造优化目标函数。QACOA融入了量子计算理论的叠加态和概率表达特性,以量子态为基本信息单元,将量子比特的概率幅用于蚂蚁位置的编码,利用量子旋转门实现蚁群位置的更新,达到了比常规蚁群优化算法更好的优化效果。运用QACOA对梯级水电系统经济调度进行仿真,结果表明QACOA使调度期内实发电能和储蓄电能得到了明显提高。