血管外给药的非线性房室模型解的逼近

药物动力学模型的解析求解公式在新药设计特别是药物动力学参数确定等方面具有非常重要的意义.近年来,由于非线性米氏消除速率过程确定的药物动力学模型解析求解公式的获得,使得大多数单房室模型的解析解基本确定.但是,由于刻画血管外给药的非线性米氏药物动力学模型是一个非自治系统,进而不可能寻求其解析求解公式.该文的目的是讨论一次性血管外给药和周期血管外给药下非线性药物动力学模型解的逼近问题.采用微分方程和脉冲微分方程的比较定理并借助Lambert W函数的定义以及相关性质给出模型的不同上下界,估计模型解的逼近程度,并通过数值模拟进行验证.     

基于药物动力学的多次饮酒后血液中酒精浓度的模型分析

从常微分方程理论角度出发,结合药物动力学的相关知识,根据房室模型的相关假设,建立了单次和多次饮酒后血液中酒精的浓度随时间变化的基础模型.进一步采用剩余法确定出模型中参数,利用Matlab软件较准确地模拟出体内酒精浓度变化趋势的曲线.同时,对一些实际问题也给出了合理的解释.     

基于网络优化模型的变电站选址决策研究

利用Cplex优化软件,设计C语言程序,求解有资金约束与无资金约束的变电站最小费用模型。证明在无资金约束条件下修建的变电站数量可能比有资金约束条件下修建的变电站数量要少,建议决策者在进行电网规划时比较使用上述两种模型,使总费用最低,避免主观决策失误。同时指出了Hakimi文章中的计算错误。     

基于白噪声的网络传染病模型动力学分析北大核心CSCD

该文基于确定性网络传染病模型,建立了白噪声影响下的随机网络传染病模型,证明了模型全局解的存在唯一性,利用随机微分方程理论得到了传染病随机灭绝和随机持久的充分条件.结果表明,白噪声对网络传染病传播动力学有很大的影响,白噪声能有效抑制传染病的传播,大的白噪声甚至能让原本持久的传染病变得灭绝.最后,通过数值模拟验证了理论结果.     

人力资源网络模型及其动力学分析在企业内部升迁和外部招聘中的应用

首先讨论了ICM公司职位分配到职员办公室的原则,并讨论了在这些原则下一个合理分配方案的合作网络和监管网络构成的混合网络模型;然后,利用该模型的节点属性、公司职员属性及两者之间的关系建立了后档案矩阵,讨论了公司职员属性函数,在此基础上研究了包含职员离职算法、内部升迁算法和外部招聘算法的动力学分析;最后,在混合网络模型中利用算法进行了动力学仿真。     

基于单纯形方法的双层线性规划全局优化算法

通过分析双层线性规划可行域的结构特征和全局最优解在约束域的极点上达到这一特性,对单纯形方法中进基变量的选取法则进行适当修改后,给出了一个求解双层线性规划局部最优解方法,然后引进上层目标函数对应的一种割平面约束来修正当前局部最优解,直到求得双层线性规划的全局最优解.提出的算法具有全局收敛性,并通过算例说明了算法的求解过程.     

基于系统动力学模型的青岛市水资源承载力研究

在全面分析青岛市水资源现状的基础上,利用系统动力学方法建立了青岛市水资源承载力仿真模型,并对模型的有效性进行了检验.通过改变模型相关决策参数,仿真模拟了自然延续型、经济发展型、节水发展型、综合发展型4种不同方案下青岛市2011-2030年水资源承载力的动态变化情况.结果 表明,综合发展型方案是保证青岛市水资源可持续利用...     

基于价值流优化的项目组合网络引力模型

在构建项目组合网络时,除了考虑构建网络所需的成本、网络的效率外,同时还要考虑网络节点间的价值流(项目间的价值传递)因素,例如,当计划增加一个新项目时,组织除了考虑该项目的自身价值,还要考虑该项目进入到项目组合中产生的增值价值,即1+12的项目间协同价值,这个协同价值在网络中是通过网络节点间的价值流来体现的.构建项目组合网络的根本目的是实现网络上的动力学,只有两节点间有信息交互的需求,两节点的连边才有意义.从优化项目组合网络效益的角度出发,引入预期价值流这一概念,提出基于预期价值流优化的项目组合网络的引力模型,并详细分析该模型的拓扑结构特性、权度相关性,并利用引力模型与实际的项目组合网络进行了比较,所有的特征误差都很小,模型不仅能够定性地刻画真实项目组合网络中的各种特性,而且还能定量地得到具体项目组合网络的统计分布.     

时滞离散网络模型的动力学分析与同步

复杂网络广泛存在于日常生活,首先,给出几类标准的网络模型;然后,利用稳定性控制方法设计并实现了具有时滞与非时滞耦合的复杂网络模型快速控制;最后,通过构造优化Lyapunov函数,讨论其模型的射影同步问题,得到了系统全局稳定的条件和有效的控制器,以实例数值验证其方法的可行性。     

地高辛治疗胎儿快速心律失常的药物动力学模型及其应用

针对孕母及胎儿生长的动态变化规律,建立了通过孕母口服地高辛治疗胎儿快速心律失常的药物动力学模型,根据胎龄变化及临床上地高辛的治疗窗口所反映的血药浓度,设计了合理的用药方案,并运用MATLAB程序进行应用模拟,分析了方案的可行性.     

一种新的基于SVM参数优化的算法

针对单纯使用遗传算法处理大规模数据需要时间长和对计算机的内存等硬件要求较高的问题,将神经网络嵌入到遗传算法中构造出混合智能遗传算法用于SVM核函数的参数优化,数值试验结果表明该算法对SVM核参数优化是可行的、有效的,并能得到较好的SVM核参数组合和具有较高的分类准确率及较好的泛化能力.     

基于人工蜂群算法的非线性系统模型参数估计

将人工蜂群算法用于非线性系统模型的参数估计,通过对谷氨酸菌体生长模型的参数估计进行验证,并与人工神经网络、遗传算法和微粒群算法的优化结果进行了比较.仿真试验结果表明:人工蜂群算法对非线性系统模型的参数估计精度高于人工神经网络、遗传算法和微粒群算法的参数估计精度,为非线性系统模型参数估计提供了一种有效的途径.     

基于神经网络技术的水质预测

随着地表饮用水源的藻类高发程度的加重和藻毒素的对健康的危害性逐渐被认识,供水企业需建立水源水质预警系统以确保供水水质和实现水厂经济运行,而水源水质预测是预警系统的基础.收集天津引滦源水1744天的水质检测资料,通过相关及指标聚类两种方法分析,确定建立预测2天后源水水质-叶绿素-a的神经网络模型的输入变量选择方案共26个,每个方案经10次试验,比选出模型最优输入变量和模型结构.为建立具有代表性的模型,使用前1209天数据训练模型,训练后的模型对剩余数据的仿真输出值与实际值间相关系数达0.88,其预测准确率为85%,满足水厂运行要求.     

基于BP神经网络的动态稳健参数设计

传统的动态稳健参数设计方法(田口方法)虽然在工业生产实践中展现了极大的方便,但是其本身也存在较大的改进空间.当调节变量不存在时,传统的田口方法难以实现;此外,田口方法只能根据所选取的参数水平得到最优参数组合,而这种所谓的最优结果有时并不符合实际的需要.首先构建BP神经网络模型,利用训练后的BP神经网络获得参数设计中质量特性、噪声因子以及各参数间的动态关系;然后,利用超拉丁方抽样,计算信号与特性参数间的斜率,并由此将动态稳健参数设计的寻优问题转化为相应的非线性规划问题;最后,利用次序二次规划(SQP)算法解决并优化动态稳健参数的设计。此外,我们选取了一个简单的数据案例对本文提出的方法的有效性进行了说明.     

基于人工神经网络的客户价值评价体系

企业对客户价值的评价是进行客户分类及实施客户策略的依据,也是实现客户关系管理的核心所在.客户为企业带来的价值本身是具有层次性和动态性,然基于客户全生命周期的客户终生价值计算方法显然无法将其动态发展过程准确的考虑在内,也就无法规避其计算结果所带来的误差风险.因此,在现有客户价值评价理论的基础上,结合客户生命周期理论,以企业与客户的双赢为最终目标,提出分阶段细化的评价思想,构建完善的评价体系,并根据该指标体系的指标特性选择人工神经网络作为评价方法,给出模型求解,最后依据此评价结果对客户分类及营销策略进行相关的分析.     

基于模糊神经网络的MVP评价模型及实证分析

利用模糊数学和神经网络方法建立对运动员进行评价的模糊网络模型,采用NBA流行的各评价指标作为其输入,模糊综合评价结果作为输出。样本数据采用2003~2004赛季NBA各单项50强的常规赛数据,分别用BP网络和RBF网络,建立分析系统,比较结果证明RBF网络仿真效果最好,完全可以实用,该模型也可以用在其它综合评价系统中。     

基于粒子群算法的大型网络计划费用优化

大型网络计划费用优化对科学有效地进行工程项目进度管理具有重要意义,但大型网络计划费用优化随工作个数增加而约束方程和计算量骤增,成为数学和计算机科学领域至今未解决的难题.借助建立评价函数、设计进化方程、设计网络计划时间参数的计算机算法等基础工作,选择工作持续时间作为粒子空间坐标并设置可行解范围,用蒙特卡洛方法和限制条件优化初始粒子群,用二维动态数组解决大型网络计划粒子群算法优化运行image超限问题,成功求解有61个工作的大型网络计划费用优化算例.因此,经过特定设计的粒子群算法是微机和有限的计算时间条件下求解大型网络计划费用优化问题的一个有效方法.     

基于厌恶行为的冷链网络优化问题的研究

客户对冷链产品新鲜度的要求越来越高,但随着时间的变化,冷链产品品质在逐渐下降,客户的心理也在相应变化。在考虑交通阻塞的情况下,本文构建了客户厌恶行为函数,同时根据配送过程对车辆和驾驶员的被占用时间构建了配送中心厌恶行为函数,通过分配不同的权重将两个厌恶行为函数结合起来,在一系列约束条件下,以整体厌恶行为最小和成本最小为目标函数,建立了相应的数学模型。最后使用算例进行仿真,验证了所建立的数学模型是可行的。