基于高通量解析算法的复杂样品重叠气相色谱-质谱信号的快速分析

化学计量学算法为重叠气相色谱-质谱(GC-MS)信号的解析提供了有效手段,但其在计算过程中一般需要将数据进行分段处理,然后只对信号的某些区间进行解析,难以实现真正意义上的高通量分析。该文结合移动窗口目标转换因子分析(MWTTFA)和非负免疫算法(NNIA),建立了一种高通量解析方法。首先,根据所有可能存在的目标组分的标准质谱信息,利用MWTTFA检验复杂信号中存在的组分,并确定目标组分的质谱信息和洗脱时间区域。以得到的质谱信息作为后续计算的输入值,利用NNIA解析得到相应的色谱信息。采用快速升温程序对17种和42种农药混合标准样品的GC-MS信号进行分析,利用所建立的方法可在10 min内得到全部组分的色谱和质谱信息。     

Local and parallel finite element algorithm for stationary incompressible magnetohydrodynamics

This article presents a local and parallel finite element method for the stationary incompressible magnetohydrodynamics problem. The key idea of this algorithm comes from the two‐grid discretization technique. Specifically, we solve the nonlinear system on a global coarse mesh, and then solve a series of linear problems on several subdomains in parallel. Furthermore, local a priori estimates are obtained on a general shape regular grid. The efficiency of the algorithm is also illustrated by some numerical experiments.© 2017 Wiley Periodicals, Inc. Numer Methods Partial Differential Eq 33: 1513–1539, 2017     

Disjoint Paths in Decomposable Digraphs

The k‐linkage problem is as follows: given a digraph and a collection of k terminal pairs such that all these vertices are distinct; decide whether D has a collection of vertex disjoint paths such that is from to for . A digraph is k‐linked if it has a k‐linkage for every choice of 2k distinct vertices and every choice of k pairs as above. The k‐linkage problem is NP‐complete already for [11] and there exists no function such that every ‐strong digraph has a k‐linkage for every choice of 2k distinct vertices of D [17]. Recently, Chudnovsky et al. [9] gave a polynomial algorithm for the k‐linkage problem for any fixed k in (a generalization of) semicomplete multipartite digraphs. In this article, we use their result as well as the classical polynomial algorithm for the case of acyclic digraphs by Fortune et al. [11] to develop polynomial algorithms for the k‐linkage problem in locally semicomplete digraphs and several classes of decomposable digraphs, including quasi‐transitive digraphs and directed cographs. We also prove that the necessary condition of being ‐strong is also sufficient for round‐decomposable digraphs to be k‐linked, obtaining thus a best possible bound that improves a previous one of . Finally we settle a conjecture from [3] by proving that every 5‐strong locally semicomplete digraph is 2‐linked. This bound is also best possible (already for tournaments) [1].     

一种新的求非线性方程组的数值延拓法

针对迭代过程中的Jacobi奇异问题,本文提出了一种新的数值延拓法.通过构造双参数同伦算子,采用可控条件和适当选取参数的方式克服Jacobi奇异性,并分析了方法的收敛性.最后,通过数值实验对比,验证了方法的可行性和优越性.特别是具有可调控越过Jacobi奇异(点、线、面)的优势,从而也在某种程度上解决了数值延拓法严重依赖于初值的问题.     

广义线性多乘积问题的完全多项式时间近似算法

本文针对广义线性多乘积极小化问题,通过一系列的线性规划问题的解提出一种求其全局最优解的完全多项式时间近似算法,并给出该算法的计算复杂性,且数值算例验证该算法是可行的.     

阿拉尔垦区自然灾害对农业经济影响的研究

阿拉尔垦区是新疆重要的棉花、林果产业基地,然而频发的自然灾害给农业经济造成了极为严重的影响.自然灾害发生频率高、灾害地域分布不均衡以及带来的破坏效果大和损失严重等特点,引起了人们的广泛关注.采用层次分析法作为基础理论,通过专家打分法确定权重建立评价模型.阿拉尔垦区自然灾害对农业经济影响的研究是一个非常重要的理论和实践问题,它对于提高农民收入、促进农业可持续发展和社会稳定具有重要的意义.     

稀土安全评价:集成算法改进与实证

稀土作为我国战略性矿产资源,其安全问题一直是政府和学术界关注与研究的重要课题.建立了稀土安全的概念框架与评价体系,针对传统AHP中九标度法的不足,基于熵值法、加速遗传算法及扩充标度值的层次分析法,提出了一种改进的层次分析法(EV-AGA-EAHP),通过集成模糊C-均值聚类算法和模糊综合评价法,研究提出了一种模糊综合集成评价方法(EV-AGA-EAHP-FCM-FIJ),给出了集成算法及步骤,对2001-2013年我国稀土安全水平进行了评价,提出了保障我国稀土安全的建议.     

自适应多种群回溯群居蜘蛛算法求解TSP问题

在群居蜘蛛优化算法中引入自适应决策半径,将蜘蛛种群动态地分成多个种群,种群内适应度不同的个体采取不同的更新方式.在筛选全局极值的基础上,根据进化程度执行回溯迭代更新,提出一种自适应多种群回溯群居蜘蛛优化算法,旨在提高种群样本多样性和算法全局寻优能力.函数寻优结果表明改进算法具有较快的收敛速度和较高的收敛精度.最后将其应用于TSP问题的求解.     

基于改进的PSO-SVM的音频信号特征识别和分类

针对音频信号准确性分类的问题,提出一种基于改进的的粒子群优化算法(PSO)的支持向量机(SVM)音频信号分类的方法,简称IPSO-SVM.首先用Mel倒谱系数法对4种音频信号进行特征提取.其次在PSO中引入自适应变异因子,能够成功地跳出局部极小值点;然后对PSO中的惯性权重进行了改进,将惯性权重由常数变为指数型递减函数.随着迭代的进行,使权重逐渐减小,这样做有利于粒子进行局部寻优.最后用改进的PSO不断优化SVM中的惩罚因子c和核函数参数g来提高预测精度.实验结果表明,与传统的SVM、PSO-SVM、GA-SVM相比,我们提出的IPSO-SVM算法分类结果更精确.     

Volterra核函数法在轴承滚珠磨损中的特征提取及应用

针对滚动轴承滚珠磨损故障特征难以提取的问题,提出一种基于多脉冲激励法下的Volterra级数核的求解算法.该方法是一种非线性系统模型的“交叉”诊断法,利用轴承系统输入输出的采样信号,建立Volterra非线性辨识系统模型,并运用多脉冲激励Volterra低阶核求解算法,将得到的低阶核通过时域和频域进行对比来判断轴承当前所处的运行状态.该文以无心车床主轴轴承为例进行实验验证,并与传统的小波分析法对比得出:多脉冲激励法能够方便准确地提取轴承的故障特征,该方法对此类故障的诊断具有一定的借鉴意义.