用遗传算法优化的约束背景双线性化方法处理含未知背景组分干扰的色谱二维谱图体系

数值遗传算法是全局优化方法, 本文将其引入约束背景双线性化问题的优化求解过程, 以避免陷入局部最优。用本方法处理了模拟数据和两个实际含未知背景干扰的色谱二维谱图体系, 并探讨了如何提高遗传算法在优化平台区域的寻优速度,结果令人满意。     

pH分布-光谱法用于背景与待测物波谱严重重叠灰色体系的定量分析

本文基于残差双线性(RBL)的原理并结合数值遗传算法,充分利用这一信息,把pH分布－光谱两维信息引入灰色体系的定量分析中.结果表明,对于背景与待测物波谱严重重叠的体系,本法对待测组分预报有较高的准确度.     

基于遗传算法优化的约束背景双线性分解算法用于改进高效液相色谱灰色分析体系的校正结果

该文采用约束背景双线性分解算法(CBBL)对以高效液相色谱(HPLC)方法分离分析的灰色分析体系进行了多元校正研究。针对采用包括CBBL在内的矩阵校正方法处理HPLC灰色分析体系的固有缺陷,即在相关组分的色谱保留时间重现性较低的情形下多元校正的结果不理想,对CBBL方法进行了改进,即将待测组分的浓度与组分的色谱保留时间同时作为优化的参量引入CBBL,并采用遗传算法(GA)优化CBBL,对于模拟的组分保留时间飘移严重的HPLC灰色分析体系及保留时间重现性不佳的多种酚类化合物组成的实际HPLC灰色分析体系进行了多元校正分析,成功克服了经典CBBL的固有缺陷,取得了较理想的多元校正结果。另外,该研究所建议的方法的校正结果也显著优于传统的残差双线性分解法(RBL)以及秩消失因子分析法(RAFA)。     

pH分布—光谱法用于背景与待测物波谱严重重叠灰色体系的…

本文基于残差双线性（ＲＢＬ）的原理并结合数值遗传算法，充分利用这一信息，把ｐＨ分布光谱两维信息引入灰色体系的定量分析中，结果表明，对于背景与待测物波谱严重重叠的体系，本法对待测组分预报有较高的准确度。     

中药指纹图谱的线性梯度分离条件的快速优化方法

提出了一种复杂样品线性梯度分离条件的快速优化方法.先通过4次线性梯度的初始实验,然后利用Excel规划求解工具获得准确的溶质保留方程系数.在此基础上利用网格搜索完成线性梯度的参数优化.整个优化策略通过对中药金银花提取液中各组分的分离得以验证.同时比较了网格搜索、遗传算法、遗传算法与规划求解联用的3种寻优算法.结果表明:3种方法优化结果接近,但运算时间有所差异.     

基于混合型遗传算法的森林可燃物热解动力学参数优化方法

森林可燃物热解动力学参数的优化计算是构建综合热解模型的关键步骤。传统的基于梯度的优化方法收敛速度快但全局寻优能力不足,基于“生物进化理论”的遗传算法具有全局寻优能力但收敛速度慢。本研究首先探讨了单纯的遗传算法对初始值设置的依赖,发现设定合适的初始值能够稳定计算结果,加快算法的收敛速度。针对初始值未知的情况,本文提出了将单纯的遗传算法与迭代算法相结合构建混合型遗传算法的流程。然后以樟子松松枝为例,采用热重分析仪开展了森林可燃物热解实验。假设可燃物热解失重过程遵循三步一级平行反应模型,通过对比单纯遗传算法和混合型遗传算法的收敛过程,发现混合型遗传算法能够快速地获取全局最优的动力学参数,显著地提高遗传算法的优化性能。     

油脂降解培养基优化的遗传算法实验研究

我们运用遗传算法,首次对利用热带假丝酵母降解油脂的培养基优化问题进行了研究。通过5代实验完成了50个实验样本、6种培养基成分、64个浓度水平的优化任务。按照优化后的培养基组成,热带假丝酵母降解油脂的降解率为95．4％,比正交设计法提高了7．63％。实验结果表明：利用遗传算法可优化培养基成分含量,取得更好的效果;遗传算法是一种优于单因素试验法和正交设计法的新型、高效的培养基优化方法。     

遗传算法用于液相分离条件的优化

 在参考传统的优化方法的基础上 ,将遗传算法用于等度反相多元流动相分离条件的优化。详细介绍了基于线杂交和面变异的遗传算法的原理及其用于液相分离条件优化的过程。将此法用于 9种小肽的反相离子对分离条件的优化 ,经过 3次寻优操作 ,确定了最佳分离条件 ,实验保留值与预测值的平均相对偏差为0 75 % ,优化结果比较理想。     

退火遗传算法在液相色谱线性梯度分离条件优化中的应用

对于复杂样品的反相高效液相色谱分离,一般需在不同的流动相洗脱模式下进行。流动相线性梯度淋洗在分离方法发展中得到了广泛的应用。遗传算法作为一种新的全局优化搜索算法,已广泛应用于计算机科学等领域、作者也已成功地将遗传算法应用于液相色谱分离条件优化。本文将模拟退火演化方法引入遗传算法,并将退火遗     

三线性分解方法用于光谱数据中背景漂移的扣除

在光谱测量中, 通常会发生光谱背景漂移现象. 引起光谱背景漂移的因素有很多, 如仪器的背景噪声变化, 测量时环境温度的变化, 光源如氙灯的使用时间等等. 针对三维光谱数阵, 发展了一种基于交替三线性分解(ATLD)算法的化学计量学方法用来处理光谱背景漂移问题. 该方法在进行三线性分解时, 对待光谱背景漂移与感兴趣组分一样, 将其单独当作一个组分或因子来考虑, 并将其从分解得到的相应矩阵中提取出来, 构建一个光谱背景漂移阵, 然后从三维原始响应数阵中将其减掉, 从而达到成功扣除光谱背景漂移的目的. 采用发展的方法处理2组模拟数据和2组实验数据, 都获得了满意的结果. 另外, 对于非线性较严重的背景漂移, 通过再进行一次扣除, 即“二次扣除”, 也达到了理想的效果. 该方法有望发展成为一种很有潜力的光谱预处理技术.     

化学计量学方法用于多环芳烃液相色谱分离条件优化

本文报道化学计量学方法用于多环芳烃(PAHs)液相色谱分离条件的优化.使用均匀实验设计法,以乙腈在线性梯度展开时的初始浓度和线性梯度的斜率为优化参数,对16种多环芳烃混合体系进行液相色谱分离条件优化,采用遗传算法和退火神经网络方法建立了有效的分离条件预测模型.对模型所预测的最佳分离条件进行试验,分离结果满意.     

定量结构-活性/性质相关性研究中变量选择方法的研究——遗传算法和几种传统算法的比较

鉴于变量选择在 QSAR/QSPR研究中的重要性 ,比较了遗传算法和几种传统的方法 ,如前进法、后退法及逐步回归法 .结果表明 ,对于研究中所用数据 ,遗传算法较几种传统的方法为好 ,其原因可能由于传统的方法陷入了局部最优 .遗传算法在变量较多的情况下方可显示出效率高和得到较好结果的优越性 .对于变量的选择 ,遗传算法是一值得推荐的有效的方法     

新课程背景下化学实验报告的优化设计

新课程背景下化学实验报告的设计重在探究,贵在引导,必须优化实验目的,完善实验教学的“三维”目标;优化实验器材,还学生自主选用的权利;优化实验过程,变验证性实验为探究性实验;优化问题和讨论,加强实验后的归纳和反思。     

定量结构-活性/性质相关性研究中变量选择方法的研究

鉴于变量选择在QSAR/QSPR研究中的重要性,比较了遗传算法和几种传统的方法,如前进法、后退法及逐步回归法.结果表明,对于研究中所用数据,遗传算法较几种传统的方法为好,其原因可能由于传统的方法陷入了局部最优.遗传算法在变量较多的情况下方可显示出效率高和得到较好结果的优越性.对于变量的选择,遗传算法是一值得推荐的有效的方法.     

基于遗传算法的手性毛细管电泳分离中多指标同时优化

将功效函数法结合遗传算法用于碱性药物肾上腺素的手性毛细管电泳的多指标同时优化.以均匀设计安排了4因素(电解质浓度、pH值、手性试剂浓度和分离电压)6水平实验,建立了峰分离度、迁移时间和灵敏度与实验因素间的多元线性回归方程.为获得毛细管电泳评价指标的同时优化,采用Derringer功效函数法,建立了总功效函数与实验因素的定量关系.采用实数编码的遗传算法搜寻总功效函数的最大值,获得了多个优化分离条件,在这些分离条件下得到的总功效函数与均匀试验设计中最佳条件相比,平均提高了10.4%,获得了三指标同时优化的结果.     

遗传算法在计算机辅助药物分子设计中的应用

作为一种重要的启发式优化算法,遗传算法在计算机辅助药物分子设计中得到了广泛的应用.本文介绍了遗传算法的基本概念以及工作原理,同时结合作者科研组的工作,就遗传算法在定量构效关系、构象分析、药效团模拟、分子对接以及虚拟组合化学等方面的应用做了系统的阐述。     

遗传算法及其在分析化学中的应用

遗传算法是模拟生物群体遗传滨基本原理解决问题的一种高效优化方法。本文综述了遗传算法的基本原理、基本过程、发展现状及其在分析化学中的应用。     

铅和富里酸化学形态模拟计算方法的比较

在阳极溶出伏安法获限Ｐｂ和富里酸的溶出电流和电位偏移数值的基础上采用一种新的全局优化方法－遗传算法模拟计算了水体中铅和富里酸的化学形态，对３种计算络合常数的方法进行了比较，误差分析的结果表明：对所研究的体系，电流迭代－遗传算法比电位偏移－遗传算法获得的结果更可靠。     

基于浮点编码的遗传算法优化模拟移动床色谱分离木糖醇母液

开发了一种基于浮点编码遗传算法的模拟移动床色谱优化方法。该优化方法中将归一化的生产强度取最大值作为目标函数,同时将纯度的n次方作为罚函数。运算过程中浮点编码遗传算法的适度值由模拟移动床色谱的稳态模型求得。为了保证遗传算法每一代的个体均满足模拟移动床色谱本身的约束条件,算术杂交和完全非均匀变异被用作演化算子。采用该算法很容易得到模拟移动床色谱分离过程中非线性条件下的最优条件。这种优化算法被应用于木糖醇母液的模拟移动床色谱,结果表明当罚函数指数n值由小到大变化时,可以得到产品纯度由低到高的最优分离条件。进一步     

能量色散X射线荧光光谱背景扣除方法的探讨

能量色散X射线荧光分析使得特征X射线的全能峰叠加在背景之上,针对能量色散X射线荧光谱线背景扣除算法的研究,简述了剥峰法和小波变换法扣除背景的原理,并将这两种方法用于对实际谱线的处理,取得了良好的效果.同时对两种方法的算法和处理效果进行了对比研究,表明剥峰法相对简单,而小波变换法需要考虑小波基和分解层次等的影响,但是对整个谱线的综合处理效果相对要好一些.