载药果胶基纳米粒子体外HepG2肝癌细胞的靶向性研究

具有良好的生物相容性且生物可降解天然多糖,一直作为药物传递体系,具有如下优点:可延长药物的生物半衰期,减轻药物的毒副作用.本实验旨在制备一种果胶基载5-氟脲嘧啶(5-Fluorouracil,5-FU)纳米粒子(P-5-FU)载药系统,探讨果胶基纳米载药体系本身带有大量的半乳糖残基这种天然靶头对人肝癌细胞HepG2的靶向效果.MTT法测定载药果胶基纳米粒子对HepG2和A549细胞的增殖抑制作用,MTT结果显示P-5-FU对HepG2细胞的增殖具有明显抑制作用,呈剂量依赖性,且作用较5-FU强;而P-5-FU对A549细胞增殖亦有明显抑制作用,呈剂量依赖性,但与5-FU相比无明显差别;高效液相色谱法(HPLC)对两种细胞对载药纳米粒子的摄取情况和靶向性进行了测定.细胞摄取结果显示HepG2细胞对P-5-FU的摄取量较5-FU明显增多,而A549细胞对P-5-FU和5-FU的摄取量没有明显的差别.半乳糖饱和ASGPR结合位点后两种细胞对P-5-FU和5-FU的摄取量都没有明显的差别.结果表明果胶基纳米载药粒子可特异性靶向高表达的细胞.     

基于粒子滤波的变电站内动态目标跟踪技术

为实时智能监控变电站安全生产区域内的移动目标,克服现有视频系统人工切换图像和肉眼判断所造成的漏检和滞后问题,对变电站内运动目标的自动检测与识别跟踪技术进行了研究;基于背景差分法实现了人物动态目标检测,提出了基于颜色直方图的粒子滤波人物动态目标跟踪方法;通过提取目标颜色特征,建立目标状态模型和系统模型,进而准确定位目标;研发了变电站安全事件视频自动识别跟踪系统.系统应用结果表明:算法检测与跟踪的时间性能良好,能够快速识别目标,并准确跟踪目标运动轨迹,有效提升了全天候智能监控站内的安全生产能力.     

多子种群PSO优化SVM的网络流量预测

针对网络流量的时变性和非平稳性特点,为提高网络流量预测精度,提出一种“多子种群”机制的粒子群算法和支持向量机的网络流量预测模型(Multi-Subpopulation Particle Swarm Opti-mization and Support Vector Machine,MSPSO-SVM).首先支持向量机(Support Vector Machine,SVM)参数编码成粒子位置串,并根据网络训练集的交叉验证误差最小作为参数优化目标,然后通过粒子间信息交流找到最优SVM参数,并引入“多子种群”机制,解决粒子群优化(Particle SwarmOptimization,PSO)算法的早熟停滞缺陷,最后根据最优参数建立网络流量预测模型,并采用实际网络流量数据进行仿真测试.结果表明,相对于其他预测模型,MSPSO-SVM可以获得更优的SVM参数,网络流量预测精度得以提高,更加适用于复杂多变的网络流量预测.     

SPH方法后处理的新途径

重点研究并挖掘对化合物分子三维立体结构可视化显示软件RasMol的功能。在用实心球体粒子集合显示连续体,并提出了一套比较完整的基于Rasmol软件的光滑粒子流体动力学（SmoothedParticleHydrodynamics,简称SPH）后处理的新途径。为sPH和其它无网格方法的后处理问题提供可行的方法和新途径。     

云存储部署优化的进化算法设计

针对云计算环境下的云存储部署规划优化问题,全文研究和提出了一种进化算法并进行了求解.首先基于对象存储方法,设计了三层架构云存储模型.在建立的模型中,将云存储部署抽象为多目标优化调度问题,针对现有粒子群优化算法或遗传算法在解决这一优化调度问题过程中出现的收敛速度及调度效率等方面的不足,将2种算法进行有效融合,设计了混合进化算法来进行求解,讨论了进化算法的优化设计过程.同时,在云计算仿真平台CloudSim上,对所提出的优化算法进行仿真实验,并对云存储中负载均衡等性能指标的改善程度进行了检测.结果表明,所提出的混合进化算法有效实现了云存储的优化部署任务,与其他进化算法相比,能对性能指标实现更优配置.     

基于改进粒子群优化算法的弹道求解方法

为了提高火控系统实时性,提出了基于粒子群优化算法的弹道解算方法,该方法提高了系统响应速度,并为更好地与多核平台下的并行计算相结合提供了基础.首先在预估计瞄准角附近生成并初始化粒子群,然后通过由弹道微分方程等组成的适应度函数对每个粒子的好坏进行评价,最后对粒子群的速度和位置进行更新.为了加快算法的收敛速度,将周氏迭代修正公式计算得到的全局最优粒子的修正角度代替全局最优位置引导粒子群更新.采用实际算例对该方法的可行性与有效性进行了验证.实验结果表明较传统的迭代修正方法其解算速度中提高了约2倍;较传统粒子群算法其粒子群收敛速度加快了约1.5倍.此外该方法最大的优点便是可以与并行计算很好地结合,在多核计算机平台下计算时间还可以进一步缩短.     

Rh纳米粒子电化学制备及其表面增强拉曼效应

利用电化学手段在氧化铟锡(ITO)导电玻璃表面成功制备了Rh纳米粒子,并发现包裹剂、支持电解质以及电化学参数对产物的形貌及尺寸有着显著影响.通过对上述参数的调控实现了Rh纳米粒子的形貌可控制备,得到了准球形、岛状以及片层状的Rh纳米粒子.此外对岛状Rh纳米粒子在表面增强拉曼光谱中的应用进行了研究.结果表明该种结构具有良好的表面增强拉曼活性.     

多物质流体动力学界面追踪的Particle Level Set方法

为验证Particl Level Set方法界面处理的高精度,将Particle Level Set方法与流体动力学控制方程进行了耦合,用5阶WENO格式进行空间离散,采用3阶TVD-Ringe-Kutta方法离散时间导数,并用C++语言编制了程序. 运用该程序对激波与气泡相互作用问题进行了数值模拟. 与不同网格尺寸下的Level Set方法对比,结果表明Particle Level Set方法比Level Set方法界面处理精度更高.     

用粒子群算法优化编制露天矿生产作业计划

从露天矿采掘和运输成本的最小化角度出发,构建露天矿生产作业计划模型.基于群体智能优化理论,提出了用粒子群算法对露天矿生产作业计划模型进行解算的方法,并在求解过程中设计了带核粒子及双吸引子的粒子搜索策略.以MATLAB软件为平台进行求解运算最佳作业计划.以某露天铁矿为工程背景进行实例研究,将研究结果与露天矿实际生产指标和非线性规划解算结果进行比较验证.结果表明,粒子群算法可用于露天矿生产作业计划的优化编制.     

基于粒子群优化支持向量回归机的黄金价格预测模型

为了克服神经网络存在的收敛速度慢、容易陷入局部极值等缺点,提出基于粒子群优化支持向量机(PSO-SVM)的黄金价格预测方法,以影响黄金价格的美元走势、世界黄金储备、石油价格等因素为输入,黄金价格为输出.用粒子群优化算法选择合适的支持向量机参数,对支持向量回归机进行训练.应用训练完成的支持向量回归机预测下一年的黄金价格.结果证明,PSO-SVM的预测精度高于BP神经网络,PSO-SVM适用于黄金价格预测.