干细胞技术治疗缺血性心脏病的转化研究

课题主要围绕干细胞治疗缺血性心脏病中存在的瓶颈问题进行转化研究，通过干细胞移植前的优化处理、新型的具有更强功能的干细胞产品研发以及移植后安全性和有效性评价，以达到提高移植效果的目的，最终推动干细胞产品的临床应用。     

基于通信的数据驱动分布式预测控制

针对分布式控制系统的特点,提出了一种新型的基于数据的分布式预测控制优化算法。由输入、输出数据直接设计分布式控制器,控制器在各个子系统通信的条件下采用基于纳什最优的分布式控制优化算法,以较低的成本达到整个大系统的性能优化。这种基于数据的方法使传统的预测控制器设计过程中的系统辨识和基于状态空间模型的预测控制简化为直接的一步,即直接利用数据设计分布式控制器。本文给出了这种新型算法的收敛条件,仿真结果证明了该方法的有效性。     

基于Copula函数的系统可靠性冗余优化

针对系统可靠性冗余优化设计中冗余部件间可靠性的相关性经常被忽略而导致优化结果与工程实际有差距的问题，利用Copula连接函数中的Gumbel Copula函数来描述这些相关性，并根据相关性对冗余优化模型进行了改进. 针对模型的求解方法，选用GAG1启发式算法，并根据Gumbel Copula函数对其中的敏感因子进行了修正. 算例结果表明了改进方法的全面性、可行性.     

河南大学学报(自然科学版)2014年1～6期总目录

正~~     

加强无功电压优化,提高供电质量和降低线损

电力行业是关系到国计民生的基础性行业,电力系统的安全管理问题不仅关系到电力企业自身的生存和发展,还影响着国民经济的发展和人民群众的生活以及社会的稳定。随着电力系统的迅速发展,电力系统的结构与电网的规模及运行方式也变得越来越复杂,因此对电力系统供电的安全可靠性以及供电质量提出了更高的要求。     

多层异构蜂窝网络中一种快速最优资源分配算法

利用最大化系统下行链路总容量问题模型中隐含的单调结构,将由于干扰存在使得构建的最优资源分配为非线性非凸的问题转换为单调优化问题,提出了一种改进的Polyblock外逼近法对其进行求解.该算法针对Polyblock外逼近法在求解过程中顶点值的个数呈指数倍增长,导致计算量较大、收敛速度较慢等缺陷,改用分枝定界法划分可行域区域,并以最大利益优先的方式进行节点扩展和搜索,边分枝边剪除不符合条件的枝,使可行域范围越来越小,最终逼近最优解.实验结果表明:改进算法提高了收敛速度和逼近最优解的效果.     

量子点荧光增强和纳米金光度法测定链霉素

首次建立了Cd Te量子点荧光增强法和纳米金紫外可见分光光度法检测链霉素的两种新方法,并将两种方法进行了比较.结果表明,量子点的荧光强度与链霉素浓度在2.75×10-7~1.65×10-5mol/L之间呈线性关系;纳米金吸收光谱的变化与链霉素浓度在1.89×10-7~5.46×10-6mol/L之间呈现良好的线性关系.两种方法用于样品中链霉素含量的测定,回收率均在97.5%~103.75%之间,结果令人满意.     

量子点中双极化子和磁双极化子的研究进展

综述了近年来对抛物线性限制势量子点中强耦合双极化子和磁双极化子的部分研究工作。从抛物量子点中2个电子-声子体系的哈密顿量出发,采用Lee-Low-Pines-Huybrechts变分方法,研究了量子点中强耦合双极化子的振动频率、诱生势和有效势随电子-声子耦合强度、两电子相对距离和量子点半径的变化规律;采用Tokuda改进的线性组合算符法研究了温度和LO声子效应对强耦合双极化子的有效质量和平均声子数的影响。基于Lee-Low-Pines幺正变换,采用Pekar类型变分法研究了抛物量子点中强耦合磁双极化子的内部激发态性质,当考虑自旋和外磁场影响时,研究了二维量子点中强耦合磁双极化子基态的能量、声子平均数以及第一激发态的能量、声子平均数随量子点受限强度、介电常数比、电子-声子耦合强度和磁场的回旋共振频率的变化规律。     

单元化三级装卸搬运作业链集成优化的三层进化算法

传统物流作业调度主要对单级或两级之间的协调问题进行建模和求解，缺乏对物流作业多级特征的考虑. 针对物流装卸搬运多级作业链的复杂性，以批量作业完成时间为目标，研究单元化“装卸，搬运，装卸” 三级作业链的集成调度优化作业问题，并在此基础上提出解决三级协调与集成优化问题的三层嵌套进化算法. 通过算例仿真及其分析可得目标值和求解时间会随着问题规模扩大呈多项式曲线增长以及搬运级是三级装卸搬运效率的瓶颈环节，最后分析了其原因并提出相应解决方案.     

System deployment optimization in architecture design

Optimization of architecture design has recently drawn research interest. System deployment optimization （SDO） refers to the process of optimizing systems that are being deployed to activi- ties. This paper first formulates a mathematical model to theorize and operationalize the SDO problem and then identifies optimal so- lutions to solve the SDO problem. In the solutions, the success rate of the combat task is maximized, whereas the execution time of the task and the cost of changes in the system structure are mini- mized. The presented optimized algorithm generates an optimal solution without the need to check the entire search space. A novel method is finally proposed based on the combination of heuristic method and genetic algorithm （HGA）, as well as the combination of heuristic method and particle swarm optimization （HPSO）. Experi- ment results show that the HPSO method generates solutions faster than particle swarm optimization （PSO） and genetic algo- rithm （GA） in terms of execution time and performs more efficiently than the heuristic method in terms of determining the best solution.