Adaptive Hybrid Particle Swarm Optimization Algorithm for Parameter Optimization of Pharmacokinetic

来源 :2017年贵州省计算机学会年会 | 被引量 : 0次 | 上传用户:banlangen
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  Given that the traditional methods of estimating pharmacokinetic parameters are constrained by the sensitivity of their initial value and incapability of evolutionary algorithm to determine search range,this paper proposes a adaptive hybrid particle swarm optimization(AHPSO)algorithm by combining the Hooke-Jeeves(HJ)and particle swarm optimization(PSO)algorithm.Using the AHPSO algorithm for the parameter optimization by the experiment of extravascular administration two-compartment model,we can see that the proposed method is not only better than traditional feathering method(FM)in terms of numerical stability,but also better than HJ and PSO in terms of error minimization.The experimental results show that AHPSO algorithm is a feasible method to optimize the pharmacokinetic parameters,which has higher precision and stronger robustness than the other techniques.
其他文献
首先介绍一般常规的无线网络测试方法,然后探讨一种创新的无线网络立体测试方法,最后引用某大楼的立体测试案例来验证该方法的可行性.
随着H.265、软件定义存储技术、云计算、物联网等信息技术的发展及移动网络速度的不断加快,云存储、云视频监控平台有机融合在一起.通过介绍软件定义存储技术在云视频监控平台的具体应用及相关的核心技术,借助软件定义存储技术发挥运营商优势,减低客户的运营成本,以"大连接"为指引,进一步推进移动物联网产业的发展.
由于蝙蝠算法(bat algorithm,BA)收敛速度慢,计算精度差,容易陷入局部极值,powell算法对初始值敏感,为了解决以上缺陷,本文结合powell算法和蝙蝠算法各自的优缺点,提出一种powell-蝙蝠算法用以求解非线性方程组.该混合算法不仅具有蝙蝠算法的强大的全局搜索能力,而且具有powell算法的局部精细搜索的能力,实验结果表明:该混合算法不仅以较高的精度求出了各种非线性方程组的解,
针对蝙蝠算法(bat algorithm,BA)具有初始值敏感和单纯形算法simplex algorithm(SA)容易陷入局部极值的缺陷,本文结合蝙蝠算法和单纯形算法的各自的优点,提出一种单纯形蝙蝠算法,用来求解非线性方程组问题.该混合算法不仅发挥了蝙蝠算法强大的全局搜索能力而且利用了单纯形算法的局部精细搜索能力.仿真实验成果表明:该算法不仅凭借较高的精度解出了各种非线性方程组的根,而且鲁棒性强
非线性方程组的求解是数值计算领域中最困难的问题,为了便于求解,本文结合蝙蝠算法(bat algorithm,BA)和信赖域(trust region,TR)法的优点,提出求解非线性方程组的一种BA-信赖域算法.因基本蝙蝠算法存在容易陷入局部最优解,解精度不高等方面的缺点,所以通过引入信赖域法中的算法可靠、收敛性很强的优点,使两种算法相结合,由此来构造新的求解非线性优化方法.包含蝙蝠算法的标准速度和
针对蝙蝠算法(bat algorithm,BA)在解决高维复杂问题时,导致种群多样性降低过快且各维度相互干扰容易陷入局部最优解和精确度不高的问题,从而影响算法的收敛速度和求解质量.该文结合蝙蝠算法和Rosenbrock算法各自的优缺点,提出了一种Rosenbrock蝙蝠算法(Rosenbrock bat algorithm,RBA),达到更优化求解非线性方程组的目的.该混合算法不仅发挥了蝙蝠算法强
蝙蝠算法(bat algorithm,BA)是一种模拟蝙蝠回声定位行为的启发式算法,针对蝙蝠算法存在易陷入局部最优,精度不高和早熟收敛的现象,本文提出了一种蝙蝠算法结合最速下降(Steepest Descent,SD)法模式的混合算法,利用蝙蝠算法和最速下降法各自的优缺点的结合达到有效求解非线性方程组的目的.通过仿真实验结果表明:此混合算法(SD-BA)可提高求解结果的精确度,使优化结果更准确,是
针对蝙蝠算法收敛速度慢和Hooke-Jeeves算法易陷入局部最优等缺点,本文相结合二者的优点提出一种混合算法,即Hooke-Jeeves蝙蝠算法.然后利用这种混合算法来求解非线性方程组.Hooke-Jeeves蝙蝠算法不仅发挥了搜索全局最优解的能力,而且实现了局部精细搜索的能力.实验结果表明:Hooke-Jeeves蝙蝠算法是一种求解非线性方程组的有效的优化方法.该算法可以用于求解其他无约束优化
针对蝙蝠算法(bat algorithm,BA)容易陷入局部最优解和共轭梯度法(conjugate gradient method,CGM)计算精度不高的缺陷,本文提出了一种共轭梯度蝙蝠算法(conjugate gradient bat algorithm,CGBA).该方法具有算法简便,收敛速度快等优点,适合于求解非线性方程组.该混合算法不仅可以增强算法的局部搜索能力和全局搜索能力,而且在一定程
针对蝙蝠算法(bat algorithm,BA)在解决高维复杂问题时容易陷入局部最优解和精确度不高的问题,该文结合蝙蝠算法和BFGS算法各自的优缺点,提出了一种BFGS-蝙蝠算法,达到求解非线性方程组的目的.该混合算法不仅发挥了蝙蝠算法强大的广度搜索能力,而且利用了BFGS算法的深度搜索能力,通过仿真实验结果表明:该算法不但以较高精度求出了各种非线性方程组的解,而且鲁棒性强,收敛速度快,是一种有效