优化“基于可获得电路元件的功率电子系统”的区域敏感演化算法的研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61070004
  • 项目类别：
    面上项目
  • 资助金额：
    35.0万
  • 负责人：
    张军
  • 依托单位：
    中山大学
  • 学科分类：
    F0201.计算机科学的基础理论
  • 结题年份：
    2013
  • 批准年份：
    2010
  • 项目状态：
    已结题
  • 起止时间：
    2011-01-01 至2013-12-31

项目摘要

基于演化算法解的邻域的统计分析、邻域半径的影响分析和演化算法优化过程的动态分析，本课题提出一种新型的区域敏感演化算法。通过统计分析,预测优选解方向；通过自适应调整邻域半径,提高区域敏感演化算法的计算精度。通过分析功率电子系统电路元件误差对系统表现的影响和电路元件可获得参数值的分布特征,本课题将基于电路元件允许误差，提出一种区域敏感演化算法来优化功率电子系统，满足其静态和动态性能的要求。最终，本课题将给出一个优化功率电子系统的新途径：不需要对功率电子电路的数学模型进行求导操作，在允许误差的条件下，区域敏感演化算法能自动选取最佳的可获得电路元件，构成的实用功率电子系统可满足最优的性能要求。预期结果可以解决理论优化参数值在工业生产中无法实用的问题，是区域敏感演化算法在功率电子系统设计和优化领域应用的前瞻性研究。研究成果将在理论和实际应用中取得创新成果，为工业应用奠定坚实基础。

结项摘要

基于演化算法解的邻域的统计分析、邻域半径的影响分析和演化算法优化过程的动态分析，本课题提出一种新型的区域敏感演化算法。通过统计分析,预测优选解方向；通过自适应调整邻域半径，提高区域敏感演化算法的计算精度。通过分析功率电子系统电路元件误差对系统表现的影响和电路元件可获得参数值的分布特征,本课题将基于电路元件允许误差，提出一种区域敏感演化算法来优化功率电子系统，满足其静态和动态性能的要求。最终，本课题将给出一个优化功率电子系统的新途径：在允许误差的条件下，区域敏感演化算法能自动选取最佳的可获得电路元件，构成的实用功率电子系统可满足最优的性能要求。. 围绕本项目的研究内容和目标，课题组在演化计算领域提出了结合机器学习技术的区域敏感演化算法、基于动态统计分析的区域敏感演化算法、结合寿命和衰老理论的区域敏感演化算法、多种群高效演化计算方法、资源约束环境下的进化计算方法、并行环境下自适应演化算法，并实现了基于演化算法的高效功率电子电路系统设计，提高了演化计算的性能并拓展了算法的新型应用领域，同时为功率电子电路系统设计提供了新型而高效的途径。. 课题组在项目执行期间共发表标注了本项目基金号的学术论文50篇，其中IEEE Transactions系列国际核心期刊论文11篇，国际会议论文35篇，其他国际期刊论文4篇，获中国发明专利授权2项。其中，课题组在2011年发表的论文“Orthogonal learning particle swarm optimization”入选ESI全球高被引1%论文。培养毕业博士研究生5名，在读研究生8名，1名毕业博士研究生获CCF优秀博士学位论文奖，，顺利达到了项目的预期目标。

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（0）
会议论文数量（23）
专利数量（0）
Optimizing the Vehicle Routing Problem With Time Windows: A Discrete Particle Swarm Optimization Approach
带时间窗优化车辆路径问题：离散粒子群优化方法
  • DOI：
    10.1109/tsmcc.2011.2148712
  • 发表时间：
    2012-03-01
  • 期刊：
    IEEE TRANSACTIONS ON SYSTEMS MAN AND CYBERNETICS PART C-APPLICATIONS AND REVIEWS
  • 影响因子：
    --
  • 作者：
    Gong, Yue-Jiao;Zhang, Jun;Shi, Yu-Hui
  • 通讯作者：
    Shi, Yu-Hui
An Efficient Resource Allocation Scheme Using Particle Swarm Optimization
使用粒子群优化的高效资源分配方案
  • DOI：
    10.1109/tevc.2012.2185052
  • 发表时间：
    2012-12-01
  • 期刊：
    IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION
  • 影响因子：
    14.3
  • 作者：
    Gong, Yue-Jiao;Zhang, Jun;Shi, Yu-Hui
  • 通讯作者：
    Shi, Yu-Hui
Orthogonal Learning Particle Swarm Optimization
正交学习粒子群优化
  • DOI：
    10.1109/tevc.2010.2052054
  • 发表时间：
    2011-12-01
  • 期刊：
    IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION
  • 影响因子：
    14.3
  • 作者：
    Zhan, Zhi-Hui;Zhang, Jun;Shi, Yu-Hui
  • 通讯作者：
    Shi, Yu-Hui
Evolutionary Computation Meets Machine Learning: A Survey
进化计算遇上机器学习：一项调查
  • DOI：
    10.1109/mci.2011.942584
  • 发表时间：
    2011-11-01
  • 期刊：
    IEEE COMPUTATIONAL INTELLIGENCE MAGAZINE
  • 影响因子：
    9
  • 作者：
    Zhang, Jun;Zhan, Zhi-hui;Shi, Yu-hui
  • 通讯作者：
    Shi, Yu-hui
Particle Swarm Optimization with an Aging Leader and Challengers
老龄化领导者和挑战者的粒子群优化
  • DOI：
    10.1109/tevc.2011.2173577
  • 发表时间：
    2013-04-01
  • 期刊：
    IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION
  • 影响因子：
    14.3
  • 作者：
    Chen, Wei-Neng;Zhang, Jun;Shi, Yu-Hui
  • 通讯作者：
    Shi, Yu-Hui

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

COVID-19疫情期间急性主动脉夹层手术湖北省多中心管理经验总结及建议
  • DOI：
    10.3760/cma.j.cn.112434-20200302-00085
  • 发表时间：
    2020
  • 期刊：
    中华胸心血管外科杂志
  • 影响因子：
    --
  • 作者：
    吴龙;黄晓帆;刘隽炜;邱雪峰;刘小斌;蒋雄刚;张郁林;张松林;黄江平;刘伟;张军;董家寿;陈家军;夏家红;董念国
  • 通讯作者：
    董念国
S—Ka频段电磁波在等离子体中传输特性的实验研究
  • DOI：
    10.7498/aps.67.20170845
  • 发表时间：
    2018
  • 期刊：
    Acta Physica Sinica
  • 影响因子：
    1
  • 作者：
    马昊军;王国林;罗杰;刘丽萍;潘德贤;张军;邢英丽;唐飞
  • 通讯作者：
    唐飞
Implementation of an Ant Colony Optimization technique for job shop scheduling problem
蚁群优化技术在车间调度问题中的实现
  • DOI：
    10.1191/0142331206tm165oa
  • 发表时间：
    2006-03
  • 期刊：
    Transactions of the Institute of Measurement and Control
  • 影响因子：
    1.8
  • 作者：
    HU, xiao-min;Zhong Jing-hui;Huang Qiang;张军;Tan Xuan
  • 通讯作者：
    Tan Xuan
寨卡病毒NS2B蛋白的表达纯化及单克隆抗体制备
  • DOI：
    10.3969/j.issn.1009-0002.2020.01.003
  • 发表时间：
    2020
  • 期刊：
    生物技术通讯
  • 影响因子：
    --
  • 作者：
    吴钰彬;李姝璇;侯汪衡;杨宏伟;赵欢;吴林丽;吴文伟;朱峻毅;张军;程通
  • 通讯作者：
    程通
量子系统C~2C~4中无偏的最大纠缠基
  • DOI：
    10.15938/j.jhust.2016.03.023
  • 发表时间：
    2016
  • 期刊：
    哈尔滨理工大学学报
  • 影响因子：
    --
  • 作者：
    王天娇;张军;陶元红;南华
  • 通讯作者：
    南华

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

张军的其他基金

运用自适应蚁群算法设计和优化功率电子电路的研究
  • 批准号：
    60573066
  • 批准年份：
    2005
  • 资助金额：
    23.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码