随机搜索算法在医疗器械人性化色泽设计中的应用
发布时间：2022-02-08 14:40
针对现有技术中医疗器械颜色不利于患者康复、治疗的问题,提出新型的设计方案。该方案应用随机搜索算法对医疗器械颜色区域、范围等因素进行最佳选择,使得不同器械类型适应不同的色泽。随机搜索算法有效地将蚁群算法和混沌粒子群优化（chaos particle swarm optimization,CPSO）算法融合在一起,使用户能够快速找出颜色区域内的最佳补偿点。通过利用融合色泽与强度信息几何形变模型,设计出柔和的视觉体验的外观形状。试验表明,该方法误差较小,用户满意度高。
【文章来源】：电子测量技术. 2020,43(17)
【文章页数】：5 页
【部分图文】：
混沌粒子群优化算法流程
在利用蚁群算法进行计算时,假设目标函数的输出为颜色补给最佳补偿点,也可以定义为患者在视觉上造成较为严肃的点,假设颜色选择点的输出函数为y=f(x),自变量的定义域可以为(0,Up),根据颜色电子配板中色泽布局情况以及输出的颜色特征,在颜色电子配板中设置颜色补偿点(xi,yi)的输出补偿点具有多个极大值点,将该极大值点记作为xi+1,求出极大值点后,将其随机地分布在定义的区间范围内,比如:区域1、区域2和区域N等,然后再将极大值点在空间区域内进行划分[16]。然后用数学表达式表示为N=xi+1;如果将空间区域用0i来表示,然后将i=1,2,3,…,M,每个子区域的长度为:DL=Up/M,然后在划定的边界范围内对颜色亮度、色泽等进行评估。这需要对TSP问题进行说明,如图3所示。为了说明的需要,用图3中的圆圈表示不同器械设备颜色补给点,颜色补给点之间的距离用E(i,j)表示,自变量的定义域可以表示为:1≤i≤n,1≤j≤n,其中TSP用于查找仅仅经过每个颜色补给点1次并且能够回到起点的最短路径的回路,在该过程中,使路线最短[17]。这需要用式(7)～(9):
本研究通过随机搜索算法实现医疗器械颜色区域、范围的最佳选择,以实现人性化设计。随机搜索算法融合了蚁群算法和混沌粒子群优化(chaos particle swarm optimization,CPSO)算法[5-6],其算法模型如图1所示。应用混沌粒子群优化算法能够凭借粒子元素彼此之间的作用而产生最优解,通过最优解搜索出颜色区域补偿点发生概率最大的颜色区域。CPSO融合了粒子群优化PSO(particle swarm optimization)的快速收敛和混沌(chaotic,CO)算法的随机性遍历特点[7-8]。在应用时,能够将颜色的选择区域信息粒子群划分多种子种群,在不同的子种群中,粒子互不影响,分别独立工作,最终寻求出彼此各自的最优值,实现各种群粒子信息之间的共享,共同计算、训练、演变和匹配,直到迭代最佳的进化代数为止。这种方法能够弥补蚁群算法的不足。蚁群算法在应用过程中,在寻找颜色元素或者区域范围时,容易造成信息堵塞,原因在于,经过迭代计算后,或者在完成一定的搜索后,可能存在所有蚂蚁发现的信息路径基本相同或者一致,如果继续搜索则会困难重重。如果实现较高的精度,实现查找全局最优解也将变得力不从心。针对该技术问题,提出了改进型的蚁群算法,即在原有的蚁群算法中融入了粒子群算法,有效地平衡了蚂蚁在搜索过程中的局部最优和全局最优解[9-10],在应用时2种算法同步进行。为了更好地了解该算法本质,将该算法分别进行说明。
【参考文献】：
期刊论文
[1]基于全位姿测量优化的机器人精度研究[J]. 温秀兰,康传帅,宋爱国,乔贵方,王东霞,韩亚丽. 仪器仪表学报. 2019(07)
[2]基于随机搜索算法的异源激光图像匹配方法[J]. 王荣荣,王团部,吕林涛,李洵. 激光杂志. 2019(06)
[3]无线认知传感器网络中基于时空相关性的协作频谱感知算法[J]. 王天荆,王敏,白光伟,沈航,李秀琴. 电子测量与仪器学报. 2019(05)
[4]基于大数据分析的医院信息化管理系统[J]. 吴南,魏巍. 现代电子技术. 2018(21)
[5]基于改进SAE-SOFTMAX的模拟电路故障诊断方法[J]. 袁莉芬,宁暑光,何怡刚,张朝龙,吕密. 电子测量与仪器学报. 2018(07)
[6]一种提取呼吸信号的可穿戴无线心电监测系统[J]. 霍东风,谭励夫,胡学亮,郭伟桥. 国外电子测量技术. 2018(07)
[7]基于大数据技术的智能电网系统应用研究[J]. 冉亮,李炜,孙向聚. 自动化与仪器仪表. 2017(09)
[8]基于人性化设计理念的食品包装案例解读[J]. 王小芳. 食品与机械. 2017(08)
[9]改进的云粒子群优化算法及其断路器优化应用[J]. 鞠文哲,夏克文,戴水东. 计算机应用研究. 2018(07)
[10]基于大数据的智能电网关键技术研究[J]. 贺红燕. 电源技术. 2016(08)
本文编号：3615247
【文章来源】：电子测量技术. 2020,43(17)
【文章页数】：5 页
【部分图文】：
混沌粒子群优化算法流程
在利用蚁群算法进行计算时,假设目标函数的输出为颜色补给最佳补偿点,也可以定义为患者在视觉上造成较为严肃的点,假设颜色选择点的输出函数为y=f(x),自变量的定义域可以为(0,Up),根据颜色电子配板中色泽布局情况以及输出的颜色特征,在颜色电子配板中设置颜色补偿点(xi,yi)的输出补偿点具有多个极大值点,将该极大值点记作为xi+1,求出极大值点后,将其随机地分布在定义的区间范围内,比如:区域1、区域2和区域N等,然后再将极大值点在空间区域内进行划分[16]。然后用数学表达式表示为N=xi+1;如果将空间区域用0i来表示,然后将i=1,2,3,…,M,每个子区域的长度为:DL=Up/M,然后在划定的边界范围内对颜色亮度、色泽等进行评估。这需要对TSP问题进行说明,如图3所示。为了说明的需要,用图3中的圆圈表示不同器械设备颜色补给点,颜色补给点之间的距离用E(i,j)表示,自变量的定义域可以表示为:1≤i≤n,1≤j≤n,其中TSP用于查找仅仅经过每个颜色补给点1次并且能够回到起点的最短路径的回路,在该过程中,使路线最短[17]。这需要用式(7)～(9):
本研究通过随机搜索算法实现医疗器械颜色区域、范围的最佳选择,以实现人性化设计。随机搜索算法融合了蚁群算法和混沌粒子群优化(chaos particle swarm optimization,CPSO)算法[5-6],其算法模型如图1所示。应用混沌粒子群优化算法能够凭借粒子元素彼此之间的作用而产生最优解,通过最优解搜索出颜色区域补偿点发生概率最大的颜色区域。CPSO融合了粒子群优化PSO(particle swarm optimization)的快速收敛和混沌(chaotic,CO)算法的随机性遍历特点[7-8]。在应用时,能够将颜色的选择区域信息粒子群划分多种子种群,在不同的子种群中,粒子互不影响,分别独立工作,最终寻求出彼此各自的最优值,实现各种群粒子信息之间的共享,共同计算、训练、演变和匹配,直到迭代最佳的进化代数为止。这种方法能够弥补蚁群算法的不足。蚁群算法在应用过程中,在寻找颜色元素或者区域范围时,容易造成信息堵塞,原因在于,经过迭代计算后,或者在完成一定的搜索后,可能存在所有蚂蚁发现的信息路径基本相同或者一致,如果继续搜索则会困难重重。如果实现较高的精度,实现查找全局最优解也将变得力不从心。针对该技术问题,提出了改进型的蚁群算法,即在原有的蚁群算法中融入了粒子群算法,有效地平衡了蚂蚁在搜索过程中的局部最优和全局最优解[9-10],在应用时2种算法同步进行。为了更好地了解该算法本质,将该算法分别进行说明。
【参考文献】：
期刊论文
[1]基于全位姿测量优化的机器人精度研究[J]. 温秀兰,康传帅,宋爱国,乔贵方,王东霞,韩亚丽. 仪器仪表学报. 2019(07)
[2]基于随机搜索算法的异源激光图像匹配方法[J]. 王荣荣,王团部,吕林涛,李洵. 激光杂志. 2019(06)
[3]无线认知传感器网络中基于时空相关性的协作频谱感知算法[J]. 王天荆,王敏,白光伟,沈航,李秀琴. 电子测量与仪器学报. 2019(05)
[4]基于大数据分析的医院信息化管理系统[J]. 吴南,魏巍. 现代电子技术. 2018(21)
[5]基于改进SAE-SOFTMAX的模拟电路故障诊断方法[J]. 袁莉芬,宁暑光,何怡刚,张朝龙,吕密. 电子测量与仪器学报. 2018(07)
[6]一种提取呼吸信号的可穿戴无线心电监测系统[J]. 霍东风,谭励夫,胡学亮,郭伟桥. 国外电子测量技术. 2018(07)
[7]基于大数据技术的智能电网系统应用研究[J]. 冉亮,李炜,孙向聚. 自动化与仪器仪表. 2017(09)
[8]基于人性化设计理念的食品包装案例解读[J]. 王小芳. 食品与机械. 2017(08)
[9]改进的云粒子群优化算法及其断路器优化应用[J]. 鞠文哲,夏克文,戴水东. 计算机应用研究. 2018(07)
[10]基于大数据的智能电网关键技术研究[J]. 贺红燕. 电源技术. 2016(08)
本文编号：3615247
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3615247.html
