一种改进的药代动力学参数优化方法及其应用

doi:10.3778/j.issn.1002-8331.2010.26.064

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (26): 206-208.DOI: 10.3778/j.issn.1002-8331.2010.26.064

一种改进的药代动力学参数优化方法及其应用

李丹侠¹，刘丽¹，厉才康²

1.江南大学信息工程学院，江苏无锡 214122
2.格林威治大学计算机与数学科学学院，英国伦敦 SE10 9LS

收稿日期:2009-01-12 修回日期:2009-03-27 出版日期:2010-09-11 发布日期:2010-09-11
通讯作者: 李丹侠

Improved parameter optimization method and its applications in pharmacokinetics

LI Dan-xia¹，LIU Li¹，LAI Choi-Hong²

1.School of Information Technology，Jiangnan University，Wuxi，Jiangsu 214122，China
2.School of Computing and Mathematical Sciences，Greenwich Campus，London SE10 9LS，UK

Received:2009-01-12 Revised:2009-03-27 Online:2010-09-11 Published:2010-09-11
Contact: LI Dan-xia

摘要/Abstract

摘要： 基于药代动力学参数优化方法PKAIN人工免疫网络算法，提出了迭代分组并发单纯形算子，并实现了线性网络抑制函数以简化人工免疫网络的参数设置。为了加快算法的搜索速度和搜索精度，提出了新型的人工免疫网络单纯形混合算法（PKAIN_spx），用人工免疫网络实现粗粒度全局搜索，随后用单纯形进行精确搜索。仿真实验对改进的PKAIN算法（PKAIN_in）、人工免疫网络单纯形混合算法（PKAIN_spx）以及PKAIN算法进行了比较分析，结果表明PKAIN_spx算法在药代动力学参数优化中取得良好的实验效果。

关键词: 人工免疫网络, 药代动力学, 单纯形, 参数优化

Abstract: An iterative partition-based concurrent simplex algorithm based on the PKAIN method for parameter optimization in pharmacokinetics is presented.Moreover，line network suppression is improved to simplify parameter setting.In addition，in order to improve search speed and performance，a hybrid algorithm with the advantages of artificial immune network and simplex method is presented.The artificial immune network is used to do coarse-grained search.Subsequently，the simplex method is applied to do search based on the results of the artificial immune network.A comparison of PKAIN_in method，hybrid algorithm PKAIN-spx，and PKAIN method is given.Experiments demonstrate that the PKAIN_spx has good performance for parameter optimization in pharmacokinetics.

Key words: artificial immune network, pharmacokinetics, simplex, parameter optimization

中图分类号:

TP273

李丹侠¹，刘丽¹，厉才康². 一种改进的药代动力学参数优化方法及其应用[J]. 计算机工程与应用, 2010, 46(26): 206-208.

LI Dan-xia¹，LIU Li¹，LAI Choi-Hong². Improved parameter optimization method and its applications in pharmacokinetics[J]. Computer Engineering and Applications, 2010, 46(26): 206-208.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	张水平，王丽娜. 果蝇优化算法的进展研究分析[J]. 计算机工程与应用, 2021, 57(6): 22-29.
[3]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[4]	巫光福，陈颖. 花授粉算法研究与应用综述[J]. 计算机工程与应用, 2021, 57(15): 30-41.
[5]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.
[6]	李道全，王雪，于波，黄泰铭. 基于一维卷积神经网络的网络流量分类方法[J]. 计算机工程与应用, 2020, 56(3): 94-99.
[7]	梁华刚，张志伟，王亚茹. 自适应Gabor卷积核编码网络的表情识别方法[J]. 计算机工程与应用, 2020, 56(10): 149-156.
[8]	王丽婷，张金鑫，张金华. 乌鸦搜索算法在SVM参数优化中的应用[J]. 计算机工程与应用, 2019, 55(21): 214-219.
[9]	邓辉，罗倩，王岩. 基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断[J]. 计算机工程与应用, 2019, 55(17): 156-161.
[10]	李婕1，李昊2，赵新蕖1. 免疫遗传算法的混合动力汽车多目标优化[J]. 计算机工程与应用, 2018, 54(4): 237-243.
[11]	温博文，董文瀚，解武杰，马骏. 基于改进网格搜索算法的随机森林参数优化[J]. 计算机工程与应用, 2018, 54(10): 154-157.
[12]	丁胜1，2，3，张进2，3，李波2. 改进的MEA进行特征选择及SVM参数同步优化[J]. 计算机工程与应用, 2017, 53(8): 120-125.
[13]	孔祥鑫，周炜，王晓丹. 基于改进磷虾群算法的SVDD参数优化[J]. 计算机工程与应用, 2017, 53(22): 137-142.
[14]	卢向华，舒云星. 改进AFSA算法优化SVM的变压器故障诊断[J]. 计算机工程与应用, 2017, 53(17): 173-179.
[15]	苏宏升，殷凯乐. 基于Nelder-mead单纯形法的改进人工蜂群算法研究[J]. 计算机工程与应用, 2016, 52(24): 50-56.

一种改进的药代动力学参数优化方法及其应用

Improved parameter optimization method and its applications in pharmacokinetics

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics