微循環(huán)網(wǎng)絡結構自適應調節(jié)模型的參數(shù)優(yōu)化研究.pdf

1、微循環(huán)血管網(wǎng)絡會在血液動力學信號與新陳代謝信號的刺激下發(fā)生結構性的自適應調節(jié)。數(shù)學建模與仿真方法是研究此自調節(jié)過程的重要手段。微循環(huán)網(wǎng)絡結構自調節(jié)數(shù)學模型主要仿真微循環(huán)血管在血流動力學信號和新陳代謝信號的共同作用下，其形態(tài)結構與血流動力學參數(shù)的自調節(jié)過程。
　　本文的研究目標是在實現(xiàn)微血管網(wǎng)絡穩(wěn)態(tài)自調節(jié)模型的計算過程基礎上，通過最優(yōu)化算法優(yōu)化模型參數(shù)，使得模型仿真的結果與實驗觀察的數(shù)據(jù)相一致，從而使模型更可靠。具體完成了以下的工作

2、：
　　1.實現(xiàn)了微血管網(wǎng)絡結構自適應調節(jié)模型的計算過程，并對其進行參數(shù)靈敏度分析，結合最優(yōu)化基本理論，探討模型仿真特性。
　　2.提出了微血管網(wǎng)絡結構自適應調節(jié)模型參數(shù)優(yōu)化的目標函數(shù)，并設計完成了嵌套循環(huán)迭代優(yōu)化的計算過程。在分析該優(yōu)化目標類型的基礎上，提出優(yōu)化解決方案。
　　3.改進了現(xiàn)有量子粒子群算法：采用限制的隨機壓縮擴展因子保證在非連續(xù)搜索空間上的全局性能；結合遺傳算法中的選擇算子，增強粒子間信息交換，提高此

3、計算密集模型的收斂效率。通過與標準粒子群算法優(yōu)化結果之間的對比，顯示了本文算法的優(yōu)越性。
　　4.分析調整了模型和算法優(yōu)化策略的設置。通過前期實驗觀察，分析了模型參數(shù)優(yōu)化過程中仿真計算步驟出錯的處理情況，并總結設置了迭代搜索優(yōu)化的停止條件，然后在現(xiàn)有血管網(wǎng)絡數(shù)據(jù)上進行仿真優(yōu)化實驗。
　　本文實現(xiàn)的微血管網(wǎng)絡結構自適應調節(jié)模型的參數(shù)優(yōu)化計算過程，很好的完成了該模型的參數(shù)設置研究，得到了相比于已有文獻研究更好的結果，為提高微血管