針對(duì)現(xiàn)有技術(shù)中醫(yī)療器械顏色不利于患者康復(fù)、治療的問(wèn)題,提出新型的設(shè)計(jì)方案。該方案應(yīng)用隨機(jī)搜索算法對(duì)醫(yī)療器械顏色區(qū)域、范圍等因素進(jìn)行最佳選擇,使得不同器械類型適應(yīng)不同的色澤。隨機(jī)搜索算法有效地將蟻群算法和混沌粒子群優(yōu)化（chaos particle swarm optimization,CPSO）算法融合在一起,使用戶能夠快速找出顏色區(qū)域內(nèi)的最佳補(bǔ)償點(diǎn)。通過(guò)利用融合色澤與強(qiáng)度信息幾何形變模型,設(shè)計(jì)出柔和的視覺(jué)體驗(yàn)的外觀形狀。試驗(yàn)表明,該方法誤差較小,用戶滿意度高。 

【文章來(lái)源】：電子測(cè)量技術(shù). 2020,43(17)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

混沌粒子群優(yōu)化算法流程

在利用蟻群算法進(jìn)行計(jì)算時(shí),假設(shè)目標(biāo)函數(shù)的輸出為顏色補(bǔ)給最佳補(bǔ)償點(diǎn),也可以定義為患者在視覺(jué)上造成較為嚴(yán)肅的點(diǎn),假設(shè)顏色選擇點(diǎn)的輸出函數(shù)為y=f(x),自變量的定義域可以為(0,Up),根據(jù)顏色電子配板中色澤布局情況以及輸出的顏色特征,在顏色電子配板中設(shè)置顏色補(bǔ)償點(diǎn)(xi,yi)的輸出補(bǔ)償點(diǎn)具有多個(gè)極大值點(diǎn),將該極大值點(diǎn)記作為xi+1,求出極大值點(diǎn)后,將其隨機(jī)地分布在定義的區(qū)間范圍內(nèi),比如:區(qū)域1、區(qū)域2和區(qū)域N等,然后再將極大值點(diǎn)在空間區(qū)域內(nèi)進(jìn)行劃分[16]。然后用數(shù)學(xué)表達(dá)式表示為N=xi+1;如果將空間區(qū)域用0i來(lái)表示,然后將i=1,2,3,…,M,每個(gè)子區(qū)域的長(zhǎng)度為:DL=Up/M,然后在劃定的邊界范圍內(nèi)對(duì)顏色亮度、色澤等進(jìn)行評(píng)估。這需要對(duì)TSP問(wèn)題進(jìn)行說(shuō)明,如圖3所示。為了說(shuō)明的需要,用圖3中的圓圈表示不同器械設(shè)備顏色補(bǔ)給點(diǎn),顏色補(bǔ)給點(diǎn)之間的距離用E(i,j)表示,自變量的定義域可以表示為:1≤i≤n,1≤j≤n,其中TSP用于查找僅僅經(jīng)過(guò)每個(gè)顏色補(bǔ)給點(diǎn)1次并且能夠回到起點(diǎn)的最短路徑的回路,在該過(guò)程中,使路線最短[17]。這需要用式(7)～(9):

本研究通過(guò)隨機(jī)搜索算法實(shí)現(xiàn)醫(yī)療器械顏色區(qū)域、范圍的最佳選擇,以實(shí)現(xiàn)人性化設(shè)計(jì)。隨機(jī)搜索算法融合了蟻群算法和混沌粒子群優(yōu)化(chaos particle swarm optimization,CPSO)算法[5-6],其算法模型如圖1所示。應(yīng)用混沌粒子群優(yōu)化算法能夠憑借粒子元素彼此之間的作用而產(chǎn)生最優(yōu)解,通過(guò)最優(yōu)解搜索出顏色區(qū)域補(bǔ)償點(diǎn)發(fā)生概率最大的顏色區(qū)域。CPSO融合了粒子群優(yōu)化PSO(particle swarm optimization)的快速收斂和混沌(chaotic,CO)算法的隨機(jī)性遍歷特點(diǎn)[7-8]。在應(yīng)用時(shí),能夠?qū)㈩伾倪x擇區(qū)域信息粒子群劃分多種子種群,在不同的子種群中,粒子互不影響,分別獨(dú)立工作,最終尋求出彼此各自的最優(yōu)值,實(shí)現(xiàn)各種群粒子信息之間的共享,共同計(jì)算、訓(xùn)練、演變和匹配,直到迭代最佳的進(jìn)化代數(shù)為止。這種方法能夠彌補(bǔ)蟻群算法的不足。蟻群算法在應(yīng)用過(guò)程中,在尋找顏色元素或者區(qū)域范圍時(shí),容易造成信息堵塞,原因在于,經(jīng)過(guò)迭代計(jì)算后,或者在完成一定的搜索后,可能存在所有螞蟻發(fā)現(xiàn)的信息路徑基本相同或者一致,如果繼續(xù)搜索則會(huì)困難重重。如果實(shí)現(xiàn)較高的精度,實(shí)現(xiàn)查找全局最優(yōu)解也將變得力不從心。針對(duì)該技術(shù)問(wèn)題,提出了改進(jìn)型的蟻群算法,即在原有的蟻群算法中融入了粒子群算法,有效地平衡了螞蟻在搜索過(guò)程中的局部最優(yōu)和全局最優(yōu)解[9-10],在應(yīng)用時(shí)2種算法同步進(jìn)行。為了更好地了解該算法本質(zhì),將該算法分別進(jìn)行說(shuō)明。

【參考文獻(xiàn)】：
期刊論文
[1]基于全位姿測(cè)量?jī)?yōu)化的機(jī)器人精度研究[J]. 溫秀蘭,康傳帥,宋愛(ài)國(guó),喬貴方,王東霞,韓亞麗.  儀器儀表學(xué)報(bào). 2019(07)
[2]基于隨機(jī)搜索算法的異源激光圖像匹配方法[J]. 王榮榮,王團(tuán)部,呂林濤,李洵.  激光雜志. 2019(06)
[3]無(wú)線認(rèn)知傳感器網(wǎng)絡(luò)中基于時(shí)空相關(guān)性的協(xié)作頻譜感知算法[J]. 王天荊,王敏,白光偉,沈航,李秀琴.  電子測(cè)量與儀器學(xué)報(bào). 2019(05)
[4]基于大數(shù)據(jù)分析的醫(yī)院信息化管理系統(tǒng)[J]. 吳南,魏巍.  現(xiàn)代電子技術(shù). 2018(21)
[5]基于改進(jìn)SAE-SOFTMAX的模擬電路故障診斷方法[J]. 袁莉芬,寧暑光,何怡剛,張朝龍,呂密.  電子測(cè)量與儀器學(xué)報(bào). 2018(07)
[6]一種提取呼吸信號(hào)的可穿戴無(wú)線心電監(jiān)測(cè)系統(tǒng)[J]. 霍東風(fēng),譚勵(lì)夫,胡學(xué)亮,郭偉橋.  國(guó)外電子測(cè)量技術(shù). 2018(07)
[7]基于大數(shù)據(jù)技術(shù)的智能電網(wǎng)系統(tǒng)應(yīng)用研究[J]. 冉亮,李煒,孫向聚.  自動(dòng)化與儀器儀表. 2017(09)
[8]基于人性化設(shè)計(jì)理念的食品包裝案例解讀[J]. 王小芳.  食品與機(jī)械. 2017(08)
[9]改進(jìn)的云粒子群優(yōu)化算法及其斷路器優(yōu)化應(yīng)用[J]. 鞠文哲,夏克文,戴水東.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[10]基于大數(shù)據(jù)的智能電網(wǎng)關(guān)鍵技術(shù)研究[J]. 賀紅燕.  電源技術(shù). 2016(08)



本文編號(hào)：3615247