本文關鍵詞：全自動生化分析儀并行調度算法研究與實現(xiàn)

  更多相關文章： 全自動生化分析儀 神經(jīng)網(wǎng)絡算法 貪心算法 任務調度

【摘要】：隨著現(xiàn)代科技的進步和醫(yī)療水平的提高,生化分析儀已發(fā)展為可對人體體液樣本進行生化、電解質等多項目檢測,獲取特定物質濃度信息的綜合檢測系統(tǒng)。目前,生化分析儀的最高檢測速度為2000測試/小時,為了保證加樣的精度與準確性,檢測速度已經(jīng)很難通過硬件升級進一步提高。軟件中的任務調度算法是影響生化檢測速度的主要因素之一。如何采用更高效的調度算法提高生化分析檢測效率,成為能否突破目前檢測速度瓶頸的關鍵。本文完成的主要工作可以概括為以下幾點:生化分析并行調度任務的求解流程如下圖所示。對于該數(shù)學問題的求解方法所用的數(shù)學算法,我們稱之為神經(jīng)網(wǎng)絡-貪心算法。其主要思路是利用神經(jīng)網(wǎng)絡算法將任務啟動表映射為神經(jīng)網(wǎng)絡能量矩陣,設置相關參數(shù)得到最佳能量矩陣,然后利用貪心算法搜索最佳順序,對應任務耗時表和啟動間隔表,得到任務執(zhí)行最終順序。(1)通過加入特殊的限制條件,我們將生化分析儀中的任務調度問題進行了數(shù)學問題轉換。生化分析儀任務調度問題可以理解為一種特殊情況下的流水線作業(yè)問題,針對目前廣泛采用的固定周期調度算法存在的檢測效率低、等待時間長等問題,我們通過加入虛擬任務、建立任務啟動時間矩陣,將生化分析儀任務調度的特殊流水線作業(yè)問題轉換為一種非對稱型旅行商問題,并建立相關任務啟動表。(2)針對已轉化的數(shù)學問題,構建針對該問題的神經(jīng)網(wǎng)絡算法模型,進行數(shù)學求解。利用神經(jīng)網(wǎng)絡中的神經(jīng)元狀態(tài)和神經(jīng)元能量矩陣求解最優(yōu)任務調度順序。結合貪心算法對神經(jīng)網(wǎng)絡算法迭代得到的神經(jīng)元總能量矩陣進行局部最優(yōu)化求解,將二維矩陣問題快速轉換為一維問題,解決了單一神經(jīng)網(wǎng)絡算法存在的回溯時間過長的問題。根據(jù)具體的樣本測試任務,完成了神經(jīng)網(wǎng)絡-貪心算法在全自動生化分析儀上的調度算法數(shù)學模型建立。(3)在MATLAB平臺上,針對相同的任務調度問題,將神經(jīng)網(wǎng)絡-貪心調度算法和常用的固定周期調度算法進行了算法仿真對比,得到了兩種算法不同調度順序下的任務耗時甘特圖。仿真結果表明,相同的樣本測試任務下,經(jīng)過神經(jīng)網(wǎng)絡-貪心算法得到的任務順序總耗時與采用固定周期調度算法相比,進行了八組仿真測試,速度提高率均值為31%。(4)在Microsoft Visual Studio 2013平臺上,實現(xiàn)了應用神經(jīng)網(wǎng)絡-貪心算法和固定周期調度算法的生化分析軟件控制系統(tǒng),進行了兩種算法下的樣本測試實驗。經(jīng)過八組實驗驗證,速度提高率均值24%。固定周期算法檢測速度為400測試/小時,神經(jīng)網(wǎng)絡-貪心算法檢測速度為496測試/小時。本文提出了一種高效的神經(jīng)網(wǎng)絡-貪心調度算法并建立了其在生化分析系統(tǒng)調度問題上的數(shù)學模型,與傳統(tǒng)采用的固定周期調度算法進行了算法仿真對比。在此基礎上,實現(xiàn)了應用神經(jīng)網(wǎng)絡-貪心算法和固定周期算法的生化檢測軟件測試平臺,通過實驗驗證了神經(jīng)網(wǎng)絡-貪心算法的優(yōu)越性。
【關鍵詞】：全自動生化分析儀 神經(jīng)網(wǎng)絡算法 貪心算法 任務調度
【學位授予單位】：深圳大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R197.39
【目錄】：

• 摘要3-5
• Abstract5-10
• 第1章 緒論10-15
• 1.1 本課題研究背景10-11
• 1.2 本課題國內外研究現(xiàn)狀11-13
• 1.3 本課題研究意義及主要內容13-15
• 1.3.1 研究意義13
• 1.3.2 主要內容13-15
• 第2章 全自動生化分析儀并行調度算法簡介15-23
• 2.1 流水線作業(yè)問題簡介15
• 2.2 生化分析原理簡介15-19
• 2.2.1 分析原理15-16
• 2.2.2 分析方法16-19
• 2.3 生化分析調度問題的數(shù)學轉換19-20
• 2.3.1 旅行商問題簡介19
• 2.3.2 生化分析調度問題簡介19-20
• 2.4 生化分析調度問題的數(shù)學模型求解算法簡介20-23
• 2.4.1 固定周期算法簡介20-21
• 2.4.2 神經(jīng)網(wǎng)絡算法簡介21
• 2.4.3 貪心算法簡介21-23
• 第3章 全自動生化分析儀并行調度算法23-43
• 3.1 固定周期算法23-25
• 3.1.1 固定周期算法原理23-24
• 3.1.2 固定周期算法的不足24-25
• 3.2 神經(jīng)網(wǎng)絡-貪心算法25-33
• 3.2.1 生化分析并行調度任務問題的求解流程25-26
• 3.2.2 流水線作業(yè)問題26-27
• 3.2.3 非對稱型旅行商問題27
• 3.2.4 神經(jīng)網(wǎng)絡算法27-28
• 3.2.5 貪心算法28-29
• 3.2.6 調度算法模型創(chuàng)建29-33
• 3.3 算法仿真33-43
• 3.3.1 MATLAB仿真平臺簡介33
• 3.3.2 調度算法流程33-34
• 3.3.3 算法仿真步驟34-35
• 3.3.4 算法仿真結果35-43
• 第4章 全自動生化分析儀并行調度算法的軟件實現(xiàn)43-62
• 4.1 全自動生化分析儀數(shù)據(jù)分析計算流程簡介43
• 4.2 全自動生化分析儀軟件需求分析43-44
• 4.3 軟件功能44-45
• 4.4 用戶操作界面45-49
• 4.5 軟件模塊設計49-60
• 4.5.1 核心數(shù)據(jù)管理模塊49-51
• 4.5.2 任務調度線程模塊51-55
• 4.5.3 數(shù)據(jù)計算模塊55-56
• 4.5.4 測試時序模塊56-58
• 4.5.5 系統(tǒng)維護模塊58-59
• 4.5.6 下位機通訊模塊59-60
• 4.6 數(shù)據(jù)庫60-62
• 第5章 全自動生化分析儀并行調度算法實驗驗證62-69
• 5.1 并行調度算法實驗62-64
• 5.2 并行調度算法實驗分析64-67
• 5.3 系統(tǒng)精密度實驗67-68
• 5.4 系統(tǒng)準確度實驗68-69
• 第6章 總結與展望69-70
• 6.1 總結69
• 6.2 展望69-70
• 參考文獻70-72
• 致謝72-73
• 攻讀碩士學位期間的研究成果73

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 韓立毛;;調度算法性能的研究[J];鹽城工學院學報;1998年01期

2 程利新,石峰;行為延時約束下調度算法研究[J];北京理工大學學報;2005年08期

3 田素貞;翟玉梅;劉傳領;;基于云計算的多目標服務調度算法的改進研究[J];陜西理工學院學報(自然科學版);2012年01期

4 李勝磊,張德運,劉剛;基于匹配預測的交換調度算法[J];西安交通大學學報;2003年10期

5 顏秉珩;錢德沛;;一種支持負載均衡的存儲調度算法[J];西安交通大學學報;2009年10期

6 陳安雄;;基于優(yōu)先調度算法的合理安排眼科病床[J];硅谷;2012年05期

7 王鳳儒,徐蔚文,徐洪副;用效率調度算法求解非標準作業(yè)車間調度問題[J];計算機集成制造系統(tǒng)-CIMS;2001年07期

8 董薇;張淑麗;張玲君;;基于剩余函數(shù)的單件車間調度算法的研究[J];東北電力大學學報;2006年02期

9 鄭鋒,孫樹棟,余建軍;混合流程企業(yè)的一種實用調度算法[J];機械工程學報;2003年01期

10 曹理宇;楊格蘭;何建新;;基于權重的多路媒體流復用調度算法[J];湖南工程學院學報(自然科學版);2007年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 彭洪;涂凍生;;面向操作的調度算法[A];1994中國控制與決策學術年會論文集[C];1994年

2 羅豪杰;許都;;IEEE 802.16 MAC層上行調度算法[A];四川省通信學會2007年學術年會論文集[C];2007年

3 張遵福;李樂民;;支持QoS的調度算法設計[A];2006中國西部青年通信學術會議論文集[C];2006年

4 姚建波;竺小松;李晶晶;;非對稱通信環(huán)境中兩種廣播調度算法的分析與比較[A];中國通信學會第六屆學術年會論文集（上）[C];2009年

5 景維鵬;吳智博;劉宏偉;董劍;;一種支持任務依賴關系容錯調度算法[A];第十四屆全國容錯計算學術會議(CFTC'2011)論文集[C];2011年

6 李琪林;甄威;周明天;;一種適用于Master-Worker應用的動態(tài)統(tǒng)一調度算法的研究[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

7 呂鋒;涂曉東;;高性能交換結構調度算法的研究[A];四川省通信學會2006年學術年會論文集（二）[C];2006年

8 趙爾敦;肖靜;;無線網(wǎng)絡中基于信道狀態(tài)預測的調度算法[A];2006全國復雜網(wǎng)絡學術會議論文集[C];2006年

9 殷潔;;城市光網(wǎng)光纖自動調度算法研究和應用[A];中國通信學會信息通信網(wǎng)絡技術委員會2011年年會論文集（下冊）[C];2011年

10 陳平;王柏;徐六通;吳斌;王艷輝;;電信社群網(wǎng)絡中介度的網(wǎng)格并行算法及調度算法[A];2006年全國通信軟件學術會議論文集[C];2006年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 張建輝 吳松;TD—SCDMA積跬步 HSDPA以致千里[N];通信產業(yè)報;2005年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 劉曉鋒;可擴展多級多平面交換網(wǎng)絡及調度算法研究[D];電子科技大學;2015年

2 沈文楓;CPU-GPU異構高性能計算中的負載預測調度算法研究及應用[D];上海大學;2016年

3 馬丹;任務間相互依賴的并行作業(yè)調度算法研究[D];華中科技大學;2007年

4 田沖;無線網(wǎng)絡跨層調度算法研究[D];山東大學;2009年

5 黃平;分布式交換系統(tǒng)隊列結構及調度算法研究[D];華中科技大學;2006年

6 劉惠;嵌入式系統(tǒng)節(jié)能調度算法研究[D];西安電子科技大學;2011年

7 趙明宇;集群系統(tǒng)的調度算法研究[D];哈爾濱工業(yè)大學;2007年

8 吳剛;對低功耗進程調度算法的研究[D];復旦大學;2006年

9 牛進平;3G長期演進系統(tǒng)中調度算法和干擾抑制技術研究[D];西安電子科技大學;2014年

10 羅威;分布式實時容錯調度算法研究[D];華中科技大學;2008年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 丁雪飛;純電動車整車CAN網(wǎng)絡實時調度算法的研究[D];遼寧大學;2015年

2 王德龍;Hadoop平臺下作業(yè)調度算法的研究與改進[D];南京信息工程大學;2015年

3 袁林偉;載波聚合資源分配及調度算法研究[D];西南交通大學;2015年

4 景木均;3GPP LTE系統(tǒng)中基于多目標決策的下行資源調度算法研究與實現(xiàn)[D];西南交通大學;2015年

5 劉盼紅;大數(shù)據(jù)環(huán)境下Hadoop作業(yè)調度算法的研究[D];河北工程大學;2015年

6 楊軒;高鐵無線通信VoIP業(yè)務與多業(yè)務共存的資源調度算法[D];西南交通大學;2015年

7 陳傳慶;基于衰落信道的無線鏈路調度算法研究[D];曲阜師范大學;2015年

8 陳文龍;Hadoop平臺下作業(yè)調度方法研究[D];南京理工大學;2015年

9 陳瑜;針對Hadoop集群的節(jié)能調度算法研究[D];電子科技大學;2015年

10 朱新新;網(wǎng)絡端到端流量的QoS優(yōu)化技術研究[D];電子科技大學;2014年

，

本文編號：1035660