全自动生化分析仪并行调度算法研究与实现

发布时间：2017-10-15 06:38

  本文关键词：全自动生化分析仪并行调度算法研究与实现

  更多相关文章： 全自动生化分析仪 神经网络算法 贪心算法 任务调度

【摘要】：随着现代科技的进步和医疗水平的提高,生化分析仪已发展为可对人体体液样本进行生化、电解质等多项目检测,获取特定物质浓度信息的综合检测系统。目前,生化分析仪的最高检测速度为2000测试/小时,为了保证加样的精度与准确性,检测速度已经很难通过硬件升级进一步提高。软件中的任务调度算法是影响生化检测速度的主要因素之一。如何采用更高效的调度算法提高生化分析检测效率,成为能否突破目前检测速度瓶颈的关键。本文完成的主要工作可以概括为以下几点:生化分析并行调度任务的求解流程如下图所示。对于该数学问题的求解方法所用的数学算法,我们称之为神经网络-贪心算法。其主要思路是利用神经网络算法将任务启动表映射为神经网络能量矩阵,设置相关参数得到最佳能量矩阵,然后利用贪心算法搜索最佳顺序,对应任务耗时表和启动间隔表,得到任务执行最终顺序。(1)通过加入特殊的限制条件,我们将生化分析仪中的任务调度问题进行了数学问题转换。生化分析仪任务调度问题可以理解为一种特殊情况下的流水线作业问题,针对目前广泛采用的固定周期调度算法存在的检测效率低、等待时间长等问题,我们通过加入虚拟任务、建立任务启动时间矩阵,将生化分析仪任务调度的特殊流水线作业问题转换为一种非对称型旅行商问题,并建立相关任务启动表。(2)针对已转化的数学问题,构建针对该问题的神经网络算法模型,进行数学求解。利用神经网络中的神经元状态和神经元能量矩阵求解最优任务调度顺序。结合贪心算法对神经网络算法迭代得到的神经元总能量矩阵进行局部最优化求解,将二维矩阵问题快速转换为一维问题,解决了单一神经网络算法存在的回溯时间过长的问题。根据具体的样本测试任务,完成了神经网络-贪心算法在全自动生化分析仪上的调度算法数学模型建立。(3)在MATLAB平台上,针对相同的任务调度问题,将神经网络-贪心调度算法和常用的固定周期调度算法进行了算法仿真对比,得到了两种算法不同调度顺序下的任务耗时甘特图。仿真结果表明,相同的样本测试任务下,经过神经网络-贪心算法得到的任务顺序总耗时与采用固定周期调度算法相比,进行了八组仿真测试,速度提高率均值为31%。(4)在Microsoft Visual Studio 2013平台上,实现了应用神经网络-贪心算法和固定周期调度算法的生化分析软件控制系统,进行了两种算法下的样本测试实验。经过八组实验验证,速度提高率均值24%。固定周期算法检测速度为400测试/小时,神经网络-贪心算法检测速度为496测试/小时。本文提出了一种高效的神经网络-贪心调度算法并建立了其在生化分析系统调度问题上的数学模型,与传统采用的固定周期调度算法进行了算法仿真对比。在此基础上,实现了应用神经网络-贪心算法和固定周期算法的生化检测软件测试平台,通过实验验证了神经网络-贪心算法的优越性。
【关键词】：全自动生化分析仪 神经网络算法 贪心算法 任务调度
【学位授予单位】：深圳大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R197.39
【目录】：

• 摘要3-5
• Abstract5-10
• 第1章 绪论10-15
• 1.1 本课题研究背景10-11
• 1.2 本课题国内外研究现状11-13
• 1.3 本课题研究意义及主要内容13-15
• 1.3.1 研究意义13
• 1.3.2 主要内容13-15
• 第2章 全自动生化分析仪并行调度算法简介15-23
• 2.1 流水线作业问题简介15
• 2.2 生化分析原理简介15-19
• 2.2.1 分析原理15-16
• 2.2.2 分析方法16-19
• 2.3 生化分析调度问题的数学转换19-20
• 2.3.1 旅行商问题简介19
• 2.3.2 生化分析调度问题简介19-20
• 2.4 生化分析调度问题的数学模型求解算法简介20-23
• 2.4.1 固定周期算法简介20-21
• 2.4.2 神经网络算法简介21
• 2.4.3 贪心算法简介21-23
• 第3章 全自动生化分析仪并行调度算法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 神经网络-贪心算法25-33
• 3.2.1 生化分析并行调度任务问题的求解流程25-26
• 3.2.2 流水线作业问题26-27
• 3.2.3 非对称型旅行商问题27
• 3.2.4 神经网络算法27-28
• 3.2.5 贪心算法28-29
• 3.2.6 调度算法模型创建29-33
• 3.3 算法仿真33-43
• 3.3.1 MATLAB仿真平台简介33
• 3.3.2 调度算法流程33-34
• 3.3.3 算法仿真步骤34-35
• 3.3.4 算法仿真结果35-43
• 第4章 全自动生化分析仪并行调度算法的软件实现43-62
• 4.1 全自动生化分析仪数据分析计算流程简介43
• 4.2 全自动生化分析仪软件需求分析43-44
• 4.3 软件功能44-45
• 4.4 用户操作界面45-49
• 4.5 软件模块设计49-60
• 4.5.1 核心数据管理模块49-51
• 4.5.2 任务调度线程模块51-55
• 4.5.3 数据计算模块55-56
• 4.5.4 测试时序模块56-58
• 4.5.5 系统维护模块58-59
• 4.5.6 下位机通讯模块59-60
• 4.6 数据库60-62
• 第5章 全自动生化分析仪并行调度算法实验验证62-69
• 5.1 并行调度算法实验62-64
• 5.2 并行调度算法实验分析64-67
• 5.3 系统精密度实验67-68
• 5.4 系统准确度实验68-69
• 第6章 总结与展望69-70
• 6.1 总结69
• 6.2 展望69-70
• 参考文献70-72
• 致谢72-73
• 攻读硕士学位期间的研究成果73

【相似文献】

中国期刊全文数据库 前10条

1 韩立毛;;调度算法性能的研究[J];盐城工学院学报;1998年01期

2 程利新,石峰;行为延时约束下调度算法研究[J];北京理工大学学报;2005年08期

3 田素贞;翟玉梅;刘传领;;基于云计算的多目标服务调度算法的改进研究[J];陕西理工学院学报(自然科学版);2012年01期

4 李胜磊,张德运,刘刚;基于匹配预测的交换调度算法[J];西安交通大学学报;2003年10期

5 颜秉珩;钱德沛;;一种支持负载均衡的存储调度算法[J];西安交通大学学报;2009年10期

6 陈安雄;;基于优先调度算法的合理安排眼科病床[J];硅谷;2012年05期

7 王凤儒,徐蔚文,徐洪副;用效率调度算法求解非标准作业车间调度问题[J];计算机集成制造系统-CIMS;2001年07期

8 董薇;张淑丽;张玲君;;基于剩余函数的单件车间调度算法的研究[J];东北电力大学学报;2006年02期

9 郑锋,孙树栋,余建军;混合流程企业的一种实用调度算法[J];机械工程学报;2003年01期

10 曹理宇;杨格兰;何建新;;基于权重的多路媒体流复用调度算法[J];湖南工程学院学报(自然科学版);2007年04期

中国重要会议论文全文数据库 前10条

1 彭洪;涂凍生;;面向操作的调度算法[A];1994中国控制与决策学术年会论文集[C];1994年

2 罗豪杰;许都;;IEEE 802.16 MAC层上行调度算法[A];四川省通信学会2007年学术年会论文集[C];2007年

3 张遵福;李乐民;;支持QoS的调度算法设计[A];2006中国西部青年通信学术会议论文集[C];2006年

4 姚建波;竺小松;李晶晶;;非对称通信环境中两种广播调度算法的分析与比较[A];中国通信学会第六届学术年会论文集（上）[C];2009年

5 景维鹏;吴智博;刘宏伟;董剑;;一种支持任务依赖关系容错调度算法[A];第十四届全国容错计算学术会议(CFTC'2011)论文集[C];2011年

6 李琪林;甄威;周明天;;一种适用于Master-Worker应用的动态统一调度算法的研究[A];2008'中国信息技术与应用学术论坛论文集（一）[C];2008年

7 吕锋;涂晓东;;高性能交换结构调度算法的研究[A];四川省通信学会2006年学术年会论文集（二）[C];2006年

8 赵尔敦;肖静;;无线网络中基于信道状态预测的调度算法[A];2006全国复杂网络学术会议论文集[C];2006年

9 殷洁;;城市光网光纤自动调度算法研究和应用[A];中国通信学会信息通信网络技术委员会2011年年会论文集（下册）[C];2011年

10 陈平;王柏;徐六通;吴斌;王艳辉;;电信社群网络中介度的网格并行算法及调度算法[A];2006年全国通信软件学术会议论文集[C];2006年

中国重要报纸全文数据库 前1条

1 张建辉 吴松;TD—SCDMA积跬步 HSDPA以致千里[N];通信产业报;2005年

中国博士学位论文全文数据库 前10条

1 刘晓锋;可扩展多级多平面交换网络及调度算法研究[D];电子科技大学;2015年

2 沈文枫;CPU-GPU异构高性能计算中的负载预测调度算法研究及应用[D];上海大学;2016年

3 马丹;任务间相互依赖的并行作业调度算法研究[D];华中科技大学;2007年

4 田冲;无线网络跨层调度算法研究[D];山东大学;2009年

5 黄平;分布式交换系统队列结构及调度算法研究[D];华中科技大学;2006年

6 刘惠;嵌入式系统节能调度算法研究[D];西安电子科技大学;2011年

7 赵明宇;集群系统的调度算法研究[D];哈尔滨工业大学;2007年

8 吴刚;对低功耗进程调度算法的研究[D];复旦大学;2006年

9 牛进平;3G长期演进系统中调度算法和干扰抑制技术研究[D];西安电子科技大学;2014年

10 罗威;分布式实时容错调度算法研究[D];华中科技大学;2008年

中国硕士学位论文全文数据库 前10条

1 丁雪飞;纯电动车整车CAN网络实时调度算法的研究[D];辽宁大学;2015年

2 王德龙;Hadoop平台下作业调度算法的研究与改进[D];南京信息工程大学;2015年

3 袁林伟;载波聚合资源分配及调度算法研究[D];西南交通大学;2015年

4 景木均;3GPP LTE系统中基于多目标决策的下行资源调度算法研究与实现[D];西南交通大学;2015年

5 刘盼红;大数据环境下Hadoop作业调度算法的研究[D];河北工程大学;2015年

6 杨轩;高铁无线通信VoIP业务与多业务共存的资源调度算法[D];西南交通大学;2015年

7 陈传庆;基于衰落信道的无线链路调度算法研究[D];曲阜师范大学;2015年

8 陈文龙;Hadoop平台下作业调度方法研究[D];南京理工大学;2015年

9 陈瑜;针对Hadoop集群的节能调度算法研究[D];电子科技大学;2015年

10 朱新新;网络端到端流量的QoS优化技术研究[D];电子科技大学;2014年

，

本文编号：1035660