《数字微流体优化调度开题报告》由会员分享，可在线阅读，更多相关《数字微流体优化调度开题报告（5页珍藏版）》请在金锄头文库上搜索。
1、本科毕业设计 (论文)开 题 报 告题目微流芯片上数字微流体的优化调度指导教师学院专业班级学生姓名学号开题日期2011.7.6 一、选题的背景与意义1.1研究目的与意义数字微流控生物芯片实验室被称为“生命科学集成电路”，列为影响人类未来的十五件最重要的发明之一。数字微流控生物芯片的单片并行多样品、多试剂、多生物检测等物理量检测方法的实现，使它的出现大大加快了生命科学、化学、物理等学科对样品提取、分离、混合、检测的速度，并且降低了人工导致的误差和错误，是人类社会现代文明的结晶。数字微流控生物芯片把多样品、多过程集成于一块芯片上，而其中对于多种物理量检测步骤的先后直接影响到检测结果和速度。数字微流
2、体优化和调度就是为了优化这一过程，提高数字微流控生物芯片的各项性能。数字微流控生物芯片优化调度是一个NP完全问题，基于芯片几何结构的基础上，进一步提高数字微流控生物芯片对多样品的处理速度。用现今一些以被广为应用的智能优化算法的基础上进行改良，将智能优化算法更有针对性的解决数字微流控生物芯片的优化调度问题，以应对及时性高、并发性高的事件。例如对高危病人的身体各项生命元素的提取分析，从而使医务人员更好、更快的预防和诊疗病人的病情。1.2数字微流控生物芯片优化调度研究现状和发展趋势1.2.1数字微流控生物芯片优化调度技术数字微流控生物芯片优化调度是对多样品提取、分离、混合、检测路径以及样品的先后次序
3、进行优化调度。由于因为样品数量提升对于一般算法时间的要求会呈现爆炸式提升。由于无法在短时间内算出绝对最优解，所以需要应用一种在短时间内算出区域最优解或者最优解的算法，而对于数字微流控生物芯片优化调度就是求解样品检测全过程时间的最优解问题。最终找到最短时间内的最优路径（最小提取、分离、混合、检测的时间）。遗传优化算法的计算过程1.2.2数字微流控生物芯片优化调度的研究现状数字微流控生物芯片优化调度是一个NP完全问题。对于NP完全问题的研究早在数十年前就开始，到现今已经有数不胜数的算法出现以及应用，其中包括近邻法、插入法、粒子群算法、模拟退火算法、遗传算法、神经网络算法等。而其中遗传算法是现今解决
4、复杂的非线性最优化问题、复杂的组合优化或整数规划问题比较优秀的算法之一4 ，解决这类问题还有men算法（混合遗传算法） 。1.2.3数字微流控生物芯片优化调度的发展趋势数字微流控生物芯片对样品或试剂的纳升级数字式微流体灵活地进行分配、移动、混合、检测、废弃操作，它是微流控芯片的发展方向，在国际上日益成为研究重点。芯片优化调度是为了适应人们对仪器工作灵活度的要求而不断进步，数字微流控生物芯片完全可以应用与商业领域，商家为了提高速率对优化调度各个环节的不断开发、研究是必然的。计算父代适应度函数值，把最小放入最优染色体变量是计算子代适应度函数值，用子代最小项于最优染色体变量比较，结果小的放入最优染色
5、体nm,m 为设定最大遗传次数否设定适应度函数通过遗传、变异产生遗传函数子代结束，输出最优染色体N=0，随机产生遗传法父代二、研究的基本内容与拟解决的主要问题研究的基本内容：数字微流芯片的优化调度主要是对微流液滴路径的优化，它是一个NP完全问题（多项式复杂程度的非确定问题）。例如求解素数（或叫质数）问题，任何一个多项式都无法正确表达所有的素数，只能通过穷举法等不甚繁琐的方法搜索出答案。正因为NP完全问题不能在有限时间内找到准确值，而且计算时间会因为计算项数的增加而呈非线性爆炸增长，而优化算法正是为了在线性时间内解出最优解或最有局部解。本文准备用现今在解决复杂的非线性最优化问题、复杂的组合优化或
6、整数规划问题比较优越的遗传算法进行研究，寻找较适合解决当前问题的遗传算法适应度函数。计算出适应度值最高的子代个体，与父代适应度值较高者进行比较，从而得到一定范围内较为优秀的适应度值，最低的适应度值所代表的染色个体就是求得的微流液滴的最佳路径。拟解决的主要问题：1.数字微流控生物芯片结构和应用的掌握。2.对于遗传算法遗传算子（选择、交换、变异）、适应度函数、遗传最高代数（理想最优解值）等参数的选择。3.遗传算法用C+语言实现，其中所用到各类c 函数的应用。4.当样品数量到达一定量是对计算时间和检测调度过程的快速要求。三、研究的方法与技术路线研究的方法：1. 理解数字微流题控芯片各项功能。阅读各种
7、关于数字微流控生物芯片的文献，学习微流控芯片工作原理、工艺结构，学习单片多样品、多试剂实现的多生物量检测方法，掌握数字微流控生物芯片生物量检测的基本操作单元。2. 数字微流控生物芯片优化调度。确定遗传算法的适应度函数，确定各个样品分离、混合、检测时间。3. 使用 C+ 语言编出遗传算法的程序。带入样品的各项参数，计算出最优路径。技术路线：文献检索与阅读掌握数字微流控生物芯片原理遗传算法遗传算子（选择、交换、变异）、适应度函数、遗传最高代数（理想最优解值）等参数的选择适应度函数的应用理解C+语言编程程序结果分析绘图撰写论文或说明书答辩四、研究的总体安排与进度三短第 1 周三短第3 周, 学习 C
8、+ 编程技术，学习微流控芯片工作原理、工艺结构，学习遗传算法相关原理，学习单片多样品、多试剂实现的多生物量检测方法，掌握数字微流控生物芯片生物量检测的基本操作单元。并完成开题报告。暑假期间， 阅读本课题相关中、英文文献 , 完成相关英文文献翻译2 篇，撰写文献综述，并在第七学期的第1 周上交文献翻译和文献综述。第七学期的第1 4 周，对阅读文献进一步总结巩固。第七学期的第5 10 周， 毕业设计，以血清、血浆、唾液、尿液等人体液为样品，单片并行检测人体代谢产物：葡萄糖、乳酸盐、谷氨酸盐、丙酮酸盐等含量为实例。应用 C+ 编程，提出合理、高效的编码方式，高效的遗传操作等以优化调度样品、试剂及检测
9、使得完成多生物量检测时间相对较小。并与已有结果相比较，验证所提出方法优越性。并完成毕业设计内容涉及的各项工作。第七学期的第1113 周，完成论文的后期工作并进行提交。五、主要参考文献1 Fei Su , Krishnendu Chakrabarty .Architectural-Level Synthesis of Digital Microfluidics-Based BiochipsJ Institute of Electrical and Electronics Engineers （IEEE）, 2004 ：223228 2 Michael G. Pollack, Richard B.
10、 Fair. Electrowetting-based actuation of liquid droplets for microfluidic applicationsJ APPLIED PHYSICS LETTERS ,2000 ：17251726 3 Stephen G.Kochan，译：张小潘 . c 语言编程一本全面的c 语言入门教程 M 电子工业出版社 2006 4 梁艳春，吴春国，时小虎，葛宏伟 . 群智能优化算法理论与应用M 科出版社 2009 5 张文修，梁怡 . 遗传算法的数学基础M 西安交通大学出版社 2001 6 乌延辉 , 王小权 , 陈叶芳 . c 程序设计教程基
11、于案例与实验驱动M 机械工业出版社 2010 7 章安良 . 数字微流控生物芯片微液滴优化调度J 电子器件 2008 ， 831 卷： 13271330 8 汪献忠 . 一种改进的适应度函数研究J 电子工业专用设备 2007 ，155：6667 9 景沈艳，孙吉贵，张永刚 . 用遗传算法求解调度问题J 吉林大学学报 （理学版） ，2002：263267 10 杨青，马军 . 遗传算法用于NP完全问题的求解J 山东大学学报 （自然科学版） ，2001：171177 11 李昭智 .NP完全问题浅淡 J china academic journal electronic publishing ho
12、use ：2734 12 刘英 .遗传算法中适应度函数的研究J 兰州工业高等学校学报 2006 ：1 4 13 Zeng J and Korsmeyer F T ,Principles of Droplet Electrophdrody-namics for Lab-on-ChipJ . Lab on a Chip ,2004 :265277. 14 J.c.Bean, Genetics and random keys for sequencing and optimization, ORSA J. Computing, 1994, vol. 6, 154-160. 15 RICKETTS A
13、 J， IRICK K， VIJAYKRISHNAN N， et al. Priority Scheduling in Digital Microfluidics-Based Biochips C.Design，Automation and Test in Europe，DATE 06.Proeeedings ，2006. 16 SU F ， CHAKRABARTY K. High-Level Synthesis of Digital Mierofluidic BiochipsJ.ACM Journal on Emerging Technologies in Computing Systems，2008，3(4):16-48. 17 杨敬松数字微流控生物芯片的布局及调度问题研究（Study on the Problem of Placement and scheduling for digital microfluidics-based biochips）D 吉林大学， 2008 指导教师审核意见：年月日
