前言:想要写出一篇令人眼前一亮的文章吗?我们特意为您整理了5篇量子计算的意义范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。
观点一:按照《企业会计准则应用指南》规定,企业购入证券,如果作为交易性金融资产,应当按公允价值计价。每期期末,企业应将交易性金融资产的账面价值调整到公允价值,公允价值与账面价值之间的差额,通过借或贷记“公允价值变动损益”账户,计人当期损益。出售交易性金融资产时,以前计入“公允价值变动损益”账户的公允价值变动损益转入投资收益。
[例]某公司2007年12月6日购入股票1000股,每股市价5.10元,手续费50元;2007年12月31日每股市价5.50元;公司于2008年1月23日出售此股票,每股售价5.60元。不考虑其他因素,该项交易性金融资产从购入到处置的会计处理为:
2007年12月6日购入时:
借:交易性金融资产――成本 5100
投资收益 50
贷:银行存款 5150
2007年12月31日,确定公允价值变动损益时:
借:交易性金融资产――公允价值变动 400
贷:公允价值变动损益 400
2007年12月31日,公允价值变动损益转出到“本年利润”:
借:公允价值变动损益 400
贷:本年利润 400
2008年1月23日出售时:
借:银行存款 5600
贷:交易性金融资产――成本 5100
交易性金融资产――公允价值变动 400
投资收益 100
同时,转出以前确认的公允价值变动损益:
借:公允价值变动损益 400
贷:投资收益 400
观点二:按照《企业会计准则应用指南》规定进行账务处理,“公允价值变动损益”账户不能准确反映各会计期间(年)的公允价值变动损益,建议增设“公允价值变动损益转销”损益类账户,同时在利润表中增设“以前期间公允价值变动损益因实现而转销的金额”项目。依前例,最后一个分录改为:
借:公允价值变动损益转销 400
贷:投资收益 400
“公允价值变动损益转销”账户是损益类账户,在期末结平。“公允价值变动损益转销”账户在期末结平前如果是借方余额,在利润表上“以前期间公允价值变动损益因实现而转销的金额”项目的金额填负数(依前例填-400元),表示以前期间已计入利润表的公允价值变动收益因实现而通过“投资收益”账户计人了本期利润,为避免重复计算,需要通过本项目扣除本期利润的金额(依前例扣除400元)。反之亦然。
观点三,公允价值变动损益是企业未实现的损益,列入利润表造成虚增利润,增加企业税负;以前年度已转入“本年利润”的公允价值变动损益,在出售交易性金融资产时,又将其转入投资收益,使得同一项业务所引起的损益要在利润表上重复操作,而且可能影响利润表上相关信息的明晰性,为此提出两个改进方法。一是将“公允价值变动损益”账户改为“公允价值变动”账户,且不作为损益类账户使用。依前例,第二个分录改为:
借:交易性金融资产――公允价值变动 400
贷:公允价值变动 400
第三个分录不编,最后两个分录改为:
借:银行存款 5600
公允价值变动 400
贷:交易性金融资产――成本 5100
交易性金融资产――公允价值变动 400
投资收益 500
二是交易性金融资产期末不计量。依前例,即不编第二、第三个分录,最后两个分录改为:
借:银行存款 5600
贷:交易性金融资产――成本 5100
投资收益 500
观点四,有些教科书或考证的辅导教材将出售交易性金融资产的业务只编一笔分录,依前例,即最后两个分录合并为:
借:银行存款 5600
公允价值变动损益 400
贷:交易性金融资产――成本 5100
交易性金融资产――公允价值变动 400
投资收益 500
上述观点普遍存在的问题是科目使用错误。有关法规规定,个人或单位在证券市场买卖证券,要在证券营业部开立资金账户和证券账户,买卖证券实质是资金账户和证券账户的此增彼减,资金账户的资金对单位投资者来说,属于其他货币资金(存出投资款)。因此,交易性金融资产的买卖应通过“其他货币资金――存出投资款”核算。
观点一的处理,虽不影响准确反映企业各年损益,但使经济业务复杂化(体现在第五个分录多余),同时该分录虽不影响利润表的营业利润,但影响利润表有关项目的准确列报,在本例中,2008年利润表中将虚增当期投资收益400元,虚减公允价值变动收益400元。特别是这样的处理似乎是想通过该分录强调反映一笔投资的整体投资收益500元,但实际未能达到此目的,因为这笔投资的整体投资收益应为450元(500-50)。观点二的处理方法繁琐,不仅增加了会计科目,而且使利润表更加复杂。对观点三,笔者质疑“公允价值变动”账户的性质,其期末余额在资产负债表中该如何列示;同时如果交易性金融资产期末不进行公允价值计量将影响资产负债表的准确编报。对观点四,笔者认为,只编一笔分录使账户对应关系不清。
上述争议的焦点是如何在利润表中正确反映各期投资收益和公允价值变动收益,实质是会计信息质量要求问题,具体是如何贯彻重要性原则、相关性原则。笔者认为,如果公允价值变动损益和投资收益对企业来说不重要,则简化核算,按下列方法一核算;如果企业管理需要财务会计报告准确提供整体投资收益情况,则按下列方法二核算;如果企业管理需要财务会计报告准确提供会计期间公允价值变动收益,也可按方法一核算。
方法一,从简化核算考虑,平常月末公允价值变动不进行账务处理,年末进行账务处理,且出售时只编一笔分录。依前例,出售时的账务处理为:
借:其他货币资金――存出投资款 5600
贷:交易性金融资产――成本 5100
交易性金融资产――公允价值变动 400
投资收益 100
方法二,如果管理上要求较准确反映投资的整体投资收益,则出售时编两笔分录。依前例,2008年1月23日出售时:
借:其他货币资金―存出投资款 5600
贷:交易性金融资产――成本 5100
交易性金融资产――公允价值变动 400
投资收益 100
同时,转出以前确认的公允价值变动损益:
[关键词] 车辆路径问题 蚁群算法 自适应策略
一、引言
车辆路径问题(VRP)是物流研究领域中一个具有十分重要理论和现实意义的问题,该问题可以描述为一个需求点位置已知的物流服务网络的车辆配送问题,其目标就是寻找最小费用的车辆配送路线。车辆路径问题是一个著名的NP 完全问题,只有当其规模较小时,才能求得其精确解。近年来,大量的研究结果显示,启发式算法在求解大规模车辆路径问题时是一种有效的途径。
蚁群算法(ACO)是由意大利学者Dorigo等人在20世纪90年代初首先提出来的,它是继模拟退火算法、遗传算法、禁忌搜索算法、人工神经网络等以后的又一种应用于组合优化问题的启发式搜索算法。比较有代表性的研究有,M.Dorigo等人使用蚁群算法解决TSP问题,然后进一步把它们的方法扩展到了解决不均衡的TSP、QAP和job-shop调度问题中;为了克服在Ant-Q中可能出现的停滞现象,Stützle,T.等人提出了MAX-MIN蚁群算法,称作MMAS,该算法为了避免算法过早收敛非全局最优解,将各路经的信息素浓度限制在[τmin,τmax]之间,各路径初始信息素初值设为最大值τmax,并且一次循环后只增加路径最短的蚂蚁经过路径的信息素;吴庆洪等人提出了具有变异特征的蚁群算法,在基本蚁群算法中引入变异机制,充分利用了2-交换法简洁高效的特点;姚宝珍[4]提出了一种自适应的蚁群算法,该算法可以根据搜索的阶段调整参数;陈等人提出了一种基于分布均匀度的自适应蚁群算法,该算法根据优化过程中解的分布均匀度,自适应地调整路径选择概率的确定策略和信息量更新策略。蚁群算法作为一种新的启发式算法已经成功地应用到了许多领域,在车辆路径问题也有很多学者进行了大量的研究,主要有文献等。本文采用了一种自适应的蚁群算法(AACO)来求解车辆路径问题,并通过一个实例对该算法进行了检验。
二、问题描述
一个典型车辆路径问题可以描述为:设配送中心有M辆车,需要对N个顾客进行服务,每个客户的需求量为qi(i=1,2,…,N),每辆车的最大载重量为V。设结点集合为C(c0,c1,c2,…,cN),其中c0代表配送中心,而其它的N点代表N个顾客;fij表示客户i到客户j的阻抗或成本,其可以表示时间、行驶里程或其它费用等,定义变量如下:
三、自适应的蚁群算法
1.自适应转移规则
蚂蚁运动过程中会优先选择含“信息素”浓度较大的路径。但是蚁群在搜索过程中,为了使蚁群算法能够得到全局最优解就必须在搜索过程中保持很强的随机性,而蚁群算法的收敛又要求一定的确定性,转移规则必须解决的就是寻找二者的平衡点。转移规则决定了算法的执行效率,当源问题确定后,信息素强度(信息素更新策略中确定)和期望度(根据源问题相关的贪婪式算法得到)也基本确定,因此如何确定两个启发式因子(α和β)则非常重要。通常两个参数是通过仿真来确定,大多数研究中采用的是固定值,这样就忽略了蚁群在进化过程中,信息素和期望度的相对重要程度。比如在进化的最初,系统还没有信息素存在,这时,对于蚂蚁的运动来说,期望信息更加重要,也就是说,确定性信息占主导地位;而随着信息素更新,蚂蚁的运动将逐渐重视路径中的信息素强度,也就是蚁群在系统中的累积信息。基于此,我们设计了一种自适应的转移规则,对于第i点的第k只蚂蚁来说,它选择下一点j的概率如下:
这里τij是 (i,j)边信息素的强度;ηij是(i,j)边的能见度;α和β分别是信息启发式因子和能见度启发式因子。α的大小反映了蚁群在路径搜索中随机性因素作用的强度,β的大小则反映了蚁群在路径搜索中确定性因素作用的强度;tabuk是禁忌集合(在TSP问题中已经经过的点就被认为是不可行点);t是进化代数;T是预设的最大进化代数,这里设T=400;[ ]是取整符号。
2.自适应信息素更新策略
信息素为蚂蚁之间提供了间接的通信手段,也就是说,蚂蚁可以通过感知信息素浓度来完成彼此间的通信。蚂蚁依据转移规则沿着不同的点游历,直至构成了一个源问题的解决方案。每次循环后,在每条边上的信息素浓度将依据更新策略更新。
其中,ρ是信息素残留系数,这里ρ=0.8; 是第k只蚂蚁在当前循环中在(i,j)边上的信息素增量,p是蚁群的规模,在现实的蚁群系统中,较短路径上的信息素浓度更高;相似的,在蚁群算法中,与最优方案更接近的路径中获得的信息素越多,使其在下一循环中更有吸引力。
在整个进化过程中均采用这种静态的更新策略可能会使算法陷入局部最优。比如某条局部最优路径上存在信息素增量,而且随着进化的深入,信息素增量会越来越大,而如果最佳路径还未被走过,其上的信息素只有蒸发项而变得越来越小,在下次搜索被选择的概率较小,这样就会使局部的最优路径很快就占据了统治地位,使算法陷入局部最优。虽然max-min系统一定程度上控制了陷入局部最优的可能性,但是更新策略仍然是一个问题。为此,我们提出了一种自适应的信息素更新策略,就是在进化的最初,我们采用了较大的信息素增量,而当进化的一定程度后,减小了信息素增量,使算法可以进行详细的局部搜索,具体公式如下:
其中,Q是一个常数,这里设Q=1000。
四、实例研究
为了验证自适应蚁群算法的有效性,本文采用芜湖市的数据对该算法进行了检验。芜湖市的人口数量大约为222万人,面积为3,317平方公里,其道路网的长度为1,622公里。本文选取是由1个配送中心服务22个客户(大型购物中心)的实例。
本节假设所有中心的车队都由容量为1的均一车型组成,并将每个客户的需求都按比例缩放到[0,1](图1)。然后使用Visual C++.Net 2003实现该算法,同时运行在由8台计算机(512M内存、3000MHZ处理器)组成的集群环境。为了评价自适应蚁群算法(AACO)的性能,本文将该方法与传统的蚁群算法(ACO)以及MMAS[2],在同样参数下三种方法运行10次,图2和图3分别显示的是三种算法的计算结果和运行时间。
我们可以发现三种算法的优化质量和计算时间上存在差异,AACO在优化质量和计算时间上是三者中最好的,而MMAS的优化质量略优于ACO的优化质量,这是因为MMAS将各路径的信息素浓度限制在[τmin , τmax ]之间,各路径初始信息素初值设为最大值τmax,并且一次循环后只增加路径最短的蚂蚁经过路径的信息素,从而避免算法过早收敛非全局最优解。而自适应策略可以根据搜索的不同阶段自适应调整参数,扩大搜索空间,从而提高算法的优化质量,同时可以明显的加快算法的收敛速度。实验结果显示,本文提出的自适应蚁群算法可以明显地改进传统的蚁群算法。
五、结论
车辆路径问题是物流分配研究的一个重要问题。由于车辆的装载能力不同,本文建立了同时考虑可变成本和车辆的固定成本的物流配送模型。考虑物流配送问题是在众多顾客中寻找最短路径,是NP-hard问题。本文采用了自适应的蚁群算法。最后,利用芜湖市的数据对该方法进行检验,结果表明此方案提高了解的质量并节约求解的运行时间。
参考文献:
[1]Dorigo, M., Maniezzo, V., Colorni, A.,( 1996); The Ant System: Optimization by a Colony of Cooperating Agents, IEEE Transactions on Systems, Mans, and Cybernetics 1 (26), p.29~41
[2]吴庆洪张纪会徐心和:具有变异特征的蚁群算法.计算机研究与发展,36(10):1240~1245(1999)
关键词:网络容量扩充;移动办公;提高老旧写字楼竞争力
中图分类号:TP393 文献标识码:A 文章编号:1007-9599 (2012) 11-0000-02
一、前言
计算机网络已经成为决定一个公司企业能否正常运转的重要因素,计算机网络公司企业领导和员工获取资源和信息的主要途径之一,它能把企业中的从事行政管理、生产、销售、售后、研发活动的人员紧密地联系在一起,在企业生产以及创造利润中的作用与地位日益显著。因此,如果没有计算机网络,有相当一部分公司企业尤其是从事金融、贸易、物流行业的公司企业将无法运转。但很多写字楼或办公场所由于建设之初采用的是有线计算机网络布线,从实践结果来看,由于目前网络是“有线”的,所以在后期使用过程中会出现很多困难。例如,有些位置信息点数量无法满足实际需要导致进驻的公司无法人手一个信息接入点;有些地方信息点的位置跟公司企业办公室计划的办公桌摆放位置冲突最终导致这些公司企业不得不妥协;由于有线接入的信息点位置固定无法调整导致进驻公司的办公室内部装修受到各种限制;由于写字楼已投入使用楼内布线通道已经被各类线缆占满导致无法为扩充网络容量新增信息点进行楼内布线等等。而上述这些都可以通过合理的部署无线网络来解决。
此外随着信息技术的飞速发展,公司企业对于网络的依赖性相当之高,“随时随地获取信息”已成为公司企业的新需求。但是,传统的有线网存在着诸多“网络盲点”,比如许多不宜网络布线的场馆设施如何联网?在会议室等场合如何突破网络节点限制、实现多人同时上网的问题?便携电脑、IPAD、智能手机等移动智能终端的使用的日益增长,造成有线网络远远不能满足公司企业领导和员工“随时随地”获取资源和信息的需求。因此,通过wlan无线计算机网络的建设是解决上述矛盾主要途径。
二、公司企业WLAN应用分析
随着传统局域网络已经越来越不能满足人们的需求,于是无线局域网(Wireless Local Area Network)WLAN应运而生且发展迅速。近年来无线局域网的技术产品逐渐走向成熟,正以它优越的灵活性和便捷性在网络应用中发挥日益重要的作用。WLAN网络以其灵活性、移动性、易于部署等特点能有效解决前言中描述问题,必将逐渐成为企业部署网络的一种主流技术。
对于大型写字楼的办公环境来说,架设无线网络,是从扩容现有网络容量、实现网络信号在写字楼内全覆盖、解决楼内移动办公和提高工作效率出发的,其带来的网络延伸性和便捷移动性是无可比拟的,诸如公司内部的在线会议、网络电话、都将会方便很多,如果同时实现FMC(有线与无线的融合网络),则对于跨地区或跨国企业的通信成本将大为减少。
大型写字楼的WLAN无线网络建设可以分利用现有固定有线网络资源,在写字楼内原有网络的基础上仅增加AC设备、AP设备、网管系统、POE交换机等WLAN相关套件,构建完美的WLAN网络覆盖,为企业和员工提供良好的无线网络应用环境。
三、公司企业WLAN无线网络的应用需求
每个公司企业根据自身的业务需要对计算机网络的具体要求也各不一样,但在安全性、可靠性、用户管理和计费认证这些方面的需求总体上是一致的,下面我们从这几方面来分析一下在WLAN无线网络建设过程中需要注意的问题。
(一)基于个人用户的运营管理
由于大型写字楼内有很多个公司企业,因此部署WLAN无线网络系统需要支持运营管理功能,能够根据单个用户实现用户管理,包括:认证、计费、安全控制、QoS控制等。此外还需支持数据、语音等多种业务,有其它智能业务扩展能力,如多媒体业务、精准的无线物理定位功能、无线视频、无线对讲功能等。
(二)满足企业特点的安全和可靠性
大型写字楼内针对多个公司企业的WLAN无线网络建设的目标是建设一个可管理、可运营网络,这样的定位对网络的可靠性、安全、加密和非授权用户的控制提出了更明确的要求,因此在建设大型写字楼内WLAN无线计算机网络时就必须保证WLAN无线网络的网管系统必须具备以下功能:
1.支持精确的无线入侵、射频干扰、非法AP定位和隔离。
2.冗余的中央服务控制保证企业复杂接入环境的安全无线接入。
3.访客隔离机制,保证访客用户与公司企业网用户的隔离。
4.同时支持端到端的网络可靠性保证技术。
(三)满足生产、运营网络要求的运维和管理
大型写字楼内无线网络规模大、环境复杂,因此无线网络系统应该支持高效的运营网络级的管理功能,方便未来无线网络的运维管理。因此必须结合写字楼内已有的有线计算机网络建设可分级的一体化网络管理系统,使有线、无线网络管理相结合,集中与分布式管理相结合,为运营维护提供高效率和低成本。
(四)支持用户全网漫游
由于大型写字楼的楼层多、楼内办公面积,因此在写字楼内部署的WLAN无线网络必须支持用户全网快速、安全、无缝漫游,保证用户在楼内移动过程中可以保证IP地址不变、网络连接不间断、应用会话不间断,从而保证用户网络应用在移动中的不间断性。
论文摘要:将量子化学原理及方法引入材料科学、能源以及生物大分子体系研究领域中无疑将从更高的理论起点来认识微观尺度上的各种参数、性能和规律,这将对材料科学、能源以及生物大分子体系的发展有着重要的意义。
量子化学是将量子力学的原理应用到化学中而产生的一门学科,经过化学家们的努力,量子化学理论和计算方法在近几十年来取得了很大的发展,在定性和定量地阐明许多分子、原子和电子尺度级问题上已经受到足够的重视。目前,量子化学已被广泛应用于化学的各个分支以及生物、医药、材料、环境、能源、军事等领域,取得了丰富的理论成果,并对实际工作起到了很好的指导作用。本文仅对量子化学原理及方法在材料、能源和生物大分子体系研究领域做一简要介绍。
一、 在材料科学中的应用
(一)在建筑材料方面的应用
水泥是重要的建筑材料之一。1993年,计算量子化学开始广泛地应用于许多水泥熟料矿物和水化产物体系的研究中,解决了很多实际问题。
钙矾石相是许多水泥品种的主要水化产物相之一,它对水泥石的强度起着关键作用。程新等[1 ,2]在假设材料的力学强度决定于化学键强度的前提下,研究了几种钙矾石相力学强度的大小差异。计算发现,含Ca 钙矾石、含Ba 钙矾石和含Sr 钙矾石的Al -O键级基本一致,而含Sr 钙矾石、含Ba 钙矾石中的Sr,Ba 原子键级与Sr-O,Ba -O共价键级都分别大于含Ca 钙矾石中的Ca 原子键级和Ca -O共价键级,由此认为,含Sr 、Ba 硫铝酸盐的胶凝强度高于硫铝酸钙的胶凝强度[3]。
将量子化学理论与方法引入水泥化学领域,是一门前景广阔的研究课题,它将有助于人们直接将分子的微观结构与宏观性能联系起来,也为水泥材料的设计提供了一条新的途径[3]。
(二) 在金属及合金材料方面的应用
过渡金属(Fe 、Co、Ni)中氢杂质的超精细场和电子结构,通过量子化学计算表明,含有杂质石原子的磁矩要降低,这与实验结果非常一致。闵新民等[4]通过量子化学方法研究了镧系三氟化物。结果表明,在LnF3中Ln原子轨道参与成键的次序是:d>f>p>s,其结合能计算值与实验值定性趋势一致。此方法还广泛用于金属氧化物固体的电子结构及光谱的计算[5]。再比如说,NbO2是一个在810℃具有相变的物质(由金红石型变成四方体心),其高温相的NbO2的电子结构和光谱也是通过量子化学方法进行的计算和讨论,并通过计算指出它和低温NbO2及其等电子化合物VO2在性质方面存在的差异[6]。
量子化学方法因其精确度高,计算机时少而广泛应用于材料科学中,并取得了许多有意义的结果。随着量子化学方法的不断完善,同时由于电子计算机的飞速发展和普及,量子化学在材料科学中的应用范围将不断得到拓展,将为材料科学的发展提供一条非常有意义的途径[5]。
二、在能源研究中的应用
(一)在煤裂解的反应机理和动力学性质方面的应用
煤是重要的能源之一。近年来随着量子化学理论的发展和量子化学计算方法以及计算技术的进步,量子化学方法对于深入探索煤的结构和反应性之间的关系成为可能。
量子化学计算在研究煤的模型分子裂解反应机理和预测反应方向方面有许多成功的例子, 如低级芳香烃作为碳/ 碳复合材料碳前驱体热解机理方面的研究已经取得了比较明确的研究结果。由化学知识对所研究的低级芳香烃设想可能的自由基裂解路径,由Guassian 98 程序中的半经验方法UAM1 、在UHF/ 3-21G*水平的从头计算方法和考虑了电子相关效应的密度泛函UB3L YP/ 3-21G*方法对设计路径的热力学和动力学进行了计算。由理论计算方法所得到的主反应路径、热力学变量和表观活化能等结果与实验数据对比有较好的一致性,对煤热解的量子化学基础的研究有重要意义[7]。 转贴于
(二)在锂离子电池研究中的应用
锂离子二次电池因为具有电容量大、工作电压高、循环寿命长、安全可靠、无记忆效应、重量轻等优点,被人们称之为“最有前途的化学电源”,被广泛应用于便携式电器等小型设备,并已开始向电动汽车、军用潜水艇、飞机、航空等领域发展。
锂离子电池又称摇椅型电池,电池的工作过程实际上是Li + 离子在正负两电极之间来回嵌入和脱嵌的过程。因此,深入锂的嵌入-脱嵌机理对进一步改善锂离子电池的性能至关重要。Ago 等[8] 用半经验分子轨道法以C32 H14作为模型碳结构研究了锂原子在碳层间的插入反应。认为锂最有可能掺杂在碳环中心的上方位置。Ago 等[9 ] 用abinitio 分子轨道法对掺锂的芳香族碳化合物的研究表明,随着锂含量的增加,锂的离子性减少,预示在较高的掺锂状态下有可能存在一种Li - C 和具有共价性的Li - Li 的混合物。Satoru 等[10] 用分子轨道计算法,对低结晶度的炭素材料的掺锂反应进行了研究,研究表明,锂优先插入到石墨层间反应,然后掺杂在石墨层中不同部位里[11]。
随着人们对材料晶体结构的进一步认识和计算机水平的更高发展,相信量子化学原理在锂离子电池中的应用领域会更广泛、更深入、更具指导性。
三、 在生物大分子体系研究中的应用
生物大分子体系的量子化学计算一直是一个具有挑战性的研究领域,尤其是生物大分子体系的理论研究具有重要意义。由于量子化学可以在分子、电子水平上对体系进行精细的理论研究,是其它理论研究方法所难以替代的。因此要深入理解有关酶的催化作用、基因的复制与突变、药物与受体之间的识别与结合过程及作用方式等,都很有必要运用量子化学的方法对这些生物大分子体系进行研究。毫无疑问,这种研究可以帮助人们有目的地调控酶的催化作用,甚至可以有目的地修饰酶的结构、设计并合成人工酶;可以揭示遗传与变异的奥秘, 进而调控基因的复制与突变,使之造福于人类;可以根据药物与受体的结合过程和作用特点设计高效低毒的新药等等,可见运用量子化学的手段来研究生命现象是十分有意义的。
综上所述,我们可以看出在材料、能源以及生物大分子体系研究中,量子化学发挥了重要的作用。在近十几年来,由于电子计算机的飞速发展和普及,量子化学计算变得更加迅速和方便。可以预言,在不久的将来,量子化学将在更广泛的领域发挥更加重要的作用。
参考文献:
[1]程新. [ 学位论文] .武汉:武汉工业大学材料科学与工程学院,1994
[2]程新,冯修吉.武汉工业大学学报,1995,17 (4) :12
[3]李北星,程新.建筑材料学报,1999,2(2):147
[4]闵新民,沈尔忠, 江元生等.化学学报,1990,48(10): 973
[5]程新,陈亚明.山东建材学院学报,1994,8(2):1
[6]闵新民.化学学报,1992,50(5):449
[7]王宝俊,张玉贵,秦育红等.煤炭转化,2003,26(1):1
[8]Ago H ,Nagata K, Yoshizaw A K, et al. Bull.Chem. Soc. Jpn.,1997,70:1717
[9]Ago H ,Kato M,Yahara A K. et al. Journal of the Electrochemical Society, 1999, 146(4):1262
【关键词】药品;量子;信息系统;数据挖掘;设计
1 药品信息量子化
量子的概念源自物理学,普朗克是“量子物理学”的开创者和奠基人。1900年普朗克抛弃“能量是连续的”这一传统经典物理学观念,证明了物质辐射的能量是不连续的,只能是某一最小能量的整数倍,普朗克把这一最小能量单位称为“能量子”,简称“量子” [1]。
药品信息“量子化”是指将纷繁复杂的、模糊有噪声的药品信息合理解析成具有独立内涵的、不可再分的最小信息单位,即“量子”。将药品原始数据“量子化”的方法,使药品复杂数据简洁化、精确化、规范化,提高了计算机的数据处理速度,为数据库知识发现奠定基础。
2 医院药品量子信息数据库系统的分析
2.1系统的功能分析
2.1.1智能化检索功能 为方便医护人员等查找需要的药品信息,系统检索功能必不可少,本系统不仅可以通过输入关键词进行普通检索和高级检索,还可通过下拉列表选择相关“量子”进行智能化检索。
2.1.2 辅助实现数据挖掘功能 药品数据最大的特点是“数据海量,信息缺乏”。如何从海量的、有噪声的、模糊的医药学数据中,提取出隐含其中的、人们事先未知又潜在有用、能辅助临床用药决策的信息,是数据挖掘(DM)最终解决的问题。而数据挖掘过程中一个关键步骤就是数据的预处理,即数据的清洗、集成、转化和消减等。本文提出的药品信息“量子化”即是数据的预处理过程,它为医药学数据挖掘的实现迈出关键性的一步。
2.1.3 数据维护功能 包括数据更新、备份和恢复功能。数据更新包括药品数据的修改、删除、添加等,以便保证当前药品信息的实时性和准确性。对于一个完整的系统而言,备份和恢复功能也是必不可少的组成部分,当应用系统发生灾难性错误时,备份和恢复功能可使系统避免数据丢失带来的巨大损失。而即便系统没有数据丢失或破坏,备份和恢复功能仍具有重大意义,它为我们进行历史数据的查询、统计和分析,以及重要信息归档保存提供了可能[2]。
2.2 系统的优势分析
2.2.1更快捷的计算机处理速度 国内大多数医院药品信息数据库仅是药品说明书等的简单堆砌,并未对药品信息进行有效的预处理,这显然会影响计算机的处理速度。本系统将这些复杂模糊、不规范的药品信息经专业人员处理成简洁、精确、规范的“量子”,并归类编码建立量子数据库后,计算机便可对这些“量子”进行快速处理。药品量子信息数据库系统较普通数据库系统有更快捷的处理速度。
2.2.2更智能的客户端检索模式 普通客户端检索模式不能满足信息多元化检索需求,本系统除一般数据库系统所具有的普通检索和高级检索外,还特别设计了量子检索模块。这种量子检索模块不仅能帮助用户迅速检索出同时满足多种条件的精确信息,且由于各种药品信息均已进行精确的量子归类,便于计算机处理。
2.2.3更前瞻性的为数据挖掘服务 数据挖掘技术的应用对临床用药决策及医药学研究等具有重要的意义。如,根据病人反馈使用某些药品后产生的不良反应数据,通过数据挖掘技术发现,联合用药可能导致某些不良反应,或联合用药可能减少某些不良反应,或者同一种药品由不同性别、年龄、体质的患者使用可能产生不同的反应等,这些将为医师指导患者临床用药提供重要帮助。药品信息“量子化”为医药学数据挖掘的实现奠定基础。
3 医院药品说明书数据库系统的设计
3.1系统的总体架构设计本系统采用分布式多层体系结构。实现分布式应用的成熟技术主要有COM/DCOM和CORBA ,由于本系统在Windows平台上运行,所以选用COM/DCOM为实现系统的标准。采用多层结构后,为了避免在WEB应用程序中进行直接数据库操作和事务管理,将数据库操作和事务管理转移到中间件中处理。即第一层是客户层,客户可以通过使用GUI与应用程序进行交互;第二层是中间层,通常由一个和多个应用服务器组成。应用服务器处理客户的请求,然后将结果返回客户层;第三层是数据层,用于驻留业务数据的地方,在处理业务数据时,由中间层访问数据层[3]。
3.2系统的功能模块设计
本系统的主要构成模块,如图1所示。
参考文献
[1]赵凯华,罗蔚茵.量子物理[M].北京:高等教育出版社,2006:1-10.