توضیحات

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله انگلیسی درمان ایدز HIV با ترجمه فارسی دارای 38 صفحه می باشد و دارای تنظیمات و فهرست کامل در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله انگلیسی درمان ایدز HIV با ترجمه فارسی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : توضیحات زیر بخشی از متن اصلی می باشد که بدون قالب و فرمت بندی کپی شده است

بخشی از فهرست مطالب پروژه مقاله انگلیسی درمان ایدز HIV با ترجمه فارسی

چکیده    
1مقدمه    
2 مدل سازی و فرمولاسیون مسئله درمان HIV    
3 فرمولاسیون مسئله کلی    
4 تقریب تابع cost-t0 go    
41 تقریب COST TO GO برای مسئله راه گزین    
42 یک تبدیل و تغییر شکل برای مسئله راه گزین    
5 آنالیز عددی    
51 بکارگیری روش راه گزین بهینه برای حل مسئله    
6 نتیجه گیری کلی    
ضمیمه A    

References

[1] X. Wang, A. Elaiw, X. Song, Global properties of a delayed HIV infection model with CTL immune response, Applied Mathematics and Computation 218 (18) (2012) 9405–9414 [2] P.S. Rivadeneira, C.H. Moog, Impulsive control of single-input nonlinear systems with application to HIV dynamics, Applied Mathematics and Computation 218 (17) (2012) 8462–8474 [3] R. Naresh, A. Tripathi, D. Sharma, A nonlinear HIV/AIDS model with contact tracing, Applied Mathematics and Computation 217 (23) (2011) 9575– 9591 [4] A. Perelson, P. Nelson, Mathematical analysis of HIV-1 dynamics in vivo, SIAM Review 41 (1999) 3–44 [5] E. Vergu, A. Mallet, J.L. Golmard, A modeling approach to the impact of HIV mutations on the immune system, Computers in Biology and Medicine 35 (2005) 1–24 [6] X. Xia, Modeling of HIV infection: vaccine readiness, drug effectiveness and therapeutical failures, Journal of Process Control 17 (2007) 253–260 [7] M. Hadjiandreou, R. Conejeros, V. Vassiliadis, Towards a long-term model construction for the dynamic simulation of HIV infection, Mathematical Bioscience and Engineering 4 (2007) 489–504 [8] J. Ferreira, R. Middleton, ‘‘A preliminary analysis of HIV infection dynamics’’. In: Proc. Irish Signals and Systems Conference, Galway, Ireland, 2008. [9] H.D. Kwon, J. Lee, S.D. Yang, Optimal control of an age-structured model of HIV infection, Applied Mathematics and Computation 219 (5) (2012) 2766– 2779 [10] J. de Souza, M. Caetano, T. Yoneyama, ‘‘Optimal control theory applied to the anti-viral treatment of AIDS’’. In: Proc. IEEE Conference on Decision and Control, Sydney, Australia, 2000, pp. 4839–4844 7880 A. Heydari, S.N. Balakrishnan / Applied Mathematics and Computation 219 (2013) 7872–7881 [11] V. Yadav, S.N. Balakrishnan, ‘‘Optimal impulse control of systems with control constraints and application to HIV treatment’’. In: Proc. American Control Conference, Minneapolis, MN, June 2006, pp. 4824–4829 [12] H.D. Kwon, Optimal treatment strategies derived from a HIV model with drug-resistant mutants, Applied Mathematics and Computation 188 (2007) 1193–1204 [13] H.T. Banks, H.D. Kwon, J.A. Toivanen, H.T. Tran, A state-dependent Riccati equation-based estimator approach for HIV feedback control, Optimal Control Application and Methods 27 (2006) 93–

Optimal multi-therapeutic HIV treatment using a global optimal switching scheme

Ali Heydari , S.N. Balakrishnan Mechanical and Aerospace Engineering Department, Missouri University of Science and Technology, Rolla, MO 65409, United States

abstract

The problem of multi-therapeutic HIV treatment is posed in this study as a switching problem to find the optimal switching time between the different therapies. To solve the optimal switching problem with nonlinear subsystems an algorithm is developed for learning the cost-to-go as a function versus different switching times and different initial conditions. Once the function is obtained in a closed form, finding optimal switching time for every given initial condition reduces to a function optimization. Through numerical simulations of a model for the HIV problem, the proposed algorithm is shown to be a useful tool for solving this class of problems. 2013 Elsevier Inc. All rights reserved

 Introduction

Modeling and control of HIV infection has been investigated by different researchers and several models have been developed in the literature for describing the progress of the HIV disease [1–8]. Optimal control methods have been shown in numerical simulations to offer promising treatment for HIV [9–14]. There are different therapies for HIV infection, but it is known that switching therapeutic options are useful for better control of the HIV progress [14,15] due to certain factors including the existing mutations between the viral strain types and their vulnerabilities toward each specific therapy. References [10–13] investigated optimal control of HIV with a single therapy, with the view of controlling the dosage/efficiency of the medicine in order to optimize the performance index. In [14] however, different therapies were considered but with fixed medicine dosages. The problem was defined as finding the optimal switching time between the therapies. By assuming different therapies, the evolution of the disease under each therapy, modeled by a scalar linear model for each viral strain type, was considered as a mode. Afterward, the optimal time for switching between the modes, to have the best result at the end of a specified time period, was sought. Hence, the problem reduced to formulating a scheme to find optimal switching time for a switching system. Switching systems, appearing in different fields [14,16–20], are comprised of subsystems with different dynamics one of which is active at each time instant. Hence, controlling these processes involves not only applying a proper control to the system, but also involves decision making to determine when to switch and what mode to switch to. Note that if a fixed mode sequence is assumed, the main problem is to find optimal switching instants, and once they are found, the problem reduces to a conventional optimal control problem to find the control

چکیده

مسئله درمان HIV چند درمانی بررسی شده در این مطالعه به عنوان یک مشکل راه گزین جهت یافتن زمان مطلوب راه گزین بین درمان های مختلف مطرح شده است. برای برطرف کردن مشکل راه گزین بهینه با زیرسیستم های غیر خطی یک الگوریتم برای فراگیر COST-TO-GO (کارکرد هزینه) به عنوان یک تابع عملکرد در برابر زمان های راه گزینی مختلف و شرایط اولیه متفاوت توسعه یافته است. زمانی که تابع عملکرد به شکل بسته بدست آمده باشد، یافتن زمان راه گزین مطلوب برای هر وضعیت اولیه مشخص ، به یک تابع بهینه سازی تقلیل می یابد. با وجود شبیه سازی های عددی یک مدل برای مشکل HIV، الگوریتم پیشنهادی نشان داده شده یک ابزار سودمند و مفید برای برطرف نمودن این رده از مسئله می باشد

1مقدمه

مدل سازی و کنترل عفونت (سرایت) HIV توسط محققین متعددی مورد تخمین و ارزیابی قرار گرفته است و مدل های زیادی نیز در این نوشتجات و مقالات برای تشریح پیشرفت بیماری HIV توسعه و ایجاد شده اند. روشهای کنترل بهینه برای  پیشنهاد جلوبرنده درمان HIV در شبیه سازی های عددی نشان داده شده است. درمان های مختلفی برای عفونت HIV وجود دارد اما مشخص شده ا ست که گزینه های درمانی راه گزین برای کنترل بهتر پبشرفت HIV به علت فاکتورهای معین شامل موتاسیون ها یا جهش های موجود بین انواع نژاد ویروسی و آسیب پذیری آنها در جهت هر درمان خاص ، مفید و سودمند می باشند. کنترل بهینه HIV را با تک درمان، با دیدگاه کنترل میزان و راندمان دارویی به منظور بهینه سازی شاخص کارایی را مراجع و رفرنس ها مورد براورد قرار داده اند. هر چند در 14 درمان مختلف مورد بررسی قرار گرفته بودند اما با میزان های دارویی ثابت بوده است. مشکل به عنوان پیداکردن زمان راه گزین بهینه بین درمان ها تعریف شده بود. با فرض درمان های متفاوت، تکامل بیماری تحت هر درمانف توسط یک مدل خطی عددی برای هر نوع نژاد ویروسی به عنوان یک مد یا روش  مدل سازی شد. بعد از آن، زمان بهینه برای راه گزینی بین مد یا روش ها برای داشتن بهترین نتیجه در پایان دوره زمانی خاص، مشخص گردید. از این رو، مشکل برای قاعده بندی یا همان فرمولاسیون طرح جهت یافتن زمان بهینه راه گزین برای سیستم راه گزین کاهش پیداکرد

برای دریافت اینجا کلیک کنید

سوالات و نظرات شما