细菌水平基因转移所面临的现实与挑战

水平基因转移对细菌遗传物质进化的影响是存在争议的.本文着重从水平基因转移的进化思想和水平基因转移在进化方面的重要性,特别是在原核细胞进化方面作一综述.首先,阐述水平基因转移在细菌物种进化中的进程;其次,阐述水平基因在不同的进化阶段的范围或广度,此外,讨论重建（或改造）旧的系统发育树关系在面临水平基因转移的可行性;最后,讨论水平基因转移是如何适应新的达尔文进化论学说的,而且需要一种新的进化论去诠释细菌物种的进化机制,水平基因转移就是其中一个很重要的原因.     

启发式仿真优化方法在设备配置中的应用研究

仿真优化方法研究的是基于仿真的目标优化问题，基于模型仿真给出的输出量通过优化算法得到最佳的优化结果。由于实际物流系统的复杂性及其本身的随机性，重要物资设备的合理化配置问题需要使用仿真优化方法来解决。港口拖轮是港口物流系统中重要的设备，对拖轮总体配置进行优化研究，提出拖轮数量及马力配置的合理方案，以适应港口的发展，具有重要的现实意义。利用仿真优化方法的原理，开发了一套港口拖轮配置启发式仿真优化系统，能得出理论上最佳的拖轮配置方案，辅助管理者做出科学的决策。     

非线性位移时间序列分析模型的进化识别

引入进化算法的全局优化思想,结合时间序列分析的基本理论,提出了一种新的岩土结构变形非线性动力学演化特征的进化识别算法·设计了能自动确定输入时步长度以及非线性动力学模型结构和参数的分步进化方案,对非线性时间序列分析模型的结构和参数进行全局最优搜索·将该方法用于三峡永久船闸高边坡开挖变形的预测分析,取得了满意的效果,提供了一个有效的岩土工程设计与施工的分析工具·     

三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

市场行为的进化和控制——个出租车市场的例子

经济主体在市场中的行为通常只能依赖于不完备的信息,但是即使如此,每个经济个体还是会根据所处的宏观环境修正自身的行为策略以提高收益状况,从而构成市场行为进化中的宏观结构与微观行为相互影响的自组织现象;所谓市场的“习惯”正是这种自组织进化的结果;但是,由于信息的不完备和初始条件的不同,使得通过自组织形成的市场规范不一定会达到最优状态;因此,必要的干预是不可缺少的。本文以出租车市场为例,利用一个进化对策模型模拟了市场行为的进化规律,并通过对参数的讨论分析了控制市场行为进化方向的策略与方法。     

政府与农村精英对农村公共品的供给决策分析——基于演化博弈的视角

在有限理性的条件下在政府和农村精英之间运用演化博弈的分析方法来研究政府和农村精英对农村公共品的供给,试图找到政府和农村精英在提供农村公共品时最优均衡点,政府可以制定激励相容政策,引导多元化供给,进行制度创新等促进农村经济发展.     

证券市场中大股东“掏空”策略的演化博弈分析及调控

随着所有权从分散走向集中,大股东的行为在公司治理问题中的地位日益重要。针对此种情况,笔者从公司治理角度对大股东行为问题的现实背景进行分析,在此基础上通过建立演化博弈模型从有限理性的角度分析大、小股东博弈双方的演化稳定策略（ESS）,并且在博弈矩阵中引入监管力度因子,说明各参数变化对均衡结果的影响,从而为规范证券市场中大股东的行为提供决策参考。     

径向对称的拟线性热方程的新精确解

利用函数不变集方法,讨论了径向对称的N维拟线性热方程的旋转不变集和精确解,给出了径向对称的拟线性热方程在旋转群上不变时满足的约束条件,进一步求解约束条件得到了上述方程的一些精确解,文中的结果推广了Galaktionov关于非线性演化方程的结论.     

大鼠心肌缺血模型在环境毒理学中应用的探讨

结扎大鼠左冠状动脉的左室支,造成局部心肌缺血,大体标本活性体染色与光镜检查的结果相符合,均显示缺血中心区大部分心肌梗塞,变性;缺血损伤在导致心电图紊乱的同时,还使心肌组织的脂质过氧化产物丙二醛大量生成和自由基清除剂超氧化物歧化酶的活性显著下降;     

自然遗传算法及其性能分析

在为种群大小遗传算法的基础上引入“种群阈值”及“移民”等概念,并采用动态调节交配率及变异率等措施,提出了一种自适应的遗传算法。该算法通过模拟自然界的“生老病死”过程来实现问题求解,并力求解决遗传算法的参数控制及过早收敛等问题。且介绍了该算法的基本思路,并对其性质进行了分析。