不同动物小肠肌间神经丛内NOS神经元分布的比较

采用NADPH-黄递酶组织化学法对草鱼、牛蛙、家鸡和大鼠小肠肌间神经丛内NOS阳性神经元的分布进行了比较研究．结果表明，NOS阳性产物在草鱼肌间神经丛中未见分布，而在其它几类动物中阳性反应明显．但在不同动物NOS阳性神经元的形态、分布、密度及神经纤维的分布存在差异．在牛蛙、家鸡和大鼠的小肠肌间神经丛中，NOS阳性神经元的分布从分散到集中，形态呈现由不规则形到规则形再到不规则形的复杂变化；神经节从无到有，神经网络由不发达趋于发达；而在每种动物中，NOS阳性神经元的密度沿肠道由前向后基本呈上升趋势，这种节段性的差异牛蛙极显著，家鸡和大鼠则不甚显著．实验结果提示，随着动物的进化，一氧化氮能神经元在肠肌间神经丛中的分布也更加复杂而有序，从而使胃肠道的调节更加精确．     

基于可编程主动网络语言的最短路径优先网络模型

提出了基于可编程主动网络语言 (programminglanguageforactivenetworks ,PLAN)网络现有架构 ,以开销 (cost)代替跃点 (hops)记数计算网络路径长度 ,实现最短路径优先 (shortestpathfirst,SPF)路由规则的主动网络模型     

纳米量级超导粒子电子比热中的量子尺寸效应

考虑了奇/偶电子数分布,从配分函数出发,用静态路径近似(SPA)方法和BCS方法计算了随机矩阵理论中高斯正交系综(GOE)所对应的电子能级分布对超导纳米粒子的电子比热的影响,得到了弱自旋-轨道耦合和弱磁场中和奇/偶电子数分布下的电子比热,并做了简单分析.经过计算和分析,发现粒子尺寸和奇/偶电子数对电子比热和转变温度有影响.     

基于改进遗传算法的前向神经网络

针对遗传算法的主要算子———交叉算子 ,设计了新的交叉算子 ,使个体尽可能地分散在整个解空间 .在具体交叉操作中 ,产生随机个体参与交叉以更好地搜索新的解空间 .并提出了组合变异策略 ,假如对变异后个体隔代保护策略 ,构造了一个有效的改进遗传算法 .利用该改进遗传算法 ,构造了前向进化神经网络 .它综合了改进遗传算法优良的全局寻优性能和前向神经网络的非线性映射能力 .     

动态环境中基于遗传算法的移动机器人路径规划的仿真

动态环境中 ,移动机器人的动态路径规划是一个较难解决的课题 .提出了一种基于遗传算法的移动机器人的路径规划方法 .该方法采用实数编码和有明确物理意义的适应度函数 ,可以加快实时的运算速度和提高运算精度 .同时 ,该方法充分挖掘了可应用遗传算法解决移动机器人动态路径规划的潜力 .计算机仿真表明 ,仿真该控制方法具有良好的动态路径规划能力     

基于计算机试验的进化博弈研究

采用理论分析与计算机试验的方法研究一类常见的社会悖论问题———重复多人囚犯博弈问题.用随机试验方法对局中人的各种博弈法则进行分析比较,研究支付函数与博弈环境对各博弈法则性能指标的影响.并以进化博弈的观点,讨论在长期的重复博弈过程中,博弈法则进化到某种稳定状态的情况.     

带限制条件的最短路径算法与实现

给出了在GIS环境下带限制条件的单源最短路径算法,该算法是基于二叉堆优先级队列及邻接表的Dijkstra算法.根据用户给出的起始节点和目标节点以及避开节点列和必经节点列,在建立的搜索图中用Java语言实现分段查找最短路径.     

基于遗传算法的可进化模拟滤波器的实现

以遗传算法和可编程模拟器件ispPAC80为评估手段和载体，实现了可进化的模拟滤波器的设计，将遗传算法和可编程模拟器件相结合，可在无须改动硬件的情况下。实现转折频率和阻带衰减等滤波参数的变换(即可进化性)，其性能达到甚至超过经典的同阶滤波器。     

一类基于分治原理的多种群协同进化算法

根据脑生理学和社会分工的特点和方式,提出一类"分而治之"多种群进化算法。该算法在任务分解机进行任务分配后,子种群独立完成所分配任务,与其它群体几乎不发生联系。在子伤务完成后,各子群中的优秀分子组成新的种群,在整个问题空间完成进化,然后由决定机构根据情况选择相应的可能行动。最后就两个复杂多模态函数优化问题对该算法进行了实验研究,结果表明:合理的"分而治之"方法在效率和效果上明显优于单种群方法。     

物种的生态入侵及进化遗传

介绍了外来物种入侵后对当地的环境所带来的生态影响和进化影响 .同时阐述了入侵种进入新的环境后 ,其遗传结构发生显著变化 .如 :选择和遗传变异 ,杂交与环境作用和特殊基因的作用及遗传重组等 .