基于浮点数编码的信息熵控制多种群遗传算法

在用准精确惩罚函数处理约束优化问题的基础上，提出一种基于浮点数编码机制的信息熵控制多种群遗传算法。通过在遗传设计中定义一个新的概率而引入信息熵概念，构造出一个信息熵优化模型。该模型不必完全求解，即可容易求出作为概率的拉格朗日乘子，得出空间收缩概率，控制各种群中解空间的收缩。信息熵的介入可使优化过程更加平稳，收敛更快。同时，该算法给出了一种科学而有效的遗传设计收敛判据。实例证明该文算法在求解约束优化问题时快速、有效。     

求解多目标单机分批排序问题

分批排序(Batch Scheduling)是在半导体生产过程的最后阶段提炼出来的一类新型的排序问题．单机分批排序问题就是n个工件在一台机器上加工，要将工件分批，每批最多可以同时加工B个工件，每批的加工时间等于此批工件中的最大的加工时间．目前只有Cheng-shuo Wang，Reha Uzsoy运用Random Key方法编码研究了单目标函数为Lmax的分批排序问题．给出组合优化中的多目标分批排序问题的一种新编码，结合模糊数学知识，运用遗传算法研究多目标分批排序问题．研究了多目标遗传算法的机制特征，进而给出求解多目标分批排序的遗传算法．     

转几丁质酶基因烟草后代的遗传分析

本论文采用分子检测(PCR扩增、PCR-Southern杂交)与表型检测(接真菌实验、酶活力测定)相结合的手段，对花粉管通道法及载体法导入几丁质酶基因烟草后代的遗传表现进行研究。结果证明通过不同方法导入受体细胞基因组中的外源基因均能遗传给后代，并能在转化受体当代及后代中高效表达。但采用花粉管通道法导入的外源基因虽然能够遗传给后代，但分离比复杂，遗传规律性较差。而载体法导入的外源基因T1代x^2检测符合3：1的遗传分离比，遗传稳定性要好于DNA直接导入。因此，建立良好的遗传转化系统是外源基因稳定遗传和表达的前提。     

基于模糊理论和遗传算法的航空齿轮可靠性优化设计

该文运用模糊理论,建立全面考虑设计变量模糊性和随机性的数学模型,并针对设计变量的多样性,采用实值编码自适应遗传算法对航空齿轮进行可靠性优化.结果表明,基于模糊理论和遗传算法的优化方法能找到更符合工程实际的优化解.     

容器大小对不同基因型果蝇发生量影响的遗传分析

果蝇发生量是数量性状,选用野生型、檀黑体、残翅和白眼四种不同基因型的果蝇,设计25种不同的杂交组合,并将其培养在不同大小的容器内,统计各种组合的子代果蝇发生量。经方差分析,结果表明:环境(不同容器大小)对果蝇的发生量影响最大。不同基因型以及基因型与环境的互作对果蝇发生量的影响在不同的杂交组合中也达到极显著差异或显著差异。说明果蝇的发生量是由基因型和环境交互作用的结果。     

基于遗传算法的约束广义预测控制

广义预测控制要求控制对象必须是线性无约束的，优化的性能指标也必须是二次型形式，因此，广义预测控制的工业应用存在很大局限性．本文尝试用遗传算法来解决存在约束的广义预测控制的优化问题，给出了基于遗传算法的广义预测控制算法的实现方法，并通过工业过程对象的仿真，验证了该方法的有效性，且控制效果良好．     

论应用多基因转化策略综合改良生物体遗传性研究方向的前景Ⅰ.多基因转化的基因来源与技术平台

随着后基因组时代的到来,人类将克隆到越来越多的、生物学意义明确的有用基因应用于基因工程对生物体的遗传改良中.但生物体的绝大多数性状和生理功能都是依靠多基因的协调表达而实现的.因此,多基因转化策略必将成为今后基因工程在基础理论与实际应用研究中的主流方向.结合中山大学生物工程研究中心∥基因工程教育部重点实验室10多年来研究工作的实践体会,对发展多基因转化策略的意义和由来、多基因转化可用的基因资源和技术思路,进行了详细的论述.     

四个意大利蜜蜂品系苹果酸脱氢酶Ⅱ基因的遗传差异分析

研究了意大利蜜蜂(A.m.ligustica)4个王浆、蜂蜜生产性能不同品系-美意(Em)、澳意(Eo)、苏意(Es)和平湖浆蜂(Ep)的MDHⅡ同工酶基因型频率、基因频率及杂合纯合度.试验发现,MDHⅡ的a、b、c三个等位基因在4个品系中出现的频率不同.c在Em、Eo、Es和Ep中的基因频率分别为0.507、0.483、0.680和0.820,为优势等位基因.该结果表明在产浆性能高的品系中c基因频率较高,意味着可将c基因频率作为意蜂王浆产量性能的一个遗传标记.等位基因a在Em、Eo、Es和Ep中频率分别为0.323、0.263、0.193和0.087;在Em中出现的频率最高.而等位基因b在Eo中频率(0.253)高于其他3个品系(Em,0.170;Es,0.127;Ep,0.093).Ep的纯合度最高,达0.753,高于Em(0.533)、Eo(0.633)和Es(0.540).经独立性检验,4个意蜂品系MDHⅡ同工酶的基因型频率、基因频率、纯合度均达到极显著差异水平.     

用遗传算法求解多目标0/1背包问题

扼要介绍多目标优化的Pareto最优性概念 ,研究搜索多目标 0 1背包问题Pareto最优解集的快速遗传算法 (FPGA :fastParetogeneticalgorithms) .FPGA采用种群中非支配解的层次评价可行解的适应值 ,提出了一种快速非支配解层次辨识算法 ,辨识算法仅有O(n2 )数量级的计算复杂性 ;采用基于聚类概率排挤的小生态技术维持种群多样度和Pareto最优解集的分布均匀性。对多种多目标 0 1背包问题的仿真优化实验结果表明 ,FPGA能够以有效的计算成本搜索到精度高的、分布均匀的高质量Pareto非劣解集 ,其收敛速度和收敛准确性一致地优于代表性的强度Pareto进化算法 (SPEA) .