昆虫兴盛不衰的原因再探讨

根据现代昆虫学研究成就 ,就昆虫兴盛和久盛不衰的原因进行了再探讨 .遗传基础的稳定性、可变性 ,环境条件的变化 ,微小的体形 ,运动方式、能力、食性、繁殖 ,变态 ,休眠及生存空间等特点成为其久盛不哀的主要原因     

目标空间分割多目标进化算法研究综述

进化算法具有求解多目标优化问题的优点。本文首先对多目标优化问题进行了描述;然后讨论了目前几种主要的基于进化算法的多目标优化方法;最后介绍了基于目标空间分割的多目标进化算法的研究现状以及面临的问题。     

海鸟 觅食生态学及其在海洋生态系统中的地位

海鸟是指生活方式和海洋密切相关的鸟类。虽然不同种类海鸟的生活史、行为以及生理特点差别很大，但它们都体现出显著的”趋同进化”特点，也就是说，海水盐度、海洋气候、潮汐、食物构成等环境因素导致了各种海鸟都具有相似的适应海洋环境的能力。     

害虫对转基因植物抗性进化的计算机模拟

采用人工生命的方法，定量模拟了不同条件下害虫对转基因植物抗性性的进化速度。结果显示只转入植物一个毒性基因常使害虫在短时间内产生抗性，若转３－４个不会产生交互抗性的毒性基因则可大大推迟到或阻止抗性的产生。     

分子减速进化的普遍性研究

分子水平“中性突变”的发现与“中性学说”的提出丰富了人们对生物进化尤其是分子进化的认识,同时对达尔文主义提出了严峻挑战.中性论者认为:分子水平的绝大部分突变对生物体既非“有利”,亦非“有害”,而是中性.它们主要是通过在群体中的遗传漂变被随机固定或消除,因而具有恒定的,与生物世代长短无关的突变速率.60年代中期Zuckerkandl等提出的“分子进化钟”假设(即分子进化速率在整个物种演化中恒定)是中性理论的主要支柱.但此假设自问世以来就一直存有争议,只是由于双方均采用相对分子进化速率(为两物种分子进化速率均值),双方的证据均不能让对方信服.为解决此论争,我们建立了绝对分子进化速率(指单一物种分子进化速率)计算方程,揭示多系-集落刺激因子(multi-CSF)与GM(粒单系)-CSF在哺乳动物进化中不遵守“分子进化钟”,其进化速率随物种进化程度提高而降低,即呈现“减速进化(slow-down evolution)”.为判断此现象的普遍性,本文系统分析了4种不同蛋白质从单细胞原核生物到单细胞真核生物、植物、节肢动物,直至灵长类中人的绝对分子进化速率的变化情况,证明“减速进化”在不同蛋白质/酶中,在不同物种进化中均普遍存在,因而推测为一种普遍的规律.此外,本文还尝试了用此规律来分析、估计相近物种(     

解约束优化问题的杂交进化策略

构造了求解非线性约束优化问题的杂交进化策略。理论分析和大量实验结果表明，本文算法具有收敛速度快和稳定性好。可应用于实际工程优化计算。     

一般系统的yoyo结构及在科学思维中的应用

在文献[1]的基础上, 介绍了一般系统的yoyo模型在人类思维领域中的应用.特别的, 在yoyo模型及旋转流体实验的基础上,在研究人的思维方面,利用yoyo模型及它的旋转域的结构讨论了人思维的运作机理,并且从理论的高度解决了如何培养人取得成就及自信的动力问题.本文及文献[1]的工作结果表明:系统的yoyo模型可以为科学研究提供一个统一的、有效的工作平台及推论的方法基础.     

基于免疫进化算法的小波神经网络的混沌优化设计

针对进化算法中的“退化”问题和小波神经网络的“维数灾”问题,将免疫算法和进化算法相结合,在引入混沌机制的基础上,提出了一种基于免疫进化算法的小波神经网络混沌优化设计方法。该方法既充分发挥了小波神经网络的快速性,又充分利用了免疫算法的全局性、适应性等特点。仿真结果表明了该算法的有效性。     

恩斯特·迈尔:20世纪的达尔文

2005年2月3日,迈尔(Ernst Walter Mayr)以100岁高龄逝世.迈尔有"20世纪达尔文"的誉称,在费希尔(R.A.Fisher)、霍尔丹(J.B.S.Halden)、赖特(S.Wright)于理论上阐述达尔文进化论与孟德尔遗传学不矛盾之后,迈尔与杜布赞斯基(T.Dobzhansky)、辛普森(G.G.Simpson)等人用实验和观察证实了遗传学和进化论的一致性,使进化论的现代综合学说在20世纪三四十年代得以建立.迈尔的后半生是在哈佛大学度过的,在那里他转向生物学史和生物哲学的研究.迈尔曾获得7个国家的16所大学和研究机构授予的荣誉博士学位,还得过33项奖,包括三项国际大奖:巴尔赞奖(Balzan Prize,1983年)、国际生物学奖(International Prize for Biology,1994年)和克拉福德奖(Crafoord Prize,1999年).     

求解二元约束满足问题的多智能体进化算法

基于智能体对环境的感知与反作用的能力提出了一种新的求解二元约束满足问题的方法.该方法将多智能体系统与进化算法有机地结合起来,每个智能体固定在网格的一个格点上,而它为了增加自身能量将与其邻域展开竞争.同样,智能体也可利用自身的知识进行自学习来增加能量.根据二元约束满足问题的特点,设计了智能体的竞争行为与自学习行为.为了克服已有编码方式的缺点,为智能体设计了最小冲突编码.理论分析证明算法具有全局收敛性.实验中用250个不同难度的标准问题对算法的两个参数进行了系统的分析.结果表明该算法的性能非常稳定,参数少,易于使用.与4个著名方法的比较结果表明该方法获得的解的质量是最高的,其性能优于其他4种方法.