制止生物剽窃的防卫罩及其效果反思

随着现代科技的日趋发达,对基因资源的研究所能带来的巨额利润,引导着一场日趋激烈的基因争夺赛.大量宝贵的基因资源,流向了资金技术力量雄厚的地区,进而利用西方现行的知识产权法律体系对已开发的技术申报专利,这也引发了一系列对基因资源所有者的权益保护和公平补偿的问题.我国以其独特的人文地理优势,保留了大量宝贵的基因资源,是发达国家用以研究所努力争夺的"富矿",因此也面临着保护基因资源、制止生物剽窃的独特的紧迫性.生物多样性公约提出的基因资源保护"三原则",似黑暗中的一屡曙光,赢得了一片赞赏,但在实施中也面临了一系列艰难的挑战.     

专利申请中遗传资源来源公开问题系列研究(三)——总体评析、要素分析和相关建议

本文对遗传资源来源公开要求的目的、设立基础和效果、影响等进行了总体评析,指出发展中国家提出这一建议除了旨在加强对遗传资源的保护之外,也体现出对国际知识产权规则加以变革的想法,也正因为如此,发达国家和发展中国家在此建议的作用和效果问题上形成了不同的见解和主张.之后,本文从制度设立的角度对遗传资源来源公开要求中涉及的各个要素进行了介绍,归纳整理了利用现有专利法规定的若干解决思路.最后对我国相关问题的总体解决思路和政策制定提出了建议.     

专利申请中遗传资源来源的披露研究(一)

在专利申请中披露遗传资源的来源是促进<生物多样性公约>目标的实现与遗传资源的获取和惠益分享法律规范实施的重要措施.就披露要求的目标而言,披露要求可以阻止对于遗传资源的不当利用以及确保遵守事先知情同意和惠益分享的义务.关于披露要求的范围,披露要求可能覆盖二个方面的与请求保护的发明有关的信息.披露要求的启动主要解决的是遗传资源与请求保护的发明之间的关系问题,但是现有的立法和建议对此存在较大的争议.     

旱涝灾害的遗传-神经网络集成预测方法研究

利用遗传算法的全局搜索能力同时进化设计三层BP神经网络的结构和连接权,并以进化后的网络结构和连接权作为新的神经网络结构和初始连接权,再进行新一轮附加动量的BP神经网络训练,把训练后的结果简单平均集成,以此建立旱涝灾害的遗传-神经网络集成预测新方法。应用该方法对广西桂林6月(主汛期1995~2005年)的降水量进行实例预测的结果表明,该方法的收敛速度快,预报精度高,易于操作,是一种具有较高应用价值的预测方法。     

P2P资源搜索算法概述

在介绍P2P的网络体系结构的基础上,分析P2P搜索算法的优缺点,阐述非结构化P2P网络和结构化P2P网络采用的搜索算法,为高性能的P2P搜索算法的提出奠定基础.     

旅游资源评估中专家因素影响的实证研究——以龙胜旅游资源评估为例

在前人研究的基础上,为了准确的评估旅游资源的价值,通过将层次分析法和模糊评估法有机结合的基础上,探讨在龙胜旅游资源评估中专家因素对评估结果影响的实证研究.     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.     

考虑员工移动成本的车缝生产线平衡问题

针对车缝生产线多品种小批量和自动化程度低等特点,提出了考虑员工多工序作业移动成本和为瓶颈工序增设适量设备的车缝生产线平衡问题。通过引入虚拟工作站和标准在制品（SWIP）库存概念,构建最大平衡率和最小生产节拍的双目标优化模型。最后,通过设计枚举算法和基于贪婪搜索策略的多目标遗传算法获取新增设备方案、标准在制品数量以及线平衡优化方案。车缝生产线实例计算结果表明,线平衡率及生产效率得到大幅提升,验证了模型和算法的合理性与有效性。     

基于遗传算法的火电机组运行优化

火电机组运行优化正成为火电厂运行工作和技术攻关的重要方面.文中结合某300MW燃煤机组运行实例,对其主要性能参数进行敏感性分析,得出性能参数偏差对煤耗率的影响规律,其中,飞灰含碳量、炉膛出口烟气含氧量、排烟温度、凝汽器真空度、给水温度、主蒸汽压力6个参数的每工程单位偏差对煤耗率的影响最大.在此基础上,建立了以煤耗率最低为目标函数的优化模型,并采用遗传算法进行寻优求解.最后,开发了火电机组运行优化软件,并在其上进行机组运行优化计算,得到了一个参数最优化的运行方案.优化结果表明,供电标准煤耗率比原来降低了约1.41 g/(kW.h).     

RS-GA-KNN算法识别灵长类动物DNA序列剪接位点

以灵长类动物DNA序列的剪接位点识别资料为研究对象,将选定样本序列中各碱基编码作为原始变量数据,用粗糙集方法和遗传算法对原始变量数据进行变量筛选,即以粗糙集方法选取的变量为基础,用遗传算法进行变量的二次搜索,从样本序列各碱基中挑选出保守性强的碱基对应的变量构成变量集,采用最近邻聚类识别灵长类动物DNA序列剪接位点类型,总识别准确率达90．66％,明显高于直接使用原始变量数据或将粗糙集理论方法和遗传算法单独用于变量选取的识别结果．