单亲遗传算法的遗传算子分析

给出了单亲遗传算法的几种主要遗传算子,分析了单亲遗传算法遗传算子的性质,证明了单亲遗传算法的几种基因重组算子具有相同的遗传操作功能,并分析了不同基因重组算子对适值计算式的影响.所得出的仿真实验结论对如何选择合适的遗传算子、提高计算效率具有重要的意义.     

综合性面试中的面试官分组方法

针对综合性面试中的面试官分组决策问题,给出了面试官的分组规则,以此为基础,构建了一个多目标非线性0-1整数规划模型,其目标分别为极小化各组中来自于同一专业(业务或职能)的面试官数量和极小化各组中面试官数量与每组平均面试官数量之间的差异,并开发了一个针对此类同题求解的遗传算法;然后,将面试官分组问题转换为最大流问题,并开发了一个基于Ford-Fulkerson标号法的求解算法.最后,通过一个算例说明两种方法的可行性与实用性,并比较分析了两种方法的优缺点,指出了每种方法的适用范围.     

电子商务下的配送中心选址问题及其优化

分析了电子商务环境下的物流配送中心的特点,提出了电子商务环境下带软时间窗的配送中心选址与车辆路线集成模型,设计了遗传算法与模拟退火算法相结合进行求解.最后通过算例说明了该模型的实用性及其算法的可行性.     

应对大规模突发事件的资源布局模型与算法

突发事件越来越频繁地发生,对应急物资保障提出了更高的要求,好的资源布局方案对地区的资源保障程度至关重要.本文根据分级的原则,利用按照灾区分组和场景分析的方法分别确定两种级别下的各个灾区应急物资需求,同时,考虑了当级别为high时营救过程的机理分析.文章针对某个区域内的应急资源布局问题,建立了一个适于多点需求,多点救助的多目标规划模型,分别考虑两种级别的资源分配,以期为选址决策者进行选址和应急资源布局提供依据.求解该问题时,针对模型设计了算法,并进行了算例分析.     

基于决策网络计划的工程项目物流方案随机优化

为解决工程项目物流方案优化中因不同方案的风险差异给决策工作带来的困难,在决策网络计划方法的基础上,提出了能够同时表达多个离散随机样本空间的决策单元结构;并将随机规划方法引入模型的优化中,建立了综合考虑成本和风险的上界极小模型及求解算法.文中以某建设项目物流方案的优化对模型的有效性与实用性进行了验证.结果表明,该模型能够有效解决风险存在差异时工程项目物流方案的优选问题,因而具有较高的理论意义与实用价值.     

基于双重遗传算法机制的路径规划

静动态障碍物同时存在的复杂环境下进行路径规划是一个比较难解决的课题.引入双重的遗传算法机制,提出了第一重遗传机制负责静态障碍物的避碰,第二重遗传算法机制以第一重机制规划出的最优路径为基础,负责动态障碍物的避碰的方法;设计优化算子,引入自适应技术提高路径的生成速度.实验表明,该方法能综合考虑多种因素,收敛到全局最优路径.     

丁(鱼岁)遗传多样性的随机扩增多态性DNA分析

利用RAPD分子标记技术对15个丁鱼岁养殖个体的遗传多样性进行分析.选用20个随机引物对其基因组DNA进行PCR扩增,有16个引物可以扩增出稳定且清晰的条带,其中S103、S104和S105为多态引物.16个引物共扩增出65个DNA位点,片段大小在200~3 000 bp之间,其中多态性位点6个,多态位点比例为9.23%.个体间遗传距离在0~0.067 4之间,平均遗传距离为0.028 6.结果显示,丁鱼岁养殖群体的遗传多样性水平较低.     

环境细菌遗传多样性分析的基因标签串测序法

把研究真核细胞表达基因种类和水平的基因标签串测序法引入环境细菌遗传多样性分析,选择细菌６Ｓ核糖体ＲＮＡ基因（ｒＤＮＡ）内０２６碱基对高变异区段为该基因变异类型的标签,连接成标答中并测序,用标签类型、频率和２多样性指数等参数在分子水平上分析环境细菌遗传多样性,建立了环境细菌遗传多样性分析的基因标签串测序法,该方法在分析环境隐含遗传多样性、提示污染生物学效应和评价环境质量等方面有的应用价值。因使用共同     

大黄鱼养殖群体遗传多样性的同工酶

应用聚丙烯酰胺凝胶电泳（ＰＡＧＥ）法对取自厦门市火烧屿养殖大黄鱼的９种同工酶１５个基因座位进行分析,结果表明：大黄鱼眼球中乳酸脱氢酶（ＬＤＨ）酶谱表现为ＬＤＨ的经典模式．在所研究的大黄鱼养殖群体中,多态位点比例（Ｐ）为０．０６７,平均杂合度的观测值（Ｈｏ′）为０．０１３,预期值（Ｈｅ）为０．０１２,位点有效等位基因数（Ｎｅ）为１．０６７,Ｈａｒｄｙ－Ｗｅｉｎｂｅｒｇ遗传偏离指数（Ｄ）为０．０８３．该养殖群体的遗传多样性水平较低,这与大黄鱼养殖群体已出现的种质退化是一致的     

金融时间序列预测中的GA-SVR方法

针对支持向量机方法在金融时间序列预测的过程中,模型参数选取不当的导致预测精度较低等问题,利用遗传算法优化选取支持向量机模型参数,建立了一种基于遗传算法优化支持向量机参数的金融时间序列预测模型。并将该方法应用于我国上证指数时间序列预测中。实验结果表明基于遗传算法优化的支持向量机方法能较好的反映金融时间序列预测规律,并且提高了模型预测精度。