蓖麻组织培养及遗传转化概况

蓖麻油广泛用于航空、航天、纺织业、农药、医药,而且还是许多芳香物质的原料.组织培养技术能够保持植物原有优良性状等优势,通过遗传转化技术可以改良品种.本文以蓖麻组织培养的起始材料、激素的选择和使用,解决组织培养过程中问题的方法等,阐述了蓖麻组织培养和遗传转化的研究进展.     

基于遗传神经网络的股票价格预测

针对股票市场的复杂性,本文将遗传算法用于BP神经网络的训练过程,建立了相应的优化模型,并将其应用于股票价格的预测。采用遗传算法对网络结构和权值进行优化,提高了网络的预测精度。实践表明：该方法预测精度高、误差小,值得推广。     

基于mtDNA COI序列的福建B型烟粉虱田间种群分析

本研究对福建B型烟粉虱10个田间种群的线粒体DNA COI基因(mtDNA COI)进行测序,并通过与NCBI数据库上埃及、湖北、武汉3个B型烟粉虱地理种群的mtDNA COI的序列进行比对分析,结果表明在核苷酸多样性、单倍型数、单倍型多样度上,不同地理种群都不一样,但是福建种群这些遗传特征数据显著高于其它地理种群.结合近年来我省田间烟粉虱种群抗药性水平迅速提高这一结果分析,可以推测,在不同杀虫剂压力选择下,不同抗性基因得以在我省不同地理群体中流动,种群内呈现比较明显的抗性遗传分化趋势,群体遗传多样性也更为丰富,表现出烟粉虱对不利环境较强的适应能力.     

GASA-SVM改进算法及其在柴油机供油系统故障诊断中的应用

针对目前支持向量机(SVM)参数选择的盲目性,结合遗传算法GA的并行搜索和模拟退火算法SA的概率突跳特性,提出一种改进的基于遗传退火算法(GASA)混合策略优化支持向量机惩罚函数和核函数参数的GASA-SVM算法。利用柴油机供油系统油压波形的实测数据,归一化处理后作为诊断模型的特征值,建立了基于GASA-SVM的柴油机供油系统故障诊断模型。通过与BP神经网络、RBF神经网络、SVM和GA-SVM故障诊断模型比较表明:应用GASA-SVM建立的故障诊断模型在故障识别准确性上优于其它网络模型,能够有效进行柴油机供油系统的故障诊断。     

遗传算法在共形天线阵方向图综合中的应用

使用遗传算法(GA)来优化基于圆柱共形的天线阵的方向图,以实现所期望的平均副瓣和指定方向的零陷.作为一种优化算法,它能解决一些N维和非线性的优化问题.首先给出了共形阵列的方向图公式,其次介绍了GA算法和其它阵列综合方法.最后给出了应用实例及其运用不同方法的仿真结果.结果表明,该算法是一种解决多维和非线性问题的行之有效的方法.     

PGAs求解双层规划及其在分销系统优化设计中的应用

研究并行基因算法求解双层规划问题及其在供应链物流分销系统优化设计中的应用.利用下层优化问题的KKT条件把双层规划问题转化为等价的单层规划问题,再利用并行基因算法对得到的单层规划问题进行全局优化,从而得到双层规划问题的全局最优解,最后,通过具体案例研究了上述算法在供应链物流分销系统优化设计中的应用.结果表明,并行基因算法求解双层规划,充分利用了现有计算环境的并行能力,加快了收敛速度,改善了基因算法的全局收敛性能,算法达到了实用化的规模,是一种很有应用前景的计算方法.     

多目标进化计算收敛到Pareto最优解集的证明

多目标优化方法经历了一个从确定性搜索算法到随机搜索算法的过程 ,本质上仍是单目标优化的目标组合方法到真正意义上的向量优化方法的过程 ,至今仍在不断地发展中 ,但仍有大量未解决的问题。对多目标进化计算的研究是近年来求解多目标优化问题的重点 ,但目前仍未能证明多目标进化计算的收敛性 ,同时 ,单目标进化计算的收敛性结论不一定能推广到多目标的情况。对该问题进行了探讨 ,提出并证明了三个定理 ,并且算例说明了该理论的正确性。     

遗传编程用于雷达导引头系统建模

考虑到雷达导引头的非线性动力学特性和恶劣的工作环境,利用Ｋｏｚａ于９０年代初提出来的遗传编程技术,给定初始种群,经过繁殖和进化,来辨识雷达导引头的非线性动力学模型。此方法是对非线性系统进行辨识的有益探索。由于计算量很大,目前只获得了简单的非线性数学模型。     

灰色线性规划的Genocop算法求解

利用遗传算法的思想给出了线性规划的Genocop算法,进而针对灰色线性规划问题设计了灰色Genocop的求解程式,并使用Matlab语言开发了相应软件,给出了一个实例求解结果。大量运算结果表明,该算法对灰色线性规划问题求解非常有效。     

银行家算法在高校排课系统中的应用

银行家算法是操作系统中用来避免死锁的一种典型的算法。本文主要论述了银行家算法的思想,利用该算法在高校排课系统中针对选修课程教室安排中的应用,并设计了一种排课的方案,从而使每个教室都能得到充分合理的安排,突出了银行家算法相对其他算法在高校排课系统中的优势。