转基因育种技术发展研究综述

综述了基因工程在转基因育种中的研究进展,介绍了转基因育种的应用领域及常用的转基因技术,在分析了基因工程在遗传育种中应用限制因素的基础上,对其未来发展趋势进行了展望。     

考虑能耗的自动化码头装卸设备协调调度

为提高自动化码头服务水平和减少能耗,在考虑自动化码头装卸设备作业能耗的基础上,针对自动化集装箱码头三种装卸设备(岸桥、自动引导车和自动堆垛机)间的协调调度问题,以设备总作业时间最短和总作业能耗最低为目标,建立多目标混合整数规划模型,并用遗传算法求解。结果表明,考虑能耗会对装卸设备的装卸时间产生影响,能耗要求越低,装卸时间越长。利用该模型可以实现三种装卸设备间的协调调度,并实现时间效率与节能之间更好的权衡。     

基于时空相似测度的冷链物流分区配送路径优化

为提高生鲜品冷链物流配送的时效性,进而提高冷链配送企业的服务质量和市场竞争力,考虑客户地理位置的相邻性和交货时间窗的相似性,提出基于时空相似测度的冷链物流分区配送路径优化模型。借助基于时空相似测度的k-means聚类方法和遗传算法,实现客户的动态分区和路径优化。通过算例发现:基于时空相似测度进行分区的路径优化方案不仅在配送成本、时间惩罚成本和货损成本上明显优于基于传统的固定分区和基于空间相似测度进行分区的路径优化方案,而且时效性也明显改善。     

遗传算法和BP神经网络在铜板带轧制力预测中的应用

将BP神经网络结合遗传算法用于铜板带冷轧轧制力的预测,并与以Bland-Ford公式为基础的冷轧力预报及引入遗传算法前的网络预报结果进行对比分析,实验结果表明本文的方法具有较高的计算精度.     

从西藏地方立法角度探讨西藏生物遗传资源保护

以西藏生物遗传资源的丰富度及其特点为例,分析我国及其西藏地方立法的缺陷,提出针对遗传资源进行专门立法,进而对一些制度的建构进行讨论。     

浙闽香鱼4个群体遗传多样性的RAPD分析

采用RAPD分子标记技术对采自福建东张水库(DZ)、浙江楠溪江(N8、N9)和浙江省海洋水产养殖研究所清江试验场(QJ)的香鱼4个群体进行遗传多样性和遗传关系分析.筛选出15条RAPD引物在4个群体72个样品中共检测到106个稳定清晰的位点,其中多态性位点47个,多态位点比例(PPL)为44.34％.群体遗传多样性分析...     

基于遗传算法参数优化的最小二乘支持向量机财务困境预测

传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。     

三倍体无籽西瓜教学难点解析

在教学实践中发现,很多学生对三倍体无籽西瓜非常感兴趣,同时总是存在一些疑惑。本文针对教学中学生提出的疑问进行了分析和探讨。     

基于径向基函数、区间分析和非支配排序遗传算法的结构区间多目标优化

研究目的：为改善实际工程结构在不确定性条件下的多性能指标,提供一种高效的区间多目标优化方法。创新要点：建立一个目标和约束均为区间不确定性参数函数的区间约束多目标优化模型,提出并实现基于径向基函数、区间分析和非支配排序遗传算法（NSGA-II）的区间多目标优化算法。研究方法：首先,利用区间序关系将每个区间目标转换为同时优化其中点和半径的确定性双目标,利用区间可能度法将区间约束转换为确定性约束,并在此基础上,利用加权法和罚函数法将每个区间目标的约束优化问题转换为相应的无约束优化问题;然后,利用拉丁超立方实验设计和有限元分析构建预测各待优化结构性能指标值的径向基函数;最后,将径向基函数、区间分析法与NSGA-II相结合,快速求出转换后确定性无约束多目标优化问题的所有Pareto最优解,并通过考虑材料不确定性的高速压力机滑块机构设计实例验证该方法的有效性。重要结论：目标和约束均为不确定性参数函数的区间多目标优化模型能有效反映实际工程中同时改善结构多性能指标的需求。基于径向基函数、区间分析和NSGA-II相结合的区间多目标优化算法将传统区间优化模型求解中的嵌套优化过程简化为单层遗传优化过程,大大提高了求解效率,并可获得多目标优化问题的所有Pareto最优解。     

改进遗传算法求解单任务Agent联盟

多Agent系统中,Agent形成联盟来完成任务,是Agents间的一种重要合作方式。遗传算法在求解单任务Agent联盟时存在稳定性较差、收敛速度慢、寻优能力不强等问题,对此,提出一种基于改进遗传算法的单任务联盟形成策略。该方法通过定义衡量遗传算法种群多样性参数,根据该参数值使用不同的配对策略在潜在交叉集合中选择个体进行配对交叉,以减少无效的交叉操作,从而提高交叉操作的效率;针对传统变异算子缺乏一定的方向性,通过个体Agent能力大小确定变异基因位,以提高算法搜索性能。对比实验结果表明,该算法可以快速、高效地找出合适的Agent联盟。