基于支持向量机对种群特征回归分析的自适应遗传算法

在分析标准遗传算法易发生早熟收敛的基础上,提出了遗传算法种群特征代间海明距离的概念,代间海明距离可以较好的反映算法运行的总体与动态性能.应用支持向量机对遗传算法的代间海明距离进行了回归分析,遗传算法依据回归分析结果调整其整体优化策略,同时依据算法当前运行情况自适应调整种群的多样性,有效地避免了遗传算法的早熟收敛.数值实验结果表明,该改进算法搜索整体性较强,搜索效率优于标准遗传算法,提高全局优化能力.     

遗传算法的早熟收敛

通过对遗传算法机理的分析,指出模式缺少是早熟产生的原因.提出了一个在遗传算法中基于模式抽取和模式补偿的补偿算子,以解决早熟现象.     

基于混合遗传算法优化的MLP神经网络的调制方式识别

提出了一种基于遗传算法与多层感知神经网络的调制识别方法,运用改进遗传算法优化的多层感知神经网络分类器对各种调制信号的特征矢量进行分类识别.利用遗传算法的高效全局特性,克服了传统BP算法易于陷入局部最优解的缺点,同时在遗传算法基础上增加梯度下降算子,加快了收敛速度,使得分类器的识别率、收敛速度和鲁棒性得到明显改善,仿真实验的结果证明了此方法的有效性和可行性.     

遗传算法在方程求根中的应用

提出了一种新的求根方法，即将遗传算法应用于方程求根的领域之中，并在大量数值实验的基础上，将遗传算法与数学上常用的传统求很方法进行了比较，实验的结果表明，遗传算法具有一定的优越性．     

利用启发式信息优化多连接查询的遗传算法

结合多连接查询的特点,讨论了在左线性树空间的遗传优化算法,采用有序串编码方法和专门的杂交、变异算子;并利用查询优化中的增量启发式信息初始化种群,来提高遗传算法的收敛速度．我们将遗传算法与迭代修正的局部搜索策略相结合,解决传统的遗传算法缺乏较强的局部搜索功能的问题．     

模拟退火-改进遗传算法及其应用

论述了遗传算法在全局搜索中的优势和模拟退火算法在局部寻优中的能力，进而提出了两者相结合的算法：模拟退火一改进遗传算法。通过比较，说明模拟退火一改时遗传算法的优化性能更好、更完善，并在实际应用中取得了良好的应用效果。     

一种新的遗传算法最优保存策略

提出了一种新的遗传算法最优保存策略,该策略在最优个体保留的基础上,添加一个与最优个体相异因子较大,而适应值不过小的个体.这样做既利用了最优保存策略的全局收敛性,又通过新添加的个体来保持种群的多样性,以防止早熟现象的出现.对典型优化函数进行了测试,结果表明基于新的最优保存策略的遗传算法(DESGA)收敛性能显著好于一般简单遗传算法(SGA)和最优保存简单遗传算法(ESGA).该策略与最优保存策略一样具有一般通用性.     

一种基于整体退火遗传算法的动态IR Drop分析新方法

提出了一种基于整体退火遗传算法的动态IR drop分析方法.该方法在经典遗传算法基础上,引入父代竞争和适应函数模拟退火处理,优化了动态分析的输入向量,加快了分析速度.实验表明,与经典遗传算法相比,该方法提高了动态IR drop分析的准确性,提高了算法收敛速度,繁殖代数平均减少了35%,分析结果改进了10%左右.     

基于实数编码遗传算法的多层神经网络BP算法

提出用实数编码的遗传算法来优化多层神经网络的权值，并且将遗传算法与ＢＰ算法结合，能有效地避免ＢＰ算法陷入局部极小和遗传算法过早收敛，实验结果令人满意．     

求解投资组合模型的遗传算法

针对投资组合模型的特点，研究了遗传算法的编码、算子和算子参数，设计出了一个能够求解投资组合模型的遗传算法．实证分析表明，在求解复杂的投资组合模型时，遗传算法的实算结果要优于梯度算法的实算结果．     

遗传标记技术在中华鳖研究中的应用

综述了遗传标记在中华鳖种群差异性分析中的应用,同时对中华鳖种质资源分子评价的未来发展趋势进行了简要的讨论,以期为进一步了解中华鳖的遗传背景,发掘中华鳖的遗传潜力以及种质改良奠定基础,也为同类研究提供参考.     

两个不同江豚群体ISSR遗传多样性初步分析

采用ISSR分子标记对中国水域隶属于不同江豚（Neophocaena phocaenoides）亚种的两个群体即长江群体和渤海群体的遗传多样性进行分析。用19条ISSR引物及3对引物组合对两个群体共36个样品的基因组DNA进行PCR扩增，共得到115个清晰的扩增位点，其中多态性位点48个，多态位点百分率（PPL）为41．71％。POPGENE分析结果表明：两个江豚群体的总体遗传多样性水平相对较低（He=0．1643；Ho=0．2413）；长江群体的遗传多样性水平（He=0．1530；Ho=0．2223）稍高于渤海群体（He=0．1402；Ho=0．2059）。Nei＇s遗传多样性分析结果表明群体结构水平较低而基因流水平较高（Gst=0．1049；Nm=4．2676），提示在历史上可能发生过较强的基因交流。我们建议在保护上将两个群体划分为不同的管理单元。     

大花无柱兰遗传多样性的SRAP标记分析

大花无柱兰是一种珍稀兰科植物,具有一定的观赏和药用价值,但数量十分稀少,该物种亟待保护。本研究采用SRAP分子标记技术,对10个居群的115份DNA样品进行PCR扩增,并开展遗传多样性分析。从81对引物中筛选出9个条带清晰、多态性好、重复性高的引物组合,共扩增得到305条谱带。在物种水平上,多态性比率（PPB）为100%,Nei’s基因多样性指数（H）为0.209 8,Shannon’s指数（I）为0.340 2;在居群水平上,PPB为24.59%～52.13%,H为0.079 6～0.165 5,I为0.120 9～0.252 3。居群水平上,基因分化度（Gst）为0.520 9,基因流（Nm）为0.459 9,遗传距离为0.091 9～0.198 4。UPGMA聚类结果表明,10个居群可分为3大类,地理距离相近的居群优先聚集。大花无柱兰的遗传多样性较为丰富,居群间存在一定的遗传分化和基因交流,可采用就地保护和人工栽培等方式加以保护。     

大花无柱兰遗传多样性的SRAP标记分析

大花无柱兰是一种珍稀兰科植物,具有一定的观赏和药用价值,但数量十分稀少,该物种亟待保护。本研究采用SRAP分子标记技术,对10个居群的115份DNA样品进行PCR扩增,并开展遗传多样性分析。从81对引物中筛选出9个条带清晰、多态性好、重复性高的引物组合,共扩增得到305条谱带。在物种水平上,多态性比率（PPB）为100%,Nei’s基因多样性指数（H）为0.209 8,Shannon’s指数（I）为0.340 2;在居群水平上,PPB为24.59%～52.13%,H为0.079 6～0.165 5,I为0.120 9～0.252 3。居群水平上,基因分化度（Gst）为0.520 9,基因流（Nm）为0.459 9,遗传距离为0.091 9～0.198 4。UPGMA聚类结果表明,10个居群可分为3大类,地理距离相近的居群优先聚集。大花无柱兰的遗传多样性较为丰富,居群间存在一定的遗传分化和基因交流,可采用就地保护和人工栽培等方式加以保护。     

常微分方程组的演化建模新算法

提出了常微分方程组的演化建模的一种新算法 ,新算法在 3个方面改进了作者原有的算法 :(1)采用新的适应值评估方式 ;(2 )采用一种基于子空间搜索的遗传算法来优化模型的参数 ;(3)将传统的遗传程序设计方法与局部搜索技术相结合来优化模型的结构 .将新算法分别应用于人口增长与化学反应模型的自动建模 ,并比较两种算法的实验结果 ,表明新算法发现的模型更稳定、精确度更高 .     

普通鲫鱼的RAPD标记及其遗传多样性

采用了387个引物对普通鲫鱼进行了RAPD(random amplified polymorphic DNA)分析,筛选出了31个重复性好、可用于普通鲫鱼RAPD标记的引物．另用8个引物对普通鲫鱼(20尾)进行了遗传多样性分析：这8个引物共检出45个位点,其中多态性位点数24个,占总位点数的53．33％;据个体间共有带数和Nei′s遗传相似率计算公式,计算出普通鲫鱼平均遗传相似率为88．68％．上述两项指标的初步分析表明,普通鲫鱼具有较为丰富的遗传多样性．     

濒危植物长叶榧群体不同年龄级遗传多样性的RAPD和ISSR分析

按胸径将浙江省桐庐县白云源森林公园长叶榧群体划分为成体、小树、幼苗3个年龄级,利用RAPD和ISSR分子标记对不同年龄级的遗传多样性及遗传分化进行分析.12个RAPD引物和12个ISSR引物分别扩增出199和180个条带,总多态位点百分率分别为44.72%和56.11%.RAPD和ISSR分析均显示3个年龄级的多态位点百分率、Shannon信息指数、Nei指数以成体最高,小树次之,幼苗最低,表明长叶榧群体遗传变异呈衰退趋势.分子方差分析(AMOVA)表明长叶榧群体不同年龄级内、年龄级间均存在遗传变异,但遗传变异主要存在于年龄级内.RAPD和ISSR分析显示,长叶榧群体不同年龄级间的遗传分化系数(Gst)分别为0.2869、0.3077,基因流(Nm)分别为1.2412、1.1231.长叶榧群体不同年龄级间的遗传相似度以幼苗与小树最高,遗传距离以幼苗与小树间最小.在长叶榧群体不同年龄级中,ISSR能检测到比RAPD更多的遗传变异,经Mantel检验,两种分子标记的分析结果相关性极显著.     

马氏珠母贝遗传多样性的RAPD分析

采用 OPM组 2 0个碱基随机引物对海南三亚 (SY) ,海南洋浦港 (YP) ,广西涠洲岛 (WZ)的 3个天然群体和广东雷州人工养殖群体 (L Z)的马氏珠母贝进行了 RAPD分析 .其群体内的平均遗传相似度 (similarity,S)分别是 0 .5 86 6 ,0 .6 5 14,0 .6 6 6 6 ,0 .715 8,由低到高依次为 SYYP>WZ>L Z.结果表示 :天然群体的遗传多样性大于养殖群体的遗传多样性 .