基于遗传算法的序列比对方法

为有效解决大尺度基因组序列的比对分析,提出了一种基于遗传算法的序列比对方法。该算法通过对序列比对问题进行编码,将其转换成了搜索空间中的一个优化问题。实验结果表明,这种新的比对算法是有效的,它在占用少量内存的情况下可以获得近似于Need lem an-W unsch算法结果的最优解。     

枯草杆菌强基因启动子DNA片段的序列分析

对利用基因启动子探针型载体ｐＳＵＰＶ２,从枯草杆菌ＡＳ１．３９８中克隆３个稳定的具有强启动功能的ＤＮＡ片段,进行限制酶切分析发现,ｐＢＳＵ２２和ｐＢＳＵ４３中的插入片段小于０．２ｋｂ,ｐＢＳＵ４４中的插入片段为３ｋｂ。测定结果表明,３个插入片段中都有较为典型的原核生物基因启动子序列,其中ｐＢＳＵ２２和ｐＢＳＵ４３的插入序列几乎完全相同。２     

杂色鲍肌动蛋白启动子的克隆与序列分析

杂色鲍(H.diversicolor diuersicolor)是我国华南地区重要的海水养殖对象,作为利用转基因技术改良杂色鲍品质研究工作的首要部分,作者利用PCR和染色体步移(Genome Walking)方法克隆了杂色鲍肌动蛋白基因编码区部分序列和启动子序列(GenBank登陆号:EU622901).所分离的肌动蛋白基因DNA序列片段全长为1 990 bp,与GenBank中彩虹鲍(Haliotis iris)肌动蛋白A1基因序列和肌动蛋白A1a基因序列有非常高的相似性(99%和96%).在基因编码区中间发现了一个内含子区,在编码区之前发现一个类启动子区,经过Promoter Prediction在线软件分析,发现了该启动子序列和转录起始位点,同时也发现了该启动子特有的启动元件两个标准的CAAT BOX和一个TATA BOX.这些实验结果表明所克隆的杂色鲍肌动蛋白和启动子序列符合实验的目的.并且这一实验的成功也为下一步利用所分离的启动子做杂色鲍转基因工作打下基础.     

基于遗传算法的装配序列规划

装配序列规划是面向并行工程的DFA和CAAPP（Computer Aided Assembly Process Planning)研究中的关键问题之一。介绍了遗传算法用于解决装配序列规划的优越性,建立了基于遗传算法的装配序列规划模型,探讨了装配序列编码方法以及遗传算子的设计,采用VC6.0研发了相应的软件系统,测试结果表明将遗传算法用于规划装配序列大大提高了优化效果。     

基于多种群遗传算法的废旧手机拆卸序列规划

为解决废旧智能手机对环境的污染问题,高效率求解废旧智能手机完全拆卸序列最优方案,文章针对废旧手机完全拆卸提出一种多种群遗传算法。根据废旧智能手机的连接特点,建立废旧智能手机拆卸混合图模型,并利用该模型描述约束关系,同时考虑紧固件的连接关系;提出一种拆卸可行性评估方法,建立拆卸时间、拆卸利润、拆卸能耗等多目标优化数学模型,并利用多种群遗传算法进行优化分析;以“小米5”手机为例验证提出算法的可行性,并分析多目标不同权重系数对生成结果的影响。结果表明：与人工经验拆卸相比,优化后拆卸手机成本利润提高0.303 5元/台,拆卸时间缩短30 s/台,拆卸人工能耗减少0.272 J;多种群比单种群收敛速度更快;相较于并行拆解,废旧智能手机等小型精密电子产品更适合于串行序列拆解。     

基于结构元的时间序列分析与应用

在许多实际问题中,观测得到的数据序列既具有随机性,也含有模糊性,称其为模糊时间序列,由于模糊数计算的困难以及缺点导致模糊时间序列分析无法避免的缺陷,考虑利用一种新的模糊时间序列分析的方法,即将模糊中值和模糊跨度分别速模;并给出了实例。     

AcMNPV polh启动子上游增强序列的部分缺失分析

本实验构建了2个用于杆状病毒AcMNPV(苜蓿丫纹夜蛾核多角体病毒)启动子及其调控序列研究的质粒载体:pF SBCAT和pF SBCATPpolh.以此为基础,结合目前对BmNPV(家蚕核多角体病毒)polh(多角体)基因和AcMNPVpolh基因上游增强序列的研究结果,构建了AcMNPVpolh基因上游增强序列部分缺失的瞬时表达载体;以cat为报告基因,利用瞬时转染和CATELISA的方法检测报告基因的表达活性,初步研究了对于polh启动子具有增强作用的AcMNPVpolh基因上游序列的结构.结果显示,与BmNPVpolh上游293bp序列同源性极高的AcMNPVpolh上游293bp片段对于polh启动子没有增强活性;CMVm启动子的AcMNPVpolh上游增强序列部分缺失之后不能够增强AcMNPVpolh启动子.因此,这一序列可能不再被缩短,也不大可能存在独立地起作用和更短的正、负调控元件.     

酵母基因启动子序列结构与转录频率的关联性分析

分别基于Markov链模型、频率分析和加权Markov链模型分析k-mer(主要考虑k=6的情形)在DNA序列中的使用情况,并以此定义模糊相对熵度量2个DNA序列结构的差异程度.将转录频率较低的启动子序列作为对照,分析其它转录频率不同的酵母基因启动子序列与对照序列中k-mer隶属度的模糊相对熵的变化,发现基因转录频率与模糊相对熵存在线性正相关关系.一般地,转录频率相差越大的基因,其启动子序列结构的差异越明显.这提示酵母基因启动子序列结构与基因转录频率有一定关联性.与Markov链模型和频率分析法比较,加权Markov链模型的模糊相对熵能更有效地度量基因启动子序列结构的差异.     

一个烟草PR-1a启动子的克隆及序列分析

通过PCR扩增，从烟草Nicotiana tabacum cv Samsun中克隆了水杨酸诱导表达的病程相关蛋白PR-la基因的启动子TP12，以期用于构建诱导表达基因敲除系统，并用于无性繁殖植物的无标记基因转化。启动子的克隆产物经正反两向测序后，拼接分析结果表明，扩增得到的PR-1α基因启动子长1313个碱基，序列富含AT，其中A T占71．67％，与已报道的序列比较，核苷酸的相似性为98．6％。     

多粒度时间序列中模糊规则的提取

介绍了一种从多粒度时间序列中提取模糊规则的数据挖掘方法,该方法在时间序列中引入多重时间粒度,以模糊规则的形式给出数据挖掘的结果,建立多粒度时间序列的数学模型,并对提取模糊规则中所涉及的一些基本概念作出定义,在此基础上,给出数据挖掘的具体算法,通过实验证明了该挖掘算法的有效性。     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

基于模糊c-均值算法和遗传算法的新聚类方法

为了得到最佳聚类数和相应的每一类中的样本,文中首先介绍了一种新聚类方法,用该方法构造了一个既考虑类与类之间的分散程度、又考虑同一类紧凑程度的目标评价函数;再运用模糊c-均值算法(FCM)进行迭代,求得每一类的中心和隶属度值;然后运用遗传算法搜索全局极值点;最后运用该算法对我国全要素生产力进行了模糊分类．     

基于模糊聚类的改进遗传算法

针对导致遗传算法早熟收敛的原因,提出一种基于模糊聚类的改进遗传算法(FMGA),给出了FMGA算法实施的详细步骤,并研究确定了算法控制参数的取值.最后,对FMGA进行了数值仿真,仿真结果表明,FMGA能有效避免早熟收敛,在较短时间内逼近全局最优解,运算结果较基本遗传算法的提高4个数量级,而且运算过程不存在震荡现象.     

基于遗传算法信息组合的自适应模糊控制

利用模糊理论分别建立了与控制对象和控制知识信息相对应的控制系统，应用遗传算法获取2个系统在不同时间段的最佳组合因子，消除了对组合因子赋值的主观性和不准确性．基于李雅普诺夫函数的方法推导了模糊控制系统中参数的自适应控制律，并且证明了系统的稳定性和收敛性．将遗传算法信息组合的自适应模糊控制方法应用在达芬混沌系统的控制中，仿真结果对比表明，虽然组合型自适应控制方法可以有效地控制达芬强迫震荡系统，但文中提出的方法能使各控制状态有界，并且能够迅速准确地跟踪目标．     

基于模糊遗传算法的机组组合问题的求解

为求解机组组合问题,提出一种模糊优化与遗传算法紧密结合的新的模糊遗传算法.通过建立模糊推理规则,对交叉率和变异率进行模糊控制,从而提高了收敛速度,避免了不成熟收敛.将该模糊遗传算法应用于一工程算例中求解机组组合问题,与传统遗传算法相比,在同样的种群规模和终止准则下,采用该算法的收敛迭代次数减少,减幅最大达122次,而每次迭代计算时间最多仅增加约0.01 s;优化组合的发电成本减小,减幅最大时达总发电成本的0.73%.     

基于模糊遗传算法的混沌同步控制算法

连续变量反馈同步法（CVFS）是一种比较简单的同步控制算法，但该算法在实际应用中存在一个关键的问题，即反馈系数当选的整定比较困难。为了解决这个问题，在把模糊遗传算法（FGA）和连续变量反馈同步法（CVFS）相结合，提出了一种基于模糊遗传算法的连续变量反馈同步法（FGACVFS）。仿真结果表明：FGACVFS算法能方便有效地进行整定工作。     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

基于遗传算法和模式搜索的混合优化方法

遗传算法具有快速随机的全局搜索能力,但当求解到一定范围时往往做大量无为的冗余迭代,求精确解效率低.模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.本文提出了一种混合遗传-模式搜索算法,该方法是将种群分成两个子群,分别进行遗传算法与模式搜索算法,在每一步中两个子群的最佳结果收集起来,用于更新相互的最优个体.仿真结果表明遗传算法与模式搜索的混合优化方法取得了较好的效果.     

模糊遗传算法的自适应PID控制器

针对遗传算法运算速度慢不利于实时控制现象,提出一种基于模糊推理的遗传算法,并将其应用于自适应PID控制器上．仿真实验表明,该算法具有较好的寻优能力,能满足实时控制的要求。