基于遗传算法的优化排样

介绍了遗传算法以及二维不规则图形的计算机优化排样，研究了二维不规则图形排样中如何建立遗传算法的目标函数，如何实现交叉、变异运算等优化过程，找到了运用遗传算法实现二维不规则图形优化排样的方法。通过计算机编制了运用遗传算法进行二维不规则图形优化排样的运算程序，并对部分样形进行了优化排样，结果比较满意。     

(±)-Glovanon和(±)-5-O-Methylglovanon的首次全合成及其抑菌活性研究

以廉价的异香草醛和2,4,6-三羟基苯乙酮为起始原料,经过C-异戊烯基化、选择性甲基化、甲氧甲基化、羟醛缩合、去保护基、催化环化以及脱除甲基等步骤,分别以13.3%和23%的总收率首次完成了天然异戊烯基黄烷酮Glovanon(1)和5-O-methylglovanon(2)的全合成.合成的关键步骤是2,4,6-三羟基苯乙酮的单C-异戊烯基化.所有新化合物的结构都经过1H NMR,IR,MS确认.抑菌活性研究表明,两种新合成的化合物对藤黄微球菌(M.luteus)和大肠杆菌(E.coli)均有良好的抑制作用.     

MEBML在优化排样中的应用

MEBML（Mind-Evolution-Based Machine Leaming,基于思维进化的机器学习）是模仿人类思维进化而提出的一种新型机器学习算法。由于它开创性运用了不同GA（遗传算法）操作方法的趋同与异化操作，大大扩展了GA的性能。MEBML可应用于各种优化领域及非数值问题（如：群体社会行为仿真）。文中在深入研究MEBML的基础上，将MEBML应用于机械领域的优化排样中，提出了一种MEBML应用于排样时的有效的编码方案及辅助算子（如蠕动算子）。     

以氨基氰为原料合成含氮化合物的研究进展

含氮化合物存在于许多天然产物中,具有广泛的药理和生理活性.它们不仅被广泛应用于医药或农药领域,在工业及多功能材料等领域也多有应用.近年来,含氮化合物的合成方法研究发展迅速,不断有新的以氨基氰为原料合成各种含氮化合物的反应涌现.简要介绍了近二十年来,以氨基氰(NH2-CN)作为原料合成各种含氮化合物的研究进展,并归纳总结了它们的特点、规律和优劣势,为它们的合成方法和反应性的研究提供帮助.     

四个天然异戊烯基黄酮的全合成研究

利用温和的方法进行了异戊烯基黄酮(±)-abyssinone-VI-4-O-methyl ether,(±)-abyssinone-IV-4’-O-methyl ether,(±)-abyssinone-V-4’-O-methyl ether和(±)-sigmoidin E的全合成研究,同时通过对羟基苯甲醛的异戊烯基化以及在石油醚中低温结晶的方法合成了关键中间体4-羟基-3,5-二异戊烯基苯甲醛.所有新化合物的结构都经过IR,1H NMR,MS,HRMS确认.     

新型黄烷酮的合成及其抑菌活性

以异香草醛和2,4,6-三羟基苯乙酮为起始原料,经过C-异戊烯基化、选择性地甲基化或甲氧甲基化、羟醛缩合、催化环化与加成共6步反应,首次合成了两个新型黄烷酮—5,7,4'-三甲氧基-3'-羟基-8-(3”-羟基-3”-甲基-丁基)黄烷酮(1a)和5,7,4'-三甲氧基-3'-羟基-8-(3”,甲氧基-3”-甲基-丁基)...     

5-异戊烯基紫铆花素的全合成研究

以廉价的3,4-二羟基苯甲醛和2,4-二羟基苯乙酮为起始原料,经过C-异戊烯基化,酚羟基保护,羟醛缩合和去保护基等步骤,以32%的总收率完成了天然产物5-异戊烯基紫铆花素的全合成。所有新化合物的结构都经过¹H NMR、IR、MS确认。