关于遗传Lindeloef空间的注记

本文讨论了拓扑空间关于遗传Ｌｉｎｄｅｌｏｅｆ方面的性质，指出了Ｃ．Ｍ．Ｐａｒｅｅｋ在这方面的两个结论是不成立的。     

基于参数估计的遗传程序设计方法

在遗传程序设计算法中，针对应用传统的遗传程序设计方法（Ｇｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇ，ＧＰ）解决符号回归问题所遇到的困难，嵌入一个基于模拟退火思想的参数估计过程，得到更为精确的参数和个体结构，实验表明，此方法提高了ＧＰ系统求解问题的能力。     

非遗传因素与优生

本文提出了非遗传因素的划分并讨论了非遗传因素，特别是文化环境因素与优生的关系泪的在于提醒人们在实施社会文化行为的同时，切不可忽视自然规律．     

R2中矩形区域上二阶椭圆型方程Neumann问题的广义格林函数

本文讨论二维空间R^2中不适定的矩形区域上二阶椭圆型方程的Neu—mann问题，定义了广义格林函数，并讨论了其正交性质。     

后置群决策问题的一种集结方法

针对后置群决策问题，提出个体排序的位置得分函数，用来反映了个体偏好在群决策中的价值，在考虑个体权重的情况下，用位置偏差系数反映个体间偏好差异。建立了一个群决策的位置指标公式，讨论了它的一些排序性质，通过实例说明了其作为群排序指标的合理性。     

基于agent的并行GA

采用遗传进化技术和多智能体技术相结合的方法，实现了基于粗粒度的并行GA，该方法有利于改进遗传算法的性能，提高遗传算法搜索的效率，文中讨论的并行模型，最大的特点是通讯开销小。     

不同来源苦楝种质资源遗传多样性的RAPD分析

对来自不同地区的15份苦楝个体用RAPD技术分析其遗传多样性,20个随机引物共扩增出193条重复性好、清晰的位点,其中多态位点共计189个,占97.9%.聚类分析表明：云南保山与四川绵阳种源间的遗传距离最大（0.936）,福建永泰与福建建瓯之间的遗传距离最小（0.186）.应用UPGMA聚类分析法构建了DNA分子系统树图,为基于DNA分子水平深入探讨苦楝不同种源间的亲缘关系和系统位置奠定了良好的基础,在散生乡土树种遗传多样性研究方面进行了开拓性和有意义的探索.     

Small理想都是投射的环(英文)

若对任意真理想K,有K+I≠R,则称环R的右理想I为small理想.若任意small右理想是投射的,则称环R为右J-遗传环.引入右J-遗传环作为右遗传环的推广,给出了右J-遗传环的一些例子和性质.利用右J-遗传环得到了半本原环的一些新刻画.     

3个不同地理日本沼虾天然群体遗传多样性的SSR分析

利用11对微卫星引物对洞庭湖、鄱阳湖、龙感湖的日本沼虾天然群体进行遗传多样性的分析,评价不同地理日本沼虾天然群体的遗传多样性和遗传分化水平.在3个日本沼虾群体中共获得90个等位基因,各位点平均等位基因为8.182个,各群体的平均等位基因数在(A)32~38之间,平均多态信息含量(PIC)介于0.590 7~0.643 0,平均期望杂合度He为0.657 7~0.705 5、平均观测杂合度Ho为0.514 1~0.579 9.群体间各位点Shannon指数均大于1,Fis均为正值,群体间平均近交系数为19%,Fst值显示整个群体分化程度较低,其中遗传变异的5.38%存在于群体之间,94.62%存在于个体之间.结果表明:3个日本沼虾天然群体的遗传多样性较高,分化程度较低,其中鄱阳湖群体遗传多样性最丰富,遗传分化水平最低.     

遗传程序设计在数据拟合中的应用

通过对遗传程序设计应用的研究，得出了使用遗传程序设计在数据拟合中的广泛应用及其普遍方法，规则，与技巧，并使用ＢｏｒｌａｎｄＣ＋＋对各实例进行拟合。实验证明，遗传程序设计在数据拟合问题中的大多数方面优于传统的拟合方法。     

基于拟下降方法的遗传算法及其收敛性

在遗传算法中嵌入一个传统下降算子,且保留最好个体,利用最好个体的记忆信息对搜索过程进行指导,从而得到既有较快收敛速度,又能以较大概率得到全局极值的用于函数全局优化的混合算法.定义了适当的适应度函数和子代个体的选择算子,且从拟下降观点证明了算法的收敛性.数值计算结果表明了本算法显著优于遗传算法和传统下降算法.     

用混合遗传算法求解N皇后问题

N皇后问题是NP难题,一般求解的方法为回溯法.当问题规模较小时用回溯法能有效求解,但当问题规模较大时其求解时间耗费非常巨大.该文提出用局部搜索与简单遗传算法(SGA)相结合的混合遗传算法(HGA)来求解N皇后问题,用N皇后的约束条件作为遗传算法的适应值函数.设计了高效的染色体编码、初始化种群方法、遗传算子以及局部搜索算子,使它们符合求解问题的需要.通过与回溯法和相关的遗传算法比较,实验证实了用混合遗传算法求解N皇后的有效性.     

一种求解代数方程组的混合遗传算法及工程应用

针对用遗传算法求解代数方程组时解的精度问题，提出了一种混合遗传算法，这种算法采用实数编码方法，在遗传算法的基础上，引入一种用适应度函数值构成动态变化的搜索步长的随机搜索算子，当遗传算法求解达到某一精度时，应用该搜索算子在最优个体附近进行随机搜索，使算法解较快地逼近到所要求的精度，实验表明用这种算法求解代数方程组，可以达到较高的求解精度，在工程中用于求解关节型机器人速度逆解，避免了矩阵求逆，取得了满意的效果。     

基于Pareto Front的多目标遗传算法

多目标优化是非常重要的研究课题，基于Pareto Optimum的多目标遗传算法非常适合于求解多目标优化问题．本文讨论了不带参数的多目标遗传算法，提出了用排除的办法来构造进化群体的非支配集，同时给出了新群体的构造方法。实验结果表明，本文所讨论的方法比较国际上已有的方法具有更快的收敛速度。     

自适应遗传算法在桁架结构优化设计中的应用

交叉算子与变异算子是遗传算法中产生新个体的主要手段。针对简单遗传算法中交叉概率与变异概率随进化过程恒定不变的缺点，采用自适应的交叉、变异概率研究了针对离散变量结构优化设计的遗传算法。以在应力约束条件下的静定桁架与超静定桁架结构为算例，比较了改进交叉、变异算子前后的优化结果，并将计算结果与满应力设计方法所得结果进行了比较。结果表明，自适应遗传算法对离散变量结构优化是有效的、可行的。     

利用基于分区搜索的自适应遗传算法求解TSP问题

为了提高用遗传算法求解旅行商问题（TSP）的收敛速度，结合自适应算子和父子竞争策略等优化思想．提出了基于分区搜索的自适应遗传算法．该算法将整个搜索区域分成若干个较小的搜索区域，先进行局部搜索．在得到局部较优的基因组合后，再进行全区域搜索，不但提高了遗传算法的收敛速度，而且改进了变异算子的操作性能．通过TSP问题的求解表明，基于分区搜索的自适应遗传算法是一种稳定、高效的优化算法。     

基于蚁群信息素的混合遗传算法

针对遗传算法无法利用系统中的反馈信息,求解到一定范围时出现的冗余迭代,求精确解效率低,局部搜索能力弱、易出现"早熟"现象等缺点,提出了采用蚁群信息素对均匀划分子空间进行标定,利用留存的信息素控制选择操作,采用双重选择算子、基于"杂交优势"思想的交叉算子和自适应变异算子的混合遗传算法.实验表明,采用该算法的分类系统的分类准确率、算法运行时间、算法收敛性等方面性能均有明显提高.     

基于生物遗传学的机器人位姿控制方法

根据遗传算法提出了一种机器人位姿控制的新算法,并结合机器人位姿控制问题探讨了改善遗传算法参数寻优速度的方法,最后通过仿真实验证明了该方法的有效性.     

一种有效的基于实数编码的多目标遗传算法

针对实数编码遗传算法提出了一种通用的基于决策变量的复合交叉算子,并将之用于多目标优化问题的求解,算法效果良好,一定程度上解决了高维多目标优化问题在用遗传算法求解时收敛性差这一难题.通过实验首次揭示了交叉点数对多目标遗传算法性能的影响.