第一节 遗传变异的物质基础 第二节 基因突变和诱变育种 第三节 基因重组和杂交育种 第四节 基因工程 第五节 菌种的衰退、复壮和保藏

第一节 遗传变异的物质基础 第二节 基因突变和诱变育种 第三节 基因重组 第四节 基因工程 第五节 菌种的衰退、复壮和保藏

第一节 遗传变异的物质基础 第二节 基因突变和诱变育种 第三节 基因重组和杂交育种 第四节 基因工程 第五节 菌种的衰退、复壮和保藏

第一节 概述 第二节 原理与方法 重组子的构建 启动子 目的基因 终止子 第四节 外源基因的整合、表达与遗传 第五节 转基因水产动物的安全性

第一节 遗传物质的物质基础 第二节 基因突变和诱变育种 第三节 基因重组和杂交育种 第四节 基因工程

提出了一种基于遗传算法(GA)和模糊C均值(FCM)算法的岩体结构面混合聚类方法.利用GA的全局搜索性能,求得初始聚类中心;在此基础上利用FCM算法,根据精度要求再作进一步求解.该方法避免了人为划定分类界限的主观性,消除了FCM聚类算法的局部最优的弱点,解决了采用普通遗传算法聚类时搜索速度和聚类精度的矛盾.结合实测数据,对应用该方法进行结构面组识别的步骤、参数选取、分组有效性、优势方位的判定进行了分析和讨论

第一节 遗传变异的物质基础 第二节 基因突变和诱变育种 第三节 基因重组和杂交育种 第四节 基因工程 第五节 菌种的衰退、复壮和保藏

第一节 遗传变异的物质基础 第二节 基因突变和诱变育种 第三节 基因重组和杂交育种 第四节 基因工程 第五节 菌种的衰退、复壮和保藏

提出了一种自适应遗传算法,并成功应用于车辆最短路径规划算法中.所采用的编码方式、交叉及变异算子等均针对最短路径规划问题而专门设计;同时,提出了一种新的交叉概率、变异概率在线自适应调整策略,以便提高遗传算法的搜索速度和搜索质量.将该算法同Dijkstra算法、A*算法进行了仿真比较.对五种不同情况的仿真研究结果表明:同Dijkstra算法相比,该自适应遗传算法可以减少搜索到最短路径的时间;同A*算法相比,该自适应遗传算法则可以搜索到更多的最短路径

将支持向量机(SVM)和遗传算法(GA)集成应用到矿体品位插值问题中,利用遗传算法全局搜索的优势对支持向量机的三个关键参数——惩罚系数C、不敏感系数ε和核函数参数σ进行寻优,克服单纯支持向量机法中依靠经验确定参数的局限性.将优化参数代入到支持向量机中进行迭代训练,得到基于遗传算法参数优化的支持向量机(GA-SVM)矿体品位插值模型.以国内典型矿山的实际勘探数据为例,通过该品位插值模型计算结果与传统插值方法计算结果和矿山生产实际数据的对比分析,验证了其可行性和有效性