基因变异是人类进化的基础，构成了群体中的个体多样性．由于 群体是由一群可以相互婚（交）配的个体组成，如果仅仅从个体的遗 传结构是难以解释群体的遗传组成及其随时间和空间的变化规律，而 且基因型和表型存在复杂关系，因此，研究群体中基因的分布及逐代 传递中影响基因频率和基因型频率的因素，追踪基因变异的群体行 为，应用数学手段研究基因频率和相对应的表型在群体中的分布特征 和变化规律，这就是群体遗传学的研究内容，也是人类遗传学、人类 进化和后基因组学研究的中心任务

9.2.2Qx]内多项式的因式分解 定义9.12定义Z[x]={axn+a1x+…+∈Z,i=01n}。 假设f(x)∈Z[x],f(x)≠0及±1。如果g(x)h(x)∈[x],使得f(x)=g(x)h(x), 且g(x)≠±1,h(x)≠±1,则称f(x)在Z[x]内可约,否则称f(x)在Z[x]内不可约 定义9.13设 f(x)=ax+axn+…+an∈Z[x], 这里n≥1。如果(aa1an)=1,则称f(x)是一个本原多项式。 命题Q[x]内一个非零多项式f(x)可以表成一个有理数k和一个本原多项式f(x)的

第六章6-2欧氏空间中特殊的线性变换(续) 命题正交矩阵的特征多项式的根的绝对值等于1 证明设入∈C是正交矩阵A的特征多项式的根,则≠0.齐次线性方程组(e-a)X=0 在C内有非零解向量 ( a:a 显然Aa=a=a'a'=a'a'a==a'aa=aa=aa=1从而 入|=1 推论正交矩阵的特征值只能是±1 命题设A是n维欧氏空间V上的正交变换,若A的特征多项式有一个根=e

第五章5-3实与复二次型的分类 1.复、实二次型的规范形 定理复数域上的任一二次型f在可逆变数替换下都可化为规范形 zi+…+z, 其中r是f的秩.复二次型的规范形是唯一的. 证明复数域C上给定二次型) f=, x,x, ( =ai 设它在可逆线性变数替换X=TZ下变为标准型 d1z2+d2z2+…an 这相当于在C上n维线性空间V内做一个基变换 (n2n)=(1,2EnT 使对称双线性函数f(a,B)在新基下的矩阵成对角形

第四章4-2子空间与商空间 4.2.4子空间的直和与直和的四个等价定义 定义设V是数域K上的线性空间,2…,是V的有限为子空间。若对于 ∑中任一向量,表达式 a=a1+a2+…+am,a1e,i=12,m 是唯一的,则称∑V为直和,记为 1 v⊕或V 定理设V12,…,Vn为数域K上的线性空间V上的有限为子空间,则下述四条等

第四章4-3线性映射与线性变换(续) 4.3.4线性变换的定义与运算 定义线性空间到自身的线性映射称为线性变换,记Hom(V,V)为Endr(V)或End (V)。 例恒同变换 E:V→V, >a. 例投影(射影)设V=V1V2,Va∈V,a=a+a2(a1eV,a2∈V2),定义V到 V的投影P(a)=a1,V到V2的投影P2(a)=a2 定义End(V)中的运算(加法、数乘和乘法) 加法定义为(A+)(a)=A(a)+B(a)(Va∈V) 数乘定义为(kA)(a)=k(A(a)),其中k∈K; 乘法(复合)定义为(AB)(a)=A(B(a)

MatLab是一种数值计算和图形图像处理工具软件,它的特点是语法结构简明、数值计算高效、图形 功能完备、易学易用。它在矩阵代数、数值计算、数字信号处理、提动理论、神经网络控制、动态仿真 等领域都有广泛的应用 本书从 MatLab的基础知识入手,在详细介绍各种命令的同时,向读者介绍了 Matlab在高等数学、 线性代数、符号运算、图形图像处理、数据处理等方面的应用和外部接口程序设计。本书侧重于利用大 量的实例来引导读者快速学习和掌握 MatLab的各种功能,并尽量与实际问题相结合,以体现其工程应用 的重要性。书中配有习题和参考答案,供读者练习附录则配有常用命令的列表,以供参考

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

针对热轧圆钢的批量调度问题,考虑实际生产中工艺规程和交货期对轧制单元连续加工的影响,建立了以最小化设备调整时间、拖期生产惩罚和钢种跳跃惩罚为优化目标的数学模型,并设计了一种嵌入EDD规则的变邻域搜索算法.算法首先结合模型的约束特征,采用约束满足技术生成初始解;根据实际生产需求,将最小化设备调整时间作为主要目标,设计变邻域搜索算法实现目标优化,其中,运用混合算子构造邻域结构和局部搜索,并引入模拟退火接受准则来控制迭代过程中产生的新解;同时,为了最小化拖期惩罚和钢种跳跃惩罚,在求解过程中嵌入了EDD规则以及钢种排序规则.实验结果表明,模型和算法是可行且有效的

本文包括:(1)炉膛内钢坯加热数学模型;(2)最佳炉温及最低燃耗在线模型。采用一维模型,应用Hottel多层无限大气层间的辐射热交换计算方法,把各火焰射流的作用,当量地看作是夹在上下炉气层之间的一个火焰层。它的平均温度tf可以根据Ricou-Spalding射流吸入经验公式,计算火焰和周围炉气间的质量交换,再按热平衡方程把tf计算出来。钢坯内部传热按一维导热问题,用差分求解。还建立了一个较简单的炉膛传热仿真模型,据此求出各炉段单位炉温对出钢平均温度及中心温度的变化率?θm/?Ti及?θs/?Ti。还可确定最小燃耗函数P的各炉段加权系数Wi。令各段在线炉温调节量ΔTi=(Ti,max-Ti,o)-ΔT'i,这就能在线性规划中用ΔT'i代替ΔTi作为未知量以满足非负条件。这时目标函数Pmin=-sum (ΣWiT'i)。文中还附有一个说明各段炉温按上述线性规划进行最佳控制的例题