在一个育种方案中,当选择强度、遗传变异和世 代间隔等保持相对稳定时,如何提高选择的准确 性,即遗传进展公式中的rM,就成了育种者所需 要着力解决的关键问题

本章对目前常用的几种智能优化计算算法作简单介绍，以使读者对它们有个基本认识。内容包括神经网络、遗传算法、模拟退火算法和神经网络混合优化学习策略。 10.1 人工神经网络与神经网络优化算法 10.2 遗传算法 10.3 模拟退火算法 simulated annealing,简称SA 10.4 神经网络权值的混合优化学习策略

第一节 遗传变异的物质基础 第二节 微生物的基因组结构 第三节 质粒和转座因子 第四节 基因突变及修复 第五节 基因重组 第六节 微生物育种 第七节 菌种的衰退、复壮与保藏

第一节生物技术的概念 生物技术的定义 从微观上认识和控制生物的遗传物质和遗传过程,了解生命的全貌,解决人类社会中的人口

2、基因突变 基因突变:一个基因内部遗传结构或DNA序列的任何改变 DNA损伤修复机制 基因突变 前突可以通过DA复制而成为真正的突变,也可以重新变为原 来的结构,这取决于修复作用和其它多种因素。 基因突变是重要的生物学现象,它是一切生物变化的根源,连同 基因转移、重组一起提供了推动生物进化的遗传多变性

3、基因重组 基因重组(gene recombination)是两个独立基因组内 的遗传基因,通过交换与重新组合形成新的稳定基因组 的过程。 原核微生物基因组通常只是部分遗传物质的转移和重 组,并且通过转化、接合和转导等形式进行; 真核微生物的基因重组发生在有性繁殖过程中,通过 减数分裂后整套染色体发生高频率交换(基因重组) 在真核微生物中的部分真菌存在不通过减数分裂而在有 丝分裂过程产生低频率基因重组的准性生殖方式

生物化学( biochemistry)或生物的化学( biological chemistry)即生命的化学,是 一门研究生物体的化学组成、体内发生的反应和过程的学科。当代生物化学的研究除采 用化学的原理和方法外,尚运用物理学的技术方法以揭示组成生物体的物质,特别是生 物大分子( biomacromolecules)的结构规律。并且与细胞生物学、分子遗传学等密切联 系,研究和阐明生长、分化、遗传、变异、衰老和死亡等基本生命活动的规律

1、遗传物质的本质 2、DNA的一级结构 3、DNA的二级结构 4、DNA物理结构的不均一性 5、DNA的变性、复性和杂交 6、DNA二级结构的多样性 7、DNA超螺旋和拓扑异构现象

叙述了人工免疫学的概况及免疫系统的组成,提出了一种新的优化算法——免疫遗传算法,该算法突出了免疫系统中抗体群合作进化思想.将该方法用于以高炉焦比为优化目标的优化问题,取得较好的效果

基于计算数学理论与热弹性原理,针对环状截面梯度功能材料(FGM)提出了热应力分布公式.以沿坐标轴的最大热应力达到最小为目标,建立了轴对称FGM多目标优化模型.应用遗传算法实现了优化设计,获得了稳态温度场下环状截面FGM的最佳材料分布参数