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

KDD*模型是基于双库协同机制的知识发现新模型,是结构化数据挖掘领域研究的一个新的分支.为了进一步提高KDD*的智能性,设计了一个基于Multi-agent技术的智能数据挖掘系统.利用多智能体技术,实现了数据预处理、数据挖掘、知识的自动获取、基础数据库与知识库的同步进化与协调、知识的评价与表示等功能

为使钢铁企业主体工序炼钢-连铸-热轧之间的生产协调有序、提高生产计划水平和加强生产资源配置效益,运用统一建模思想进行轧制单元计划、炉次计划和浇次计划的抽象描述,从注重共性的角度统一各阶段批量计划的目标函数,通过对目标函数的组合来实现各阶段计划的有效衔接.设计基于Multi-agent的协同进化算法进行模型求解,编制炼钢-连铸-热轧-体化计划.以某钢铁企业的生产计划制定实例进行模型测试,仿真计算结果表明模型的有效性

提出了一种新的模糊认知图分类器模型构造方法,它包括构建流程、激活函数、推理规则和学习方法等核心构件.模型利用提出的动态交叉变异算子自适应遗传进化过程,实现种群间自动调节和自动适应.仿真实验表明:本文提出的模型增强了局部随机搜索能力,加强了算法的全局收敛能力,与其他经典分类方法相比,不但性能较好,而且具有较强的抗噪能力,从而具有更强的鲁棒性

针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

《工程科学学报》：基于改进差分进化算法的加热炉调度方法

《工程科学学报》：面向全局和工程优化问题的混合进化JAYA算法（河南大学智能网络系统研究所）

第一节、生物对污染适应的一般原理 第二节 生物对污染的适应性反应 第三节 污染条件下生物的分化与微进化

固有免疫(Innate Immunity) 个体出生时就具备的防卫机制，这种防卫机制是在物种进化过程中逐渐形成的。作用的特点是没有特异性。 适应性免疫(Adaptive Immunity) 个体在生命过程中接受抗原刺激后，主动产生针对该抗原的效应细胞、抗体或接受免疫球蛋白分子被动获得的。作用的特点是具有特异性。 1. 掌握参与固有免疫应答的组织、主要细胞（吞噬细胞、NK细胞、γδT细胞、NKT细胞、B-1B细胞等）和效应分子。 2. 熟悉固有免疫应答的作用时相。 3. 熟悉固有免疫应答的特点及其与适应性免疫应答的关系。 第一节 组织屏障及其作用 第二节 固有免疫细胞 第三节 固有体液免疫分子及其主要作用 第四节 固有免疫应答

第一节 概述 ➢ 遗传、变异和环境是生物进化的三大因素 ➢ 拉马克主义（Lamarckism）：用进废退 ➢ 达尔文主义（Darwinism）：优胜劣汰 ➢ 孟德尔遗传学 — 分子遗传学 第二节 表观遗传机制 表观遗传机制 DNA甲基化 组蛋白修饰和组蛋白密码 染色质重塑 非编码RNA调控 第三节 表观遗传现象 表观遗传 调控作用 基因组印迹 基因表达重新编程 X染色体失活 基因表达模式 第四节 表观遗传与肿瘤