第一节基因工程概述 基因工程(Genetic engineering)是一种DNA重组技术,它 是在分子水平上进行的遗传操作,即把供体细胞中的 基因或基因组提取出来,按照预先设计的蓝图,经过 体外加工重组,或者把人工合成的基因转移到受体细 胞并获得新的遗传特性的技术。由于被转移的基因必 须与载体DNA重组后才能实现转移,所以基因工程也 叫做重组DNA技术

针对复杂的动态系统,提出了一种基于遗传算法的模糊模型辨识方法,给出了学习模糊规则的新算法,探讨模糊推理方法和遗传学习算法用于非线性系统建模的问题.仿真结果证明了该算法的有效性

将遗传算法与BP神经网络结合,提出了一种利用遗传算法优化BP神经网络权值的智能PID控制算法,改善了系统的动态性能.通过实验采集数据,拟合出无模拉拔感应加热温度控制系统的数学模型.采用本文提出的方法进行了仿真实验,结果表明该算法具有较强的快速性和鲁棒性

遗传算法用于维修网络优化,是求解网络优化问题的一个新思路.实例证明,遗传算法用于机床维修网络优化,其计算结果比模糊网络规化得出的最优解更精确

针对多约束的炼钢-连铸重计划问题，提出了一种按扰动时炉次的状态进行炉次分类求解的重计划方法.将重计划问题中的约束分成强制约束和柔性约束两类，针对正在作业炉次设计了基于时间顺推和遗传算法的混合算法，针对未作业炉次设计了基于时间倒推和遗传算法的混合算法，通过强制约束结合混合算法搜寻可行解，然后在可行解中利用柔性约束搜寻最优解.采用钢厂的生产实绩数据进行仿真实验验证了该方法的可行性和有效性

将一种自适应遗传算法应用于移动机器人路径规划.提出了一种基于几何避障法的初始种群产生算法;设计了基于启发式知识的交叉、变异、求精和删除算子;采用一种新的模糊逻辑控制算法自适应地调节交叉概率和变异概率;对移动机器人离线和在线规划问题进行了仿真研究.仿真结果表明:自适应遗传算法具有较快的搜索速度、较高的搜索质量以及较强的自适应能力,为移动机器人最优路径规划问题的解决提供了一种新方法

1.提高次级代谢产物的产量 2.改进代谢产物的组分 3.改进菌种的生理性能 4.产生新的代谢产物

连续变量反馈同步法(CVFS)是一种比较简单的同步控制算法,但该算法在实际应用中存在一个关键的问题,即反馈系数的整定比较困难.为了解决这个问题,在把模糊遗传算法(FGA)和连续变量反馈同步法(CVFS)相结合,提出了一种基于模糊遗传算法的连续变量反馈同步法(FGACVFS).仿真结果表明:FGACVFS算法能方便有效地进行整定工作

一、 孟德尔学说奠定了遗传学基础 二、 基因是一段DNA序列 三、 基因工程的操作和应用

第一节 基因工程 第二节 基因组学