导读:本文包含了遗传与变论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,灾变,邻域,梭鱼,细胞,表观,线粒体。
遗传与变论文文献综述
俞倩,蒋云凤,王玉刚,耿丽萍,赵晓东[1]（2019）在《基于遗传算法的中央空调水系统变流量节能优化研究》一文中研究指出针对目前中央空调系统能耗占建筑总能耗比例较高,在工频运行模式下能源浪费严重的问题,通过辨识压缩机、冷冻水泵、冷却水泵的运行数学模型,以冷负荷需求为约束,建立遗传算法(Genetic Algorithm,GA)优化模型,找到不同负荷率下系统能效比最高的频率匹配方式。将优化结果于实验台进行验证,与工频运行结果进行比较,系统平均能效比提高53.6%,平均节能率为35.95%。(本文来源于《低温与超导》期刊2019年11期）
李广博,于东,胡毅[2]（2019）在《基于变邻域遗传算法的离散制造物料配送调度优化》一文中研究指出针对含有AGV搬运的离散制造车间柔性作业调度问题(FJSP),以工件从立体库出库到入库的最大完工时间为优化目标,设计了基于混合算法的静态求解方法。首先,根据实际车间中AGV搬运与生产加工的特点建立了柔性车间调度的数学模型,采用了一种基于工件、机器、AGV序列的叁层编码机制;然后,使用启发式与随机式结合的方式改进了初始编码的生成,采用自适应权重因子动态调整交叉和变异概率,在算法的执行过程中,引入了基于移动和交换工序策略的变邻域搜索(VNS)机制;最后使用MATLAB编程进行仿真测试,并给出了算例最优解的甘特图。通过与其他文献算法结果对比,验证了变邻域遗传算法能有效处理含AGV搬运的物料配送问题。(本文来源于《组合机床与自动化加工技术》期刊2019年11期）
郑嘉龙[3]（2019）在《基于非线性规划遗传算法的并网逆变器LCL滤波器参数优化研究》一文中研究指出并网逆变器是新能源发电系统与电网的接口,通常采用LCL滤波器滤波。因此LCL滤波器参数成为了研究热点,提出了大量的设计方法。传统LCL滤波器参数设计方法计算复杂,给设计带来了困难且存在设计参数性能低等问题。提出了基于非线性规划遗传算法优化设计LCL滤波器参数。通过设计实例的Matlab仿真验证了设计方法的正确性和有效性,可以给工程人员提供有力的设计依据。(本文来源于《电力电容器与无功补偿》期刊2019年05期）
王策,董兆伟,孙立辉,姜军强,史振杰[4]（2019）在《新型灾变自适应遗传算法及其应用》一文中研究指出遗传算法经常被应用于工业生产中的最优化问题当中,但是在面对非线性、多极值、多变量的问题时容易在早期寻优过程中陷入局部最优解范围.本文通过对传统的遗传算法添加灾变操作,减少了遗传算法常见的"早熟"现象,配合灾变操作的迭代次数的变化设置了遗传操作自适应变化,增强了算法后期的寻优能力.该算法以河北某钢铁企业的实际生产数据进行检验,实验结果表明该算法能在保证烧结矿性能质量的前提下,有效的降低原料成本,有效降低早熟现象的发生,提高了算法的整体搜索能力,在工业生产当中的最优化问题当中可以发挥很好的效果.(本文来源于《计算机系统应用》期刊2019年09期）
夏敦,周振华[5]（2019）在《基于灾变遗传算法的惯性轮倒立摆LQR控制优化》一文中研究指出针对传统LQR控制的加权矩阵选取麻烦和遗传算法未成熟收敛的问题,提出基于灾变遗传算法的LQR控制方法。以惯性轮倒立摆为被控对象,运用拉格朗日方程建立数学模型;基于遗传算法来优化目标函数从而确定加权矩阵,并引进灾变算子解决遗传算法的未成熟收敛问题。仿真结果表明,所设计的基于灾变遗传算法的优化LQR控制器可实现对惯性轮倒立摆的控制,其控制精度和系统性能都优于经普通遗传算法优化的线性二次型控制器。(本文来源于《南方农机》期刊2019年17期）
张秋艳,王默玉,申晓留,武书舟,闫丽娜[6]（2019）在《基于灾变因子的量子遗传算法研究》一文中研究指出论文先介绍智能寻优算法的理论概念,然后着重通过对量子遗传算法原理的了解,从数学的角度对量子遗传算法进行合理的描述和过程的定义,并对量子遗传算法中加入了灾变算子,来解决不成熟收敛问题。最后编写该算法的Matlab代码实现对3个峰值函数进行仿真测试。通过测试结果比较基于灾变因子的量子遗传算法和标准遗传算法分别在对峰值函数寻优结果的精确度。对结果进行分析,可以根据测试结果发现,基于灾变因子的量子遗传算法在对峰值函数的寻优结果的精确度优于遗传算法。这表明了基于灾变因子的量子遗传算法在连续空间优化的可行性和有效性,同时也表明了基于灾变因子的量子遗传算法具有良好的应用前景。(本文来源于《计算机与数字工程》期刊2019年07期）
Xue-jun,GUO,Dong,YANG,Xiang-yuan,ZHANG[7]（2019）在《多变环境和复杂事件的表观遗传记录是细胞的衰老之源（英文）》一文中研究指出虽然表观遗传和衰老的关联性已经被广泛接受,但是两者之间内在的因果关系需要深度的理论阐述和分析。本文通过分析环境与表观遗传相互作用及其过程的本质特征,证明表观遗传记录多变的细胞环境和复杂的细胞事件是细胞的衰老之源。细胞周围环境以及所经历事件可通过表观修饰激活或抑制染色体上各个基因的表达,从而对染色体模板以及基因表达模式进行塑造。外在环境和细胞历史的多变性以及内在冲突性由此被逐渐记录在染色体模板上,整体上导致染色体模板以及基因表达模式的混乱和耗散。这将导致细胞表观熵(类似于Shannon信息熵)不可避免地逐渐衰减,其混乱度可通过细胞分裂而进一步被稳定积累、记忆和扩增。另外,表观修饰应对外在环境的变化存在滞后性和一定的不可逆性,加剧了表观熵的衰退。(本文来源于《Journal of Zhejiang University-Science B(Biomedicine & Biotechnology)》期刊2019年07期）
陈赛明,周小柳,周利民,李志路,张云霞[8]（2019）在《维生素D受体基因遗传变异对慢性变应性鼻炎的预警作用》一文中研究指出目的探讨变应性鼻炎(AR)患者中维生素D受体(VDR)基因rs731236、rs1544410、rs11568820等3个单核苷酸多态性位点(SNP)的遗传变异情况并分析其对AR的诊断及预警作用。方法选择2017年3—12月在海南医学院第一附属医院就诊的AR患者94例(AR组)及同期在该院体检的健康人群113例(HC组),所有患者提取基因组DNA,利用质谱分型技术对rs731236、rs1544410、rs11568820 3个SNP位点进行基因分型。利用SNPstats在线软件、SPSS 25.0软件等对基因型及等位基因分布频率进行统计学分析。结果 rs11568820可检测到GG、AG、AA 3种基因型,3种基因型在AR组和HC组中的分布频数为29. 8%/34. 5%,51.1%/51. 3%, 19. 1%/14. 2%,共显性模型、显性模型、隐性模型的验证结果组间比较差异均无统计学意义(P> 0. 05)。rs731236仅检测出野生型纯合子TT及杂合子TC,2种基因型在AR组和HC组中的分布频率为87. 2%/90. 3%、12. 8%/9.7%,组间比较差异无统计学意义(P>0.05)。rs1544410亦检测出野生型纯合子GG及杂合子GA,2种基因型在AR组和HC组中的分布频率为90.4%/90. 3%,9.6%/9. 7%,组间比较差异无统计学意义(P> 0. 05)。SPSS 25. 0统计软件分析上述SNP位点等位基因的组间分布,差异均无统计学意义(P>0.05)。结论 VDR基因SNP位点rs731236、rs1544410、rs11568820与慢性变应性鼻炎不存在相关性,不能作为AR的预警指标。(本文来源于《疑难病杂志》期刊2019年06期）
周伟,高天翔,王俊,宋娜[9]（2019）在《基于线粒体DNA控制区高变区序列的黄河东营段淡水梭鱼群体遗传多样性比较研究》一文中研究指出基于mtDNA控制区高变区序列,对采自黄河东营段的梭鱼群体和其他已报道的13个群体进行了遗传学比较分析。结果表明在长度为435bp的控制区序列上,东营垦利群体与其他13个群体均表现出较高的核苷酸多样度,大多数群体单倍型多样度较高;梭鱼群体在分布范围内表现出3个明显的单倍型世系,其中两个单倍型世系呈现同域分布,东营垦利群体表现出与东海和黄渤海群体同的世系分布趋势;3个世系分化发生于更新世中期,更新世冰期-间冰期的交替导致海平面的下降和上升,西北太平洋边缘海隔离和连通,使得梭鱼群体发生隔离分化和二次接触;叁个单倍型类群在地域上的分布频率具有明显差异,不同的地理群体间存在显着的遗传结构,分别对应着日本海组群、中国东海组群(中国东海、黄海和渤海群体)和中国南海组群;中国东海组群中,中国东海和黄海群体遗传差异相对较小,与渤海群体差异较大;东营垦利群体与采自东海和黄渤海的群体间遗传差异较小,与南海群体及日本群体间遗传差异较大。尽管梭鱼具有较强的潜在扩散能力,但是梭鱼群体间的基因交流有限。梭鱼不同组群群体历史动态检验显示梭鱼存在群体扩张事件。研究推测随着中更新世全球气候主导周期转型,中更新世冰期间冰期交替周期增加对梭鱼隔离分化和群体扩张产生了重要影响。(本文来源于《海洋湖沼通报》期刊2019年03期）
鲁苓茜[10]（2019）在《基于遗传算法的成分数据变权重组合预测研究》一文中研究指出成分数据是一种具有特殊空间结构的多维数据,通常用于研究各部分在整体中的占比情况,故成分数据反映的是数据间的相对信息,而不是数据本身。但是,一般统计分析方法的前提是正态性假设,而成分数据的定和限制往往使其具有复共线性而不满足假设前提,因此常用的统计方法不适合对此类数据进行预测分析。为此,Aitchison提出对数比变换的方法避免常数和限制,即将成分数据空间映射到欧氏空间,从而使经典的统计方法继续适用于成分数据的统计分析。最初对成分数据的关注主要是用于研究岩石中各化学成分的比例情况,后逐渐被推广用于分析地区产业结构的变化趋势、预测城乡居民家庭生活费用支出比例等,使其成为经济、社会、科技等领域的一种重要的统计分析数据类型。所以,成分数据的预测研究在一定程度上为专家的决策建议提供了理论依据。组合预测方法是当前预测领域备受关注的热点话题之一,它最大限度地减少了单预测模型中不确定因素的影响,即将不同模型的单预测值以赋予不同权重的形式组合起来,从而提高预测结果的可靠性和稳定性。然而在已有的文献资料中,对成分数据的预测研究很少运用变权组合预测方法。因此,有必要对成分数据以组合形式进行预测分析。本文的研究内容主要有:(1)针对与时间变化有关的成分数据,将其在非对称Logratio变换的基础上应用变权重组合预测方法。在该方法中,不同时刻的单预测模型的权系数是不同的,所以变化的权重对于预测数据具有更好的自适应性。(2)针对多数组合预测目标函数单一的问题,对变权重组合预测以最小化绝对相对误差之和为目标进行优化。但是该优化函数形式复杂且不可微,一般求权重的方法达不到理想效果。因此,本文将运用基本无数学限制的遗传算法获得样本期权重,并用平均值法确定预测期权系数,从而减小其预测误差,使预测结果更全面、更系统,具有更好的适应能力。(本文来源于《山西大学》期刊2019-06-01）
遗传与变论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对含有AGV搬运的离散制造车间柔性作业调度问题(FJSP),以工件从立体库出库到入库的最大完工时间为优化目标,设计了基于混合算法的静态求解方法。首先,根据实际车间中AGV搬运与生产加工的特点建立了柔性车间调度的数学模型,采用了一种基于工件、机器、AGV序列的叁层编码机制;然后,使用启发式与随机式结合的方式改进了初始编码的生成,采用自适应权重因子动态调整交叉和变异概率,在算法的执行过程中,引入了基于移动和交换工序策略的变邻域搜索(VNS)机制;最后使用MATLAB编程进行仿真测试,并给出了算例最优解的甘特图。通过与其他文献算法结果对比,验证了变邻域遗传算法能有效处理含AGV搬运的物料配送问题。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遗传与变论文参考文献
[1].俞倩,蒋云凤,王玉刚,耿丽萍,赵晓东.基于遗传算法的中央空调水系统变流量节能优化研究[J].低温与超导.2019
[2].李广博,于东,胡毅.基于变邻域遗传算法的离散制造物料配送调度优化[J].组合机床与自动化加工技术.2019
[3].郑嘉龙.基于非线性规划遗传算法的并网逆变器LCL滤波器参数优化研究[J].电力电容器与无功补偿.2019
[4].王策,董兆伟,孙立辉,姜军强,史振杰.新型灾变自适应遗传算法及其应用[J].计算机系统应用.2019
[5].夏敦,周振华.基于灾变遗传算法的惯性轮倒立摆LQR控制优化[J].南方农机.2019
[6].张秋艳,王默玉,申晓留,武书舟,闫丽娜.基于灾变因子的量子遗传算法研究[J].计算机与数字工程.2019
[7].Xue-jun,GUO,Dong,YANG,Xiang-yuan,ZHANG.多变环境和复杂事件的表观遗传记录是细胞的衰老之源（英文）[J].JournalofZhejiangUniversity-ScienceB(Biomedicine&Biotechnology).2019
[8].陈赛明,周小柳,周利民,李志路,张云霞.维生素D受体基因遗传变异对慢性变应性鼻炎的预警作用[J].疑难病杂志.2019
[9].周伟,高天翔,王俊,宋娜.基于线粒体DNA控制区高变区序列的黄河东营段淡水梭鱼群体遗传多样性比较研究[J].海洋湖沼通报.2019
[10].鲁苓茜.基于遗传算法的成分数据变权重组合预测研究[D].山西大学.2019
论文知识图
