酵母多基因表达载体在纤维素生物转化中应用

构建含酿酒酵母组成型强启动子PGK、G418抗性基因及rDNA片段的整合型载体pScIKP,利用rDNA多个同源重组位点,将外源基因以多拷贝整合到酵母染色体上,无需诱导即可持续表达;利用载体位于表达盒两端同尾酶,可插入多个基因表达盒,实现多基因稳定共表达.为检验共表达情况,反转录从绿色木霉中获得纤维素酶基因eg3和cbh2, 克隆并转化获得重组酵母菌株S.cerevisiae-ec. 该重组酵母能降解羧甲基纤维素形成水解圈;用羧甲基纤维素还原糖法和滤纸酶活力法测定酶活力,其最适温度和最适pH值与所表达单酶相似,表明共表达未影响两种酶的生物学特性;且双酶具有协同作用,能更有效降解非结晶纤维素.pScIKP载体能成功用于多个外源基因共表达和产物协同作用的研究,为构建能直接降解纤维素的酿酒酵母菌株,实现纤维素可再生能源的生物利用奠定了基础.     

多卫星协同飞行队形重构的整体优化策略

文章以整体燃料消耗少、时间短以及燃料消耗均衡为优化准则,研究多卫星协同飞行队形重构的整体优化问题。采用基于遗传算法的双脉冲路径优化策略,以燃料消耗最省和时间最短为优化指标,实现成员星的路径优化,采用0-1整数规划技术以整体性能指标最优,进行多卫星的整体队形重构规划和部署。分别以时间最短及燃料消耗最少为优化指标,兼顾燃料消耗均衡给出了2组仿真算例,对多星协同队形重构整体优化策略的有效性进行了比较分析,结果表明,从整体分配角度对多星路径进行规划,可进一步对整体性能进行优化。     

一种多地球物理特征匹配自主导航方法

针对地球物理场具有多个特征和匹配可操作性较强的特点,文中提出了一种多地球物理特征匹配的自主导航方法,研究了导航方法的实现方式和对应的匹配算法。导航方法通过同步测量航迹上的地磁场的多个特征和重力梯度,采用固定点数的滑动窗口构造测量序列后与基准图匹配,最后对匹配结果做融合,得到实时位置信息。匹配算法设计了基于"初始位置+初速度+加速度"实值编码的遗传算法作为搜索策略,采用平均平方差准则(MSD)作为每个特征的匹配相似性度量,并使用加权最大值原则融合所有特征的相似性度量。最后由仿真算例验证了方法的可行性,表明了导航方法具有良好的匹配精度,可用于低空、低速运动载体的导航。     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

基于广义Beta函数的图像自适应增强方法*

针对传统Beta函数的图像增强方法应用于较暗区域、较亮区域,以及两端区域拉伸与中间压缩图像增强中的不足,引入增强算子和新的形状控制参数,提出了新的直方图变换函数,即广义Beta函数.在此基础上,给出了广义Beta函数增强算子选择机制,并建立了新形状控制参数的自适应选取模型.实验结果表明,提出的基于广义Beta函数的图像增强方法不仅增强了图像的对比度,而且保留了较多的图像细节信息,增强结果明显优于传统Beta函数.     

模糊控制在光电稳定平台跟踪控制中的应用

对光电稳定平台中的跟踪环控制系统提出了一种基于遗传算法的模糊控制策略,简要介绍了模糊变量的选择、模糊机的建立以及最优比例调节因子的获取方法,最后通过仿真验证了该方法的有效性。     

福建某钼矿的工艺矿物学研究

研究了福建某钼矿的工艺矿物学特征,分析了矿石的化学组成,对矿石中钼和硫矿物的种类、成分、粒度、嵌布特征进行测定和统计,根据钼和硫的工艺矿物学研究结果,提出提高钼和硫的选矿回收率的建议．     

超冗余移动机械臂的逆运动学快速求解

为了快速并精确地求解一类冗余移动机械臂(MM)运动学的优化逆解,提出了一种基于遗传信
赖域算法和解析解法相结合的运动学求逆方法. 首先使用解析解法求出机械臂逆解关于移动
车运动参数的表达式,据此表达式引入关节最佳柔顺性准则确定信赖域算法的目标函数;然
后用遗传信赖域算法快速求解此只包含移动车运动参数为自变量的目标函数的最优化问题,
据此求出运动学逆解. 仿真算例表明,该方法能快速求出精确和优化的运动学逆解.     

一种基于投影的特征选择方法

以轴承故障诊断为应用背景,基于低维投影能够反映原高维数据某些特征的思想,提出了一种基于投影的特征选择方法。该方法利用遗传算法找到最能反映样本分类特性的投影方向,并利用该方向剔除与投影值无关的特征指标,克服了传统特征选择方法在高维空间中计算复杂的缺点,有效避免了"维数灾难"。仿真结果表明,该方法能够在不降低投影值类别特性的情况下,有效降低样本数据维数,完成特征选择,提高了分类效率及准确率。     

基于自适应进化神经网络算法的入侵检测

针对目前多数入侵检测系统的低检测率问题,提出一种自适应进化神经网络算法AENNA。基于遗传算法和BP神经网络算法,利用模拟退火算法的概率突跳和局部搜索强的特性对遗传算法进行改进,采用双种群策略的遗传进化规则实现BP神经网络权值和结构的双重优化;通过对遗传算法的交叉算子与变异算子的改进,设计一种自适应的神经网络训练方法。实验结果表明,基于AENNA的入侵检测方法能够有效提高系统的检测率并降低误报率。