稻幼胚的形成

稻台中籼试204号和高雄140号两品仲於开花盛期人工自花授粉,取授粉后4、8小时,与1、2、3、及5天的颖果,以二甲次砷酸盐缓冲液配制的2.5％戊二醛固定液中减压,4℃固定12小时。清洗后,1％四氧化锇固定1小时。然后以乙醇脱水,Spurr剂减压包埋。切成0.5μm半厚片及银色超薄片,以1％甲苯胺蓝或柠檬酸铅染包,分别以光显及电显观察。稻卵细胞的授精发生於授粉后4小时,已如另文所述。此等授精卵於授粉后8小时已形成二个细咆的幼胚(图1),一天时幼胚已具数十个细胞(图2),三天时幼胚为卵圆形且具有上千细胞(图3),五天时幼胚已分化成胚的雏形,即具胚盘,子叶,胚轴,胚芽鞘等(图4)。幼胚的细胞分裂,极为旺盛。此之为何三天龄的幼胚已具上千个细咆。分裂的幼胚细胞中,常见核膜破裂,其外围有为数众多的粒线体以及质体(图5)。进入有丝分裂早中期的幼胚细胞则可见细长的染色体,粗面内质网等(图6)。     

苹果梨开花授粉结实特性研究

以苹果梨和南果梨为试材研究发现，苹果梨柱头从开花前1天起至5天内都具有一定接受花粉能力，但前3天接受花粉能力强，交配结实率高，后2天显降低。苹果梨自交不结实，自然杂交的结实率和单果有效种子数显低于人工杂交，人工杂交时，破蕾授粉，破蕾法雄授粉，去雄除花瓣授粉和除整个花冠授粉4种方法对杂交结实率和杂交果的生长发育无明显影响；除花瓣或花冠后未授粉的苹果梨无论隔离与否均不结实，但授粉结实正常。套袋隔离能降低杂交结实率，对杂交果生长发育也有一定影响，杂交时可选择次日开花的大花蕾除花冠后授粉杂交免除套袋隔离；也可直接破蕾授粉套袋隔离，免除去雄过程，减少杂交环节，提高育种效果。     

基于动态全局搜索和柯西变异的花授粉算法

针对基本花授粉算法（FPA）收敛速度慢、寻优精度低以及容易陷入局部最优的缺点,提出了一种基于动态全局搜索和柯西变异的花授粉算法DCFPA。利用混沌映射增强花粉种群初始分布的随机性和均匀性,在全局授粉过程中,引入全局平均最优花粉位置和动态权重递减因子共同实现花粉个体位置的更新,牵引算法朝着正确的搜索方向进行,避免算法早熟收敛,最后利用Cauchy变异,增加种群多样性,帮助算法跳出局部最优。对6个测试函数进行仿真实验表明,DCFPA算法比FPA具有更好的全局优化能力,提升了算法的收敛速度与求解精度;与相关的改进算法比较结果也表明,DCFPA整体上也具有更好的优化性能。     

基于改进狼群算法的三维OTSU阈值法

三维OTSU阈值法引入了邻域中值及均值信息,抗噪性明显提高,但仍存在分割效果不佳的现象,而且阈值维度的增加导致算法运算量庞大、运行时间过长。为提高算法的计算效率和寻优准确率,利用改进的狼群优化算法来搜寻最佳分割阈值。采用花授粉算法优化后计算的最佳阈值调节狼群算法的初始阈值,使狼群在算法初期具有较高的全局探索能力,提高求解速度。为避免算法后期种群聚集的现象,将高斯变异引入围攻行为,设置变异函数,将满足变异条件的个体狼进行变异,避免算法陷入局部最优,提高寻优精度。将改进的算法与传统三维OTSU算法以及CWPA算法优化的三维OTSU法进行图像分割对比,实验显示,改进的算法使分割时间显著降低,并提高了计算阈值的准确度。     

基于单纯形法和自适应步长的花朵授粉算法

针对花朵授粉算法易陷入局部极值、后期收敛速度慢的不足,提出一种基于单纯形法和自适应步长的花朵授粉算法。该算法在基本花朵授粉算法的全局寻优部分采用自适应步长策略来更新个体位置,步长随迭代次数的增加而自适应地调整,避免局部极值;在局部寻优部分对进入下一次迭代的部分较差个体采用单纯形法的扩张、收缩/压缩操作,提高局部搜索能力,进而提高算法的寻优能力。通过八个CEC2005benchmark测试函数进行测试比较,结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法,且其收敛速度、收敛精度、鲁棒性均较对比算法有较大提高。     

基于自适应花授粉算法的BP神经网络结构优化

传统的BP神经网络通过梯度下降法来调整网络的权值和阈值,使网络存在易陷入局部最优且收敛速度慢等缺陷,在很大程度上限制了BP神经网络的应用。针对BP网络存在的不足,提出利用自适应花授粉算法来优化BP网络的权值和阈值。对花授粉算法（FPA）中的转换概率做自适应调整,并引入自适应的变异因子,提出了自适应的花授粉算法（SFPA）;通过两种不同的结合方式将SFPA与BP神经网络进行融合,从而提出了SFPA1-BP神经网络和SFPA2-BP神经网络;通过函数逼近实验和数据集分类实验对新网络的性能进行验证。结果表明,SFPA1-BP和SFPA2-BP在函数逼近和分类方面都优于标准BP网络,且SFPA1-BP具有更高的泛化能力及学习能力。     

融合模拟退火机制的自适应花朵授粉算法

针对基本花朵授粉算法存在的不足,为提高其收敛速度与寻优精度,提出一种融合模拟退火机制的并且根据迭代进化来动态调整全局步长和局部繁衍概率的自适应花朵授粉算法。首先,在基本算法的全局授粉莱维飞行中使用变形指数函数的缩放因子来控制步长,使得花朵个体随迭代次数的增加自适应地进行位置更新;然后,通过瑞利分布函数结合迭代次数对繁衍概率影响因子进行改进,使得在避免早熟收敛的同时能够在后期向着最优解靠近;最后,在已改进的花朵授粉算法中融入模拟退火降温操作,这不仅增加了种群的多样性,而且改善了算法的整体寻优性能。仿真结果表明,改进后的算法 具有较快的收敛速度和较高的收敛精度,寻优性能得到了显著提高。     

整数规划的花授粉算法

整数规划是NP困难(Non-deterministic Polynomial-time hard,NP-hard)的经典问题之一。整数规划的花授粉算法(Integer Flower Pollination Algorithm,IFPA)是采用截断取整的方法,将最近开发的花授粉算法(Flower Pollination Algorithm,FPA)扩展到求解整数规划问题。通过对测试函数集进行仿真实验,结果表明IFPA拥有很好的性能和很强的全局寻优能力,可以作为一种实用方法用于求解无约束整数规划和有约束整数规划问题。     

基于混合策略改进的花朵授粉算法

针对传统花朵授粉算法(FPA)在解决复杂问题时搜索精度低和收敛速度慢等问题,提出了一种基于混合策略改进的花朵授粉算法(HSFPA)。采用自适应转换概率策略改进转换概率,动态平衡全局授粉和局部授粉之间的关系;在全局授粉阶段,提出一种动态全局搜索策略,既可以加快算法收敛速度,又能增加花粉种群的多样性,防止花粉陷入局部最优;局部搜索增强策略使得花粉能够充分开发当前优质花粉周围的搜索空间,提高收敛精度;花粉越界修正策略进一步加强了算法的探索能力。通过对10个基准函数进行仿真测试,实验结果表明,HSFPA算法在搜索速度和寻优精度方面具有更好的效果。     

分数阶扩散方程参数反演的改进花朵授粉算法

为解决传统花朵授粉算法容易受到局部极值影响的问题,将共享机制的小生境策略与花朵授粉算法相结合,提出了一种新的小生境花朵授粉算法,并将之应用于空间分数阶扩散方程的参数反演研究,以期为污染物寻源和空气污染防治提供一定的理论依据.为确保算法的寻优能力及寻优精度,首先,选取20个多模态函数,将算法改进前后的寻优性能进行对比,以验证改进算法的性能;然后,针对污染寻源问题,基于相应的空间分数阶反常扩散方程模型,运用隐式差分格式求解正问题,并采用花朵授粉算法和改进算法反演源项和扩散系数;最后,针对所提出的算法,从种群数、转换概率和搜索区间方面进行了灵敏度分析,并进一步讨论了算法的抗噪性.数值算例结果表明,对于空间分数阶反常扩散方程参数反演问题,改进后的花朵授粉算法反演效果更好,数值精度更高,可以达到理想水平.