对棉花抗黄萎病性状进行全基因组关联分析(genome-wide association study,GWAS),发掘与其关联的标记位点、优异等位变异及典型材料,可为棉花抗黄萎病的分子育种提供理论依据。以403份陆地棉品种(系)资源为材料,利用覆盖全基因组的、有...对棉花抗黄萎病性状进行全基因组关联分析(genome-wide association study,GWAS),发掘与其关联的标记位点、优异等位变异及典型材料,可为棉花抗黄萎病的分子育种提供理论依据。以403份陆地棉品种(系)资源为材料,利用覆盖全基因组的、有多态性的201对SSR标记,对3个环境的抗黄萎病性状进行基于混合线性模型(mixed linear model,MLM)的全基因组关联分析,检测与抗病性状显著关联的位点、优异等位变异及优异典型材料。结果表明,3个环境下各材料的相对病指平均值为53.45,平均变异系数为36.85%,平均偏度系数为-0.46,平均峰度系数为-0.31;201对引物共产生394个等位变异位点,GWAS结果表明有11个位点能同时在2个环境中检测到,其中有2个位点NAU2437b和NAU3493b能同时在3个环境中检测到;结合育种实际,发掘出含有优异等位变异的典型材料7份,其中鲁棉研28同时含有9个优异等位变异;从各材料不同生态区来源分析,来源于黄河流域棉区的材料具有较低的平均表型效应。展开更多
针对多目标狼群算法存在的搜索不充分、收敛性不足和多样性欠缺的问题,以及缺少对约束进行处理的问题,提出环境选择的双种群约束多目标狼群算法(multi-objective wolf pack algorithm for dual population constraints with environment...针对多目标狼群算法存在的搜索不充分、收敛性不足和多样性欠缺的问题,以及缺少对约束进行处理的问题,提出环境选择的双种群约束多目标狼群算法(multi-objective wolf pack algorithm for dual population constraints with environment selection,DCMOWPA-ES)。引入双种群约束处理方法给种群设置不同的搜索偏好,主种群运用可行性准则优先保留可行解,次种群通过ε约束探索不可行区域并将搜索结果传递给主种群,让算法能较好应对复杂的不可行区域,保障算法的可行性;提出维度选择的随机游走策略,使人工狼可自主选择游走方向,提高种群的全局搜索能力;设计精英学习的步长调整机制,人工狼通过向头狼学习的方式提升种群的局部搜索能力,确保算法的收敛性;采用环境选择的狼群更新策略,根据人工狼被支配的情况和所处位置的密度信息对其赋值,选择被支配数少且密度信息小的人工狼作为优秀个体,改善算法的多样性。为验证算法性能,将DCMOWPA-ES与六种新兴约束多目标优化算法在两组约束多目标测试集和汽车侧面碰撞设计问题上进行对比实验。实验结果表明,DCMOWPA-ES算法具备较好的可行性、收敛性和多样性。展开更多
针对以往船舶备件需求预测精度不高,无法满足船舶综合保障的实际问题,文章建立一种基于改进红狐优化算法(improved red fox optimization,IRFO)的支持向量机回归(support vector regression,SVR)的船舶备件预测模型。为进一步提高红狐...针对以往船舶备件需求预测精度不高,无法满足船舶综合保障的实际问题,文章建立一种基于改进红狐优化算法(improved red fox optimization,IRFO)的支持向量机回归(support vector regression,SVR)的船舶备件预测模型。为进一步提高红狐优化算法(red fox optimization,RFO)的寻优精度,重构其全局搜索公式,并融合精英反向学习策略。采用基准测试函数对IRFO算法进行仿真实验,实验表明,IRFO算法比RFO算法、粒子群算法、灰狼优化算法寻优能力更强,综合性能更优。基于船舶备件历史数据,建立IRFO-SVR船舶备件预测模型,通过对比其他模型的预测结果,表明IRFO-SVR的预测效果更佳。展开更多
文摘对棉花抗黄萎病性状进行全基因组关联分析(genome-wide association study,GWAS),发掘与其关联的标记位点、优异等位变异及典型材料,可为棉花抗黄萎病的分子育种提供理论依据。以403份陆地棉品种(系)资源为材料,利用覆盖全基因组的、有多态性的201对SSR标记,对3个环境的抗黄萎病性状进行基于混合线性模型(mixed linear model,MLM)的全基因组关联分析,检测与抗病性状显著关联的位点、优异等位变异及优异典型材料。结果表明,3个环境下各材料的相对病指平均值为53.45,平均变异系数为36.85%,平均偏度系数为-0.46,平均峰度系数为-0.31;201对引物共产生394个等位变异位点,GWAS结果表明有11个位点能同时在2个环境中检测到,其中有2个位点NAU2437b和NAU3493b能同时在3个环境中检测到;结合育种实际,发掘出含有优异等位变异的典型材料7份,其中鲁棉研28同时含有9个优异等位变异;从各材料不同生态区来源分析,来源于黄河流域棉区的材料具有较低的平均表型效应。
文摘针对多目标狼群算法存在的搜索不充分、收敛性不足和多样性欠缺的问题,以及缺少对约束进行处理的问题,提出环境选择的双种群约束多目标狼群算法(multi-objective wolf pack algorithm for dual population constraints with environment selection,DCMOWPA-ES)。引入双种群约束处理方法给种群设置不同的搜索偏好,主种群运用可行性准则优先保留可行解,次种群通过ε约束探索不可行区域并将搜索结果传递给主种群,让算法能较好应对复杂的不可行区域,保障算法的可行性;提出维度选择的随机游走策略,使人工狼可自主选择游走方向,提高种群的全局搜索能力;设计精英学习的步长调整机制,人工狼通过向头狼学习的方式提升种群的局部搜索能力,确保算法的收敛性;采用环境选择的狼群更新策略,根据人工狼被支配的情况和所处位置的密度信息对其赋值,选择被支配数少且密度信息小的人工狼作为优秀个体,改善算法的多样性。为验证算法性能,将DCMOWPA-ES与六种新兴约束多目标优化算法在两组约束多目标测试集和汽车侧面碰撞设计问题上进行对比实验。实验结果表明,DCMOWPA-ES算法具备较好的可行性、收敛性和多样性。
文摘针对以往船舶备件需求预测精度不高,无法满足船舶综合保障的实际问题,文章建立一种基于改进红狐优化算法(improved red fox optimization,IRFO)的支持向量机回归(support vector regression,SVR)的船舶备件预测模型。为进一步提高红狐优化算法(red fox optimization,RFO)的寻优精度,重构其全局搜索公式,并融合精英反向学习策略。采用基准测试函数对IRFO算法进行仿真实验,实验表明,IRFO算法比RFO算法、粒子群算法、灰狼优化算法寻优能力更强,综合性能更优。基于船舶备件历史数据,建立IRFO-SVR船舶备件预测模型,通过对比其他模型的预测结果,表明IRFO-SVR的预测效果更佳。
