重复的遗传学效应篇1

关键词:相关序列扩增多态;原理;遗传图谱;遗传多样性;基因定位

AbstractSequence-RelatedAmplifiedPolymorphism(SRAP)isanewkindofDNAmolecularmarkers，whichpossessescharacteristicssuchassimplicity，reliability，highco-dominanceandeasilygettingsequenceofselectedbands.SRAPprinciplesandprotocolsweredescribedanditsresearchadvancesandapplicationinsuchaspectsasgeneticmapping，geneticpersity，genetaggingandsoonwereoverviewed.

KeywordsSequence-RelatedAmplifiedPolymorphism;principles;geneticmapping;geneticpersity;genetagging

我国有丰富的农作物品种，但天然品种总是在某些性质方面存在缺陷，如容易受到病虫害感染、产量低等。因此，选育和推广优质的农作物新品种是农作物研究的重要任务。分子标记辅助育种是利用分子遗传标记，借助于目标基因紧密连锁的遗传标记的基因型分析鉴定含有目标基因的个体，从而提高选择效率，减少盲目性，加速育种进程，在一定程度上弥补了传统育种缺陷[1]。

目前，用于植物基因组分析的分子标记有RFLP(restr-icationfragmentlengthpolymorphism，限制性片段长度多态性)、RAPD(randomamplifiedpolymorphicDNA，随机扩增多态性DNA)、AFLP(amplifiedfragmentlengthpolymorphism，扩增片段长度多态性)、SSR(simplesequencerepeat，简单重复序列)、SRAP(sequence-relatedamplifiedpolymorphism，相关序列扩增多态)等。其中RFLP标记虽然以共显性方式遗传，但由于它对DNA需求量大、实验操作较繁琐、检测周期长、成本费用高等限制了其广泛引用;RAPD方法虽然简单易行，需DNA量极少，但由于RAPD标记是一个显性标记，不能识别纯合子和杂合子，且其操作重复性较差;SSR具有高度的多态性、共显性遗传、选择中性、易于操作等优点，但SSR座位的筛选和特异引物的开发工作繁琐且耗时费力，限制了其广泛应用;AFLP技术发挥了检测位点多、多态水平高、灵敏度高、结果稳定可靠等优点，但其操作要求严格，扩增时会有假阳性和假阴性结果以及凝胶背景杂乱等缺点，在一定程度上影响了其标记作用的良好发挥;而SRAP是一种新型的基于PCR的标记技术，它的特点在于不需要知道任何基因的序列信息即可进行PCR扩增，集中了上述几种标记技术的优点，具有共显性、简便、稳定、操作简单、重复性强、中等产率等优点，可以弥补以上各项技术的不足，在多种植物研究中得到了广泛的应用，体现了SRAP标记技术在植物研究中的可行性。

1SRAP标记简介

SRAP标记是由美国加州大学作物系Li[2]于2001年在研究芸薹作物时开发出来的一种标记技术，在油菜、水稻、小麦、棉花等农作物上的研究已体现出一定的应用价值[3-7]。

1.1SRAP标记原理

SRAP主要对植物基因组中ORFs(openreadingframes，开放阅读框)进行扩增，利用外显子富含GC而启动子、内含子富含AT的特点设计引物。上游引物(也叫正向引物，forwardprimer)长17bp，引物的3′端为3个选择碱基，引物的5′端为14bp的核心序列，由一段填充序列和CCGG构成，主要结合在外显子区域，对外显子进行特异扩增。下游引物(也叫反向引物，reverseprimer)长18bp，引物的3′端仍为3个选择碱基，引物的5′端为14bp的核心序列，其中核心序列前11bp是一段填充序列，紧接着是AATT，下游引物的结合位点在内含子区域或启动子区域，对内含子区域、启动子区域进行特异扩增。由于内含子、启动子与间隔序列长度在物种间或同一物种的不同个体间是不等的，因此用SRAP分析时会产生多态性[2]。

1.2DNA扩增

DNA扩增采用复性变温法扩增，主要是为了保证引物与靶DNA配对，并且保证扩增片段的重复性。反应体系中包括DNA150ng、dNTPs0.2mmoL/L、1.5mmoL/LMgCl2、0.3μmoL/L引物、1UTaqDNA聚合酶。反应参数:94℃预变性5min;循环30次，前5次循环:95℃变性30s，35℃复性30s，72℃延伸30s;后25次循环:94℃变性30s，50℃复性30s，72℃延伸30s，循环结束后72℃延伸7min[8]。不同的物种进行SRAP-PCR扩增的最优条件并非相同，因此在进行具体研究时应对PCR中反应体系进行优化，对相关参数做浓度梯度研究以确定研究对象的最优扩增条件，达到最好的反应效果[9]。

1.3产物检测

扩增产物通常用6%的变性聚丙烯酰胺凝胶电泳分离，也可用琼脂糖检测多态性。分离完毕后用放射自显影方法、银染方法或EB方法检测[8]。

2SRAP技术在农作物遗传育种中的应用

近年来，由于SRAP引物的大量开发，并且在分子标记辅助育种中体现出了优于AFLP、ISSR、RAPD等特点[10-11]，因此备受遗传育种学家的青睐，被广泛应用于农作物遗传多样性评价、遗传图谱构建和品种鉴定等方面。

2.1遗传多样性研究

遗传多样性是指物种中不同个体遗传变异的总和。遗传多样性的研究是植物种质资源保护、品种改良和开发利用的基础。分析种质资源的遗产多样性，探讨遗传基础和亲缘关系，为种质资源的利用提供理论基础。何凤发等[12]随机选用了27对SRAP引物对44份马铃薯(Solanumtubero-sum)资源进行遗传多样性分析，有23对引物可产生104条多态性条带，平均每对引物产生4.5个多态性条带，表明SRAP标记有较高的多态性比率，多态性丰富，可用于马铃薯遗传多样性的分析。李晓慧等[13]采用SRAP分子标记对西瓜(Citrulluslanatus)进行遗传多样性分析，8对引物组合共产生多态性条带37条，平均4.7条，每对引物平均多态性比率为28.675%，结果表明SRAP标记具有较高的多态性，适合于分析西瓜等遗传差异小的物种。

2.2标定基因

标定基因对于后基因组学的研究和作物育种具有重要意义。育种工作的目的就是实现品种改良，品种改良的实质就是对目的基因进行选择并实现优异基因集成的过程。因而实现目的基因的快速定位、提高其选择效率，是加快育种进程的关键。农作物的一些重要性状都是由一个或多个基因决定的。如果能够找到与目的性状相关联的基因或是找到与目的基因连锁的分子标记，在杂交育种时就可以有目的地选择亲本，并且对于子代可以快速地鉴定，提高育种效率。在甘蓝型油菜(Brassicanapus)的育种过程中，选择黄色籽粒是一个重要的任务。Fu等[14]利用SRAP分子标记对在不同环境中生长的2个重组品系的杂交品种进行分析，发现了19个数量相关性状基因，其中一个主要的基因与标记EM11ME20/200相邻，通过比较基因组学分析发现这个重要的QTL基因两侧的标记序列与拟南芥第5条染色体中定位于At5g44440基因和At5g49640基因间的一个重要的QTL基因的两侧序列有高度的同源性。

产量性状是复杂的数量性状，对油菜产量性状进行分析，可确定其在染色体上的位置及其遗传效应，可以探讨油菜杂种优势产生原因，提高育种中对产量性状优良基因型选择的效率。Chen等[15]对油菜的双单倍体群体和F2群体进行SRAP分析，发现了与6个生产性状相关的QTL基因，包括植株高度、最低有效分枝的高度、主花序长度、角果长度、有效分枝数和角果密度，在某些染色体的区域中有多个性状的QTL，与观察到的部分表型性状的相关性是一致的，表明QTLs的紧密连锁是相关性遗传的基础。燕麦是人们常用的谷物，但是现在在谷物生长的土壤中经常会含有一些重金属物质，如镉。镉是非必需的重金属，在低浓度时对细胞就是高毒性的，而植物自身有一套机制可以负责镉的解毒，并控制镉的含量，但是对于同一种植物的不同品种可能由于遗传因素的原因，它们的镉含量是有差异的，因此培育低镉含量的植物是育种的重要目标，试图找到与低镉含量连锁的分子标记，作为表型选择的依据。在对燕麦(Avenasativa)的分析中运用混合群分离分析，发现了4个与镉含量相关的分子标记:1个SRAP，2个RAPDs，1个REMAP，这4个标记同属于一个连锁群，代表着与谷物镉含量密切相关的质量性状位点[16]。

2.3构建遗传图谱

遗传图谱是确定基因或DNA标志在染色体上的相对位置和遗传距离，是研究基因组遗传与变异的重要手段。衡量遗传图谱质量的一个重要标准是标记分布的均匀程度，而标记类型是影响连锁群上的标记均匀分布与否的重要因素之一。李媛媛等[17]利用SRAP、SSR和AFLP3种分子标记技术对甘蓝型油菜进行遗传分析，构建了1张包含21个连锁群的遗传图谱，其中涉及137个SRAP标记、143个SSR标记和118个AFLP标记，图谱长1949.8cM。在此研究中，虽然SSR和SRAP标记在图谱上呈间隔分布，并且在所有21条连锁群上，仅N7连锁群上的标记分布不均匀，但SSR标记仅分布于非编码区，并且开发费时费力;AFLP标记与SRAP标记相比，AFLP标记操作复杂，需要经过酶切、连接等步骤，成本较高，并且AFLP容易密集分布，在研究中约有1/2的AFLP标记仅分布在4条连锁群上。因此，相比之下SRAP更适合于图谱构建。Sun等[18]利用1634对SRAP引物组合对双单倍体甘蓝型油菜群体作图，共产生了13551条SRAP条带，构建的遗传图谱中基本上每1cM就有8.45个SRAPs，比物理图谱中每100kb出现1个标记的频率更高，是一张高密度的遗传图谱，这表明单一的SRAP标记对构建遗传图谱是适合的。

2.4品种鉴定

由于育种工作的大力推广与开展，几乎每个农作物中都培育了很多品种，有些品种从形态上看较为相似，并且也存在同物不同名的现象。为了有效地区分这些品种就必须建立分子鉴别机制。王燕等[19]利用15个引物组合对番茄(Cyphomandrabetacea)11个主要品种以及1个近缘野生种进行种质鉴定的SRAP分析，双引物组合me8/em8-1与me6-1/em14-1可以区分所有供试材料，表明SRAP可有效用于番茄品种资源鉴定。Hao等[20]利用24对SRAP引物组合对芍药属(Paeonia)的29份栽培品种进行研究，这29份品种分别属于不同组，有14个为芍药组植株，有13个为牡丹组植株，还有2个芍药组和牡丹组的杂交植株，扩增共产生了197条带，其中187条多态性条带。扩增条带结果显示，用独特的扩增条带和特殊的引物组合鉴定芍药栽培品种是有效的，可以用35条SRAP条带把14个芍药栽培品种两两相互区分，并且还通过Me8/Em8和Me8/Em1这2对引物组合把芍药和牡丹样品全部分离。

3展望

综上可以看出，SRAP标记已被应用到农作物研究的很多领域，是一种简单有效的分子标记。与其他分子标记相比，由于SRAP标记扩增对象是基因组中的开放阅读框，可以体现开放阅读框区域的多态性，也可更好地解释物种性(下转第82页)

(上接第80页)

状差异的原因。对研究中获得的SRAP差异片段可以测序，把它转化成SCAR(sequencecharacterizedamplifiedregion)标记，这将更加有利于种质资源的筛选鉴定工作。总之，相信随着检测手段的精确度不断提高和分析方法的逐步改进，SRAP标记会更加完善、更为广泛地用于物种分子遗传水平的研究。

4参考文献

[1]邓丽琴，祝朋芳，陈长青.试论常规育种与分子育种的研究应用[J].杂粮作物，2004，24(5):280-281.

[2]LIG，QUIROSCF.Sequence-relatedamplifiedpolymorphism(SRAP)，AnewmarkersystembasedonasimplePCRreaction:itsapplicationtomappingandgenetagginginBrassica[J].TheorApplGenet，2001(103):455-461.

[3]陈峰，张洁夫，陈松，等.甘蓝型油菜隐性核不育基因的SRAP标记[J].江苏农业学报，2007，23(4):283-288.

[4]文雁成，王汉中，沈金雄，等.用SRAP标记分析中国甘蓝型油菜品种的遗传多样性和遗传基础[J].中国农业科学，2006，39(2):246-256.

[5]姜树坤，张喜娟，张丽.水稻品种“沈农606”抗稻瘟病基因定位和连锁的SRAP片段分析[J].植物生理学通讯，2007，43(5):852-856.

[6]刘雅辉，闫红飞，杨文香，等.小麦抗叶锈病基因Lr19的SRAP标记[J].华北农学报，2007，22(4):193-196.

[7]李驰，卢新雄，张志娥，等.利用SRAP和SSR分子标记检测分析29份棉花种质遗传完整性[J].植物遗传资源学报，2007，8(1):21-25.

[8]MARIAF，BELENP，PASCUALF，etal.MolecularDiversityofaGerm-plasmCollectionofSquash(Cucurbitamoschata)DeterminedbySRAPandAFLPMarkers[J].CropSci，2004(44):653-664.

[9]田明礼，吴孝兵.扬子鳄SRAP-PCR反应体系的优化及引物筛选[J].安徽师范大学学报:自然科学版，2008，31(2):163-167.

[10]AHMADR，POTTERD，STIPHENM.Genotypingofpeachandnecta-rineculivarswithSSRandSRAPmolecularmarkers[J].JAmerSocHortSci，2004，129(2):204-210.

[11]FERRIOLM，PICOB，NUEZF.Geneticpersityofagermplasmcol-lectionofcucurbitapepousingSRAPandAFLPmarkers[J].TheorAppalGenet，2003(107):271-282.

[12]何凤发，杨志平，张正圣，等.马铃薯遗传资源多样性的SRAP分析[J].农业生物技术学报，2007，15(6):1001-1005.

[13]李晓慧，田朝阳，王从彦.SRAP分子标记分析西瓜遗传多态性[J].生物技术，2007，17(3):23-26.

[14]FUFY，LIULZ，CHAIYR，etal.LocalizationofQTLsforseedcolorusingrecombinantinbredlinesofBrassicanapusindifferentenvironments[J].Genome，2007，50(9):840-854.

[15]CHENW，ZHANGY，LIUX，etal.DetectionofQTLforsixyield-relatedtraitsinoilseedrape(Brassicanapus)usingDHandimmorta-lizedF(2)populations[J].TheorApplGenet，2007，115(6):849-858.

[16]TANHUANPAAR，KALENDARR，SCHULMANAH，etal.Amajorgeneforgraincadmiumaccumulationinoat(AvenasativaL.)[J].Geno-me，2007，50(6):588-594.

[17]李媛媛，沈金雄，王同华，等.利用SRAP、SSR和AFLP标记构建甘蓝型油菜遗传连锁图[J].中国农业科学杂志，2007，40(6):1118-1126.

[18]SUNZ，WANGZ，TUJ，etal.AnultradensegeneticrecombinationmapforBrassicanapus，consistingof13551SRAPmarkers[J].TheorApplGenet，2007，114(8):1305-1317.

重复的遗传学效应篇2

SunJianbin；XingLining

（SchoolofInformationSystemandManagement，NationalUniversityofDefenseTechnology，Changsha410072，China）

摘要：组合多样化的武器系统，达到使用效能最优，已成为打赢信息化条件下局部战争亟待解决的一个核心问题。本文采用改进的遗传算法解决了武器系统组合优化问题：采用字符串编码方式，设计应用DP算法、单点交换等规则，为解决武器系统组合优化问题提供了有益的借鉴。将此模型应用于一个实际武器系统组合优化问题，获得了非常满意的结果，证明了算法的可行性。

Abstract:Howtoeffectivelycombinediversifiedequipment,achievingtheoptimaluseefficiency,hasbecomeacentralissuedesideratingtosolvewhichrelatestoimprovetheabilityofwinningalocalwarundertheconditionofinformation.Thispapersolvedcombinatorialoptimizationproblemsaccordingtoameliorativegeneticalgorithm：bringingoutthestringcodingmethod，designingasclassDPalgorithm,single-pointexchangerulesetc.Thismodel,asappliedtoweaponssystemsimulationoptimizationproblem,hasobtainedverysatisfactoryresults,provingitsfeasibility.

关键词：遗传算法DP算法组合优化

Keywords:GeneticAlgorithm；DPAlgorithm；CombinatorialOptimization

中图分类号：TP301.6文献标识码：A文章编号：1006-4311（2011）29-0009-03

0引言

近年来，随着军队现代化建设的不断推进，我军武器装备的水平得到了较大提高，尤其是成体系、成系统的武器装备更是完成了从无到有的转变。但是，许多武器装备有相似的功能，可以完成相似的军事任务，同时又有各自的不同特点。不同的武器装备在不同的地点；与不同的装备配合使用；装备在不同兵种的部队等都会有不同的效能。因此，合理组合优化武器装备系统，将会使现有武器装备的总效能得到充分发挥，大力提高部队的战斗力。本文将讨论运用遗传算法解决武器系统组合优化的方法。

遗传算法首先是由密歇根大学的Holland教授在1975年提出的[1]，经过几十年的不断发展，已经成为一个比较成熟的理论体系，被广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域[2]。但是，面对日益庞大的优化目标，传统的遗传算法也已经开始变现出一些不足：传统的遗传算法在解决大规模计算问题时，往往出现“早熟”现象；由于没有适当的信息反馈机制，遗传算法的搜索比一些新兴的优化算法速度慢，并且这种搜索还是建立在已经存在合理的初始解集的基础上[3]。因此，改进遗传算法应运而生。改进遗传算法主要分为两个方向，一是将遗传算法与其他算法结合，如遗传算法与神经网络、模糊推理及混沌理论的结合；另一类是算法本身包括搜索方法等的改进，如D.Whitey提出的基于领域交叉的交叉算子、D.H.Ackley等提出的随机迭代遗传爬山法等。国内方面较为突出的有戴晓明通过多种种群、多遗传策略的并行进化遗传算法；赵宏立提出基于基因块编码的并行算法等。

1武器系统组合优化问题

由于武器装备系统的多维性和特殊性，不同武器系统之间的相互组合可能产生不同的组合效能。例如，当防空火力系统与侦查系统相互组合优化时，两者相互补充，会发生更高效能；而如果两个同为火力系统并且共同使用，总体效能只是两者效能的简单加和，甚至相互抑制，降低总效能。但是在实际应用过程中，由于武器的种类和数量众多，不可能人为地遍历各种组合方式寻求最优方案。为了更加快速准确地求解这个组合优化问题，现建立如下数学模型：

1.1输入现有各种武器装备系统Si（i=1，2，……，n）；每个系统单独列装使用时效能为Vi（i=1，2，……，n）；那么这n个系统按任意顺序排列组合，将生成n！个序列：Ii（i=1，2，……，n！）。

1.2输出寻求最优的组合方案即求解这些系统组合的最大效能值E*，并输出相应的组合方案。

1.3约束条件上述n个系统中，m个系统组合使用时，效能为：Vs1，s2，……，sm（m=1，2，……，n）。

此外还可以根据具体情况做出相应约束：如，规定所有武器系统，最多可以两两组合使用；又如，规定一个组合内的系统不分先后顺序，即Vs1，s2=Vs2，s1；

同时可以规定每个系统都不相同，因此系统不能与自身组合使用，方案中每个系统也只能出现一次。

1.4目标函数由于每个序列I组合方式的不同，可以有多种总效能值e；记这些总效能中最大值Ei为该序列的总效能，即：Ei=max（e1，e2，……）（1）

得到该最大效能的组合方式称为该序列的方案。

寻求武器系统组合优化的最优，就是在这些不同序列中，寻求效能最大的方案：E*=maxEi（2）

2改进遗传算法

用遗传算法解决武器系统组合优化问题，可以将多个方案定义为系统优化的解，那么，多个解组成的解集就是遗传算法中的种群，每个解即为种群中的一个个体，每个解对应的序列为个体的染色体，每个系统为染色体相应的基因。

本文针对上述问题，为了提高搜索效率、计算速度和适应大规模计算，对遗传算法进行了相应改进，包括采用字符串的编码方式、设计单断点交换规则、引入DP算法计算效能值等。

利用遗传算法解决武器系统组合优化问题的流程图（见图1）。

2.1种群初始化种群初始化阶段的主要工作就是生成初始解集，并对其进行编码。为了体现系统之间的组合关系和组合效能对整体效能的影响，本文没有选择传统的二进制编码方式，而是采取了字符串的编码方式。每个系统用不同的字符编码，代表相应的基因。一个字符串，就是一个基因序列，即个体的染色体。

2.2遗传算子遗传算法模拟自然界的生物的自然选择和进化过程，主要是通过遗传算子实现的，主要有交叉、变异和选择三种操作。

交叉操作就是父代个体染色体的基因通过配对互换生成新个体，遗传父代的基因特性的同时，产生新的基因序列。本文设计了一种单断点交换规则，保证生成个体与父代不同，并且每个基因在染色体中不重复出现。所谓单断点交换规则是指：对于随机选出的用来交叉的两个父代个体，选择一个固定的基因结点（称为断点），结点之前的基因作为对应子代的基因被遗传下来，结点之后的基因，如果两个父代个体对应位置的基因相同，优先被子代继承；如果对应位置不相同，则交换两个父代的相应基因。为了防止出现交叉后，一个子代个体的染色体含有两个相同的基因的问题，可以在单个基因交叉时先与结点前的基因比较，不同时按规则继承，相同则保留在最后。

例如：（见图2）

2.2.1为两个父代的基因序列，断点为第三个基因，断点前的三个基因作为遗传基因不参与互换，断点后基因交叉互换。

2.2.2由于断点后的序列中，对应位置相同基因的被优先继承，所以基因d优先继承。其余基因一次交叉互换。

2.2.3交叉互换后，每个子代中的基因可能会有重复，重复基因在另一子代中有没有出现。由于重复基因是交叉互换的结果，那么通过比较，如果交叉基因段中有与遗传基因段相同的基因，则该基因被遗传而不是互换。如图中h、e、c、g四个基因。

2.2.4单断点交换后结果。变异操作就是将父代个体染色体的某两个基因按规则交换，形成的新个体作为子代。

例如：（见图3）

上述交叉和变异操作都需要从种群中选择父代个体，本文采取赌方法随机选取父代个体，并且为了保证种群的多样化和提高优化速度，将在种群中选取适当比例的父代进行交叉和变异。这个比例可以通过多次试验，分析数据得到。

选择操作是在父代进行交叉和变异后，对包括父代和新生成子代所有个体进行适应度计算，选取适应度高的个体，保留存活；淘汰适应度低的个体。其中，适应函数的定义和计算是这一阶段的关键。本文的适应函数就是计算每个基因序列的总体效能值的最大值，即：Ei=max（e1，e2，……）（3）

由于每个序列多含有多个基因，其组合方式更是多样，如果简单通过遍历计算所有组合方式的效能再最大化，计算时间将会很长，导致不适应大规模问题的计算。本文利用了效能计算的承袭性，引入DP算法，通过调用函数自身，每一步都做出优化判断，明显减少了计算量。

现以一个简单的例子说明DP算法的思想和计算复杂度。设一个基因序列含有10个基因S1，S2，……S10，每个基因单独使用的效能为10。同时约束条件规定只能相邻两个组合或者单独发挥效能。随机生成一个二维的组合效能表，如表1所示：

则其中一个序列（如表2）的所有组合中效能最大值的过程所下：

该序列的效能最大值就为109。

其通式为：DP[dp]=max{DP[dp-1]+10，DP[dp-2]+V}（4）

DP为每步优化判断结果。V是根据规则得出的相邻两个系统组合的效能值。

在计算复杂度方面，如果采用遍历的算法，计算复杂度为：O（nn）

而如果用DP算法，每次计算都进行优化判断，计算复杂度减少为：O（n）。

整个计算过程就是三个遗传算子的不断重复循环。种群就以初始种群为基础，经过遗传变异产生新个体，通过选择保留优秀个体，淘汰适应能力差的个体。在每次迭代过程中，为了保证种群总数量的稳定，选择时可以选取固定数量适应值排在前列的个体。经过若干代的迭代之后，种群中存活的个体适应函数值远远高于初始种群。这些个体对应的组合方案，就是我们寻求的优化方案。

3应用实例

本文通过一个实例来验证该算法解决武器系统组合优化问题的优越性。

对于待列装的武器系统个数，可以假设为10、20、50、100、200、500。每个武器单独使用时发挥的效能值都为10。规定武器系统之间最多只能相邻两个组合，也可以单独使用，对于不相邻的系统，可以通过遗传算子改变基因序列的排序得到组合的可能。相应相邻的两位组合效能，每次随机产生，浮动范围为[10，30]（例见表1）。

在用遗传算法进行计算时，根据以往经验和实验数据分析，确定选取父代个体中的60%进行交叉，30%进行变异，种群个体总数和繁衍的代数均为上述10到500六种情况。

对上述216种不同规模进行计算机模拟计算，得如下结论：

由图4可以看出：装备组合后的效能值较单独使用时有明显的增加，且随装备种类增多，其效能的提升空间随之增加，证明了此算法的有效性；随种群个数的增加，最优解的搜索速度明显增加，同时所得最优解也随种群个数的增加而增大，随代数的增加，效能值趋于稳定，即种群在有限次迭代内，可以找到最优解，证明了此算法的可行性；此外，这些数据充分说明了遗传算法的优势，即通过对初始解和各代解的并行计算，大大提高搜索速度。因此，选择恰当的种群中个体个数，可以有效减小迭代的次数，并得到更高的效能值。如本例采用种群中个体数为200~500为较为合适。

该算法运行时间随问题规模的增大而增长，拟合曲线成二次型增长（见图5），在可接受范围内。因此该算法在解决较大规模问题时同样适用。（以运行500代时间为例）

通过比较在不同规模下的最终解的变异系数，不难看出该算法解决这个问题多次试验结果是相对稳定并且符合实际的，同时，规模越大，变异系数越小，结果越稳定（图6）。

4结束语

人们对于遗传算法的研究，自1975年以来就没有停止过。几十年以来，遗传算法一直在不断发展着，无论是算法本身的优化，还是应用领域的扩展[4]。本文作为遗传算法在军事领域的应用，也同样适用于其他组合优化问题的求解。为了更好地指导实践，后续将继续在这方面进行研究，尤其是在算法的稳定性和更大超大规模问题的计算求解上。并且努力将该算法与其他算法结合，取长补短，不断进步。

参考文献：

[1]HollandJH.AdaptationinNaturalandArtificialSystems[M].Cambridge，MA：MITPress，1975.

[2]刘立平，牛熠.遗传算法综述[J].东莞理工学院学报，2005，12，（3）：48-52.

重复的遗传学效应篇3

【关键词】染色体多态性；不良生殖效应；细胞遗传学

Studyontherelationshipbetweenchromosomepolymorphismandabnormalreproductiveeffectin58cases

[Abstract]Objective：Tostudytherelationshipbetweenchromosomepolymorphismandtheabnormalreproductiveeffect.Methods：TheperipheralbloodlymphocytesofthepatientswereculturedroutinelyofkarotypeanalysiswithG，CandNbanding.Results：Therewere141caseswithchromosomevariationin2660patients.58caseswithchromosomepolymorphism，including15cases（10.6%）withtheshortarmlengthenedofchromosomeD/Ggroup，9cases（6.4%）withtheSCregionlengthenedofchromosome1，9and16，24cases（17.0%）withinv（9）and10cases（7.1%）withYchromosomepolymorphismwereobserved.Conclusion：Chromosomepolymorphismisrelatedtotheabnormalreproductiveeffect.

[Keywords]Chromosomepolymorphism；Abnormalreproductiveeffect；Cytogenetics

染色体多态性也称为异态性，指广泛存在于正常人群中的各种染色体结构和着色强度恒定但非病理性的微小变异。一般认为，染色体多态性的发生通常在临床上没有明显的不良效应[1]。但如今随着细胞遗传学的发展，越来越多的研究与资料表明，染色体多态性与临床效应有一定相关性，尤其与不良临床生殖效应关系密切。本文根据2011年来我院遗传科进行遗传咨询的2660例患者的细胞遗传学检查结果进行分析并结合相关资料探讨染色体多态性与临床生殖效应间的相关性。

1资料与方法

1.1研究对象2011年来我院遗传科门诊进行遗传咨询的患者2660例，就诊原因有不孕、不育、少弱精症、早孕期胚停、流产、胎儿绒毛组织/羊水/脐血核型异常、智力低下等。

1.2研究方法采集患者外周血1～2ml，肝素抗凝，无菌操作下接种于外周血细胞培养基（产地：青岛莱佛生物工程研究所），置于37℃恒温培养箱中培养72h，按常规方法制备染色体标本，G显带技术进行细胞核型分析，对其中疑有染色体多态性的病例加用C或N显带技术，以确认细胞核型分析结果。每例至少计数20个细胞，分析2个核型。

2结果

2.1染色体多态性的观察结果

在2660例遗传咨询患者中检出染色体变异141例，其中染色体多态性变异为58例，占41.13%，其他染色体变异83例，占58.87%，均表现临床效应。观察到的染色体多态性变异可主要分为以下四种类型：（1）D/G组短臂或随体区延长（图1）；（2）次缢痕增长（包括1、9和16号染色体）（图2）；（3）9号染色体臂间倒位（图3）；（4）Y染色体变异（包括大Y和小Y）（图4、5）。对类型（1）（2）分别加用N显带、C显带技术，以确认细胞核型分析结果（图6、7）

2.2染色体多态性与临床表现的关系

在观察到的141例染色体变异中，多态性变异为58例，占41.13%，其中D/G组短臂或随体区延长15例，占10.6%（15/141）；次缢痕增加（包括1、9、16号染色体）9例，占6.4%（9/141）；9号染色体臂间倒位24例，占17.0%（24/141）。以上各类多态性变异的临床表现归纳于表1。

表中涉及的其他临床表现主要是与不良生殖效应无关的临床表现，如胎儿绒毛组织/羊水/脐血核型异常、智力低下等。由表1可知，具有不良生殖效应患者的染色体多态性发生率明显高于非生殖效应的患者。

3讨论

染色体多态性主要表现为异染色质的变异，特别是含有高度重复DNA的结构异染色质，过去通常认为染色体多态性无明显临床效应或病理意义。但近来较多研究表明，染色体多态性与生殖异常如流产、胚胎停育、死胎、畸胎及男性不育、异常等有关。[2-3]本文141例染色体变异中，染色体多态性有58例，与生殖异常相关的为47例，占81%。

3.1D/G组短臂或随体区延长与生殖异常

D/G组染色体即近端着丝粒染色体的次缢痕处与核仁形成有关，成为核仁形成区（necleolus-organizingregion，NOR），应用DNA-RNA分子杂交技术已证明该区含有人类18s和28s核糖体RNA（rRNA编码结构）的基因（rRNA）。石玉平等研究发现[4]，D/G组染色体的短臂增长部分是NORrRNA高度重复的结果[4]。另有研究发现[5]，NOR是人类染色体随体联合（satelliteassociation，SA）的部位，NOR的活性变化可使D/G组染色体的随体联合频率（SAF）增加[5]，可能影响染色体在生殖细胞形成过程中的正常分离，而使某些生殖细胞含有非整倍体染色体进而传递至受精卵，使其在早期卵裂过程中发生染色体不分离，最终导致非整倍体胚胎的产生，造成流产[6]。此外，D/G组染色体的随体区与主缢痕区的着丝粒―动粒复合体（CKC）相邻，CKC是细胞分裂中纺锤丝微管的着力点，是染色体运动和均等分离的结构功能基础，故随体区的变异可能会导致近端着丝粒染色体的不分离，进而影响正常配子的形成及细胞的分裂分化，最终导致不良生殖效应的发生。本研究所观察到的15例D/G组染色体短臂或随体区延长病例中，有13例发生了不良生殖效应。

3.2染色体次缢痕增长与生殖异常

人类染色体的次缢痕主要存在于1、9、16号染色体及Y染色体的长臂，本研究所观察到的次缢痕增长病例也多发生于以上染色体。这些次缢痕常位于染色体的结构异染色质区，次缢痕的增长是高度重复的DNA序列增加所致，此结论已用C显带法加以证实（图7）。本文9例常染色体次缢痕增长的患者表现为早孕期胚停/流产3例，不孕、不育6例，其原因可能是由于高度重复的DNA序列增加，影响细胞分裂，造成同源染色体配对困难，产生不平衡的配子，形成非整倍体的子代而发生流产或不平衡的配子不能受精而死亡造成不孕不育[7]。另有研究报道[8]，高度重复的DNA序列增加除可影响染色体减数分裂外，还可能导致胚胎早期细胞分化时基因调节异常或剂量效应造成有丝分裂错误，最终导致胎儿丢失或缺陷儿出生。

3.39号染色体臂间倒位与生殖异常

3.3.1人类的每条染色体都可能发生臂间倒位，以9号染色体臂间倒位（inv（9））的发生率最高，国内夏家辉等报道inv（9）的发生率为0.82%，其他倒位的发生率为0.09%。本文中inv（9）发生率为0.9%，略高于国内报道。过去大部分学者认为inv（9）属于一种染色体多态性表现，一般无病理意义。但近来较多研究发现并从一定理论层面上证实，inv（9）与生殖密切相关，并具有一定遗传效应。本研究结果显示：在检出的15例inv（9）患者中，（早孕期）胚停、流产者6例，占inv（9）的25%；不孕、不育者9例，占inv（9）的37.5%；与生殖异常临床表征无关者9例，占inv（9）的37.5%。可见，在inv（9）患者中，有不良生殖效应者占多数，该结果与近年来的研究结果相符合。

3.3.2inv（9）的发生，对其配子形成也会产生相应影响，进而影响生殖过程。理论上9号倒位携带者会形成4种配子：一种配子带有正常染色体，一种配子带有完整的倒位染色体，另外两种配子有不同程度的重复和缺失。第一种配子是正常可育的，第二种大部分是可育的，但正常与否具有随机性。后两种配子的遗传效应，则主要取决于重复和缺失的片段长短以及它所包含的基因的致死效应。发生倒位的片段越短，则重复和缺失的部分就越长，所形成的配子和合子正常发育的可能性就越小，引起的不良生殖效应的可能性也就越大。但目前尚缺乏对这类人群的生殖细胞单倍体及减数分裂研究，如能将体细胞、生殖细胞及流产胚胎或子代体细胞染色体结合在一起综合分析，必将为染色体臂间倒位遗传效应提供更多的线索。

3.4Y染色体变异与生殖异常

人类Y染色体是最小的近端着丝粒染色体，分为两个区域：拟常染色质区和Y特异区。拟常染色质区位于Y染色体两端，与性染色体减数分裂有关；特异区占Y染色体的大部分，主要由异染色质组成，易发生变化，与Y染色体多态性密切相关。

本研究检出Y染色体长度变异10例，大Y4例、小Y6例，都与不良临床生殖效应有关，分别表现为胚停、流产、生成障碍等。Y染色体长度变异引起不良生殖效应的机制目前尚未完全明确，现讨论如下。

人类Y染色体短臂上存在决定分化的基因即决定因子（TDF），现认为Y染色体上性别决定区（SRY）是TDF的最佳候选基因。TDF定位于Yql2，SRY定位于Yqll.3。Y染色体的存在以及SRY基因的正常表达决定原始性腺发育成[9]。发生是一个复杂的生理过程，其间涉及众多的基因。Y染色体长臂上具有基因（AZF），对男性的发生起着十分重要的作用，目前克隆和定位的Y连锁的发生基因主要有RBM、DAZ、SPGY和TSPY。它们都是特异表达的，在形成过程中通过所表达的蛋白质与各种RNA结合，控制和调节着发生的进程。若这些基因发生缺失、易位或突变都将影响正常的发生过程。另外还有一些生育协同基因，这些基因的协同作用才能维持男性正常生育能力。所以，Y染色体结构的完整性是维持男性正常生育能力的关键[10]。

大Y染色体长度与Y染色体长臂DNA螺旋化程度改变有关，可能是Y染色体异染色质区DNA过度重复影响生殖细胞在减数分裂时染色体配对联会，使受精卵细胞分裂、分化异常，从而导致胎停育、缺陷儿出生[11]。Patricia等还认为[12]，Y染色体长臂DNA序列的重复复制会影响其有关分化和发育的基因正常表达，造成受精障碍或影响受精能力而导致流产频率增高。

小Y染色体引起不良生殖效应，可能是由于Y染色体异染色质部分或完全丢失，导致常染色质排列松散，结果造成其基因功能丧失和生成异常。目前，Y染色体的微小变异通过常规的细胞遗传学方法不易检测出来，还需做进一步的分子水平检测才能明确。

综上所述，染色体多态性与不良生殖效应关系密切，因此在染色体多态携带者妊娠时，医生应建议其进行产前诊断，并告知其后代具有此类临床效应的可能性，从一定程度上实现出生缺陷干预，对优生优育有一定意义。

参考文献

[1]周焕庚，夏家辉，张思仲.人类染色体[M].科学出版社，1987：6

[2]刘波，李山，秦雪等.异常孕产史夫妇染色体的分析[J].中国优生与遗传杂志.2005，13（4）：45-46

[3]程涌江，叶竟妍.Y染色体长度变异与疾病的关系[J].中国优生与遗传杂志，2005，13（6）：34-35

[4]石玉平刘凤喜.自然流产一家系中15p+梁色体的分子细胞遗传学研究[J].中华医学遗传学杂志，1992，9（4）：205

[5]张春王秀华.100对自然流产夫妇的染色体随体联合频率分析[J].中国优生与遗传杂志，2003，11（4）：56.

[6]胡边等.自然流产与随体联合关系的研究[J].中国优生与遗传杂志，2000，8（1）：31

[7]王小荣，邓剑霞，李津津.染色体多态性与临床效应及生殖关系的探究[J].遗传，2007，29（11）：l362-1366.

[8]张海霞，染色体多态性与遗传效应的研究[J].中国医学检验杂志，2010，11（3）：175

[9]陈绍坤，黄燕，赵小平，余红，税青林.Y染色体异常的临床表现与遗传学相关分析[J].中国优生与遗传杂志，2004，12（5）：61-62.[10]徐凯诗，周仁武.54例Y染色体多态性的临床效应探讨[J].中国优生与遗传杂志，2006，14（5）：50-63.

重复的遗传学效应篇4

关键词：量子遗传算法；背包问题；修复函数

中图分类号：TP301

文献标识码：A

0引言

背包问题是一个在运筹学领域里常见的优化难题[1]。工厂里的下料问题，管理中的资源分配，资金预算，投资决策，装载问题等均可建模为背包问题。研究该问题的求解方法，无论在理论上，还是在实践中都有较重要的意义。由于采用通常的数学方法很难在有限的时间内找出全局最优解，因此，背包问题的求解方法主要是一些启发式算法[2],如禁忌搜索算法、模拟退火算法等，也有一些文献用遗传算法求解该问题[3],但当问题的规模较大时,传统遗传算法求解的效果不太理想。

近年来，A.Narayannan和KukHyunHan等人将量子力学中量子比特、量子态叠加等概念引入到遗传算法中，提出了量子遗传算法（QuantumGeneticAlgorithm，简称QGA）[4]。它以量子计算的一些概念和理论为基础，如量子比特、量子态叠加等，用量子比特编码来表示染色体，用量子门更新来完成进化搜索。量子遗传算法在种群多样性和计算并行性方面优于传统遗传算法，可有效提高算法的收敛速度，减少早熟收敛[5]。本文提出了一种带修复函数的QGA来求解背包问题，在量子门更新时采用一种通用的旋转角调整策略，使编程更为简单。对于运行中产生的非法解，由修复函数进行修正。几个典型背包问题的测试结果表明，这种具有自修复功能的量子遗传算法在求解背包问题时，性能优于传统遗传算法。

1背包问题的描述

从计算复杂性理论来看，背包问题是个NP难题。它的描述有多种形式，本文仅考虑简单0/1背包问题。

0/1背包问题可描述为：现有m个物品x1,x2,…,xm，每个物品的重量为wi，价值为pi。要从其中挑选若干物品放入背包，背包的总容量为c。问应该如何选择物品，才能使背包中物品的总价值最大。

背包问题的数学表达为：

其中，xi只取0或者1，此时为0/1背包问题。

2量子遗传算法（QGA）简介

量子遗传算法是量子计算与遗传算法的结合。QGA基于量子计算中的量子比特和量子态叠加等概念，将量子比特的概率幅表示用于染色体的编码，这样，一个量子比特染色体可以表示多个态的叠加，使得该算法较传统的遗传算法具有更好的种群多样性和更高的计算并行性。模拟量子坍塌的随机观察使种群更加丰富。在个体更新时采用量子旋转门操作，而不是传统遗传算法中实现较复杂的交叉和变异操作，有效地提高了算法的收敛速度，并且可以方便地在算法的探索（exploration）和开发（exploitation）之间取得平衡，提高算法的寻优效率。

2.1量子比特编码

在QGA中，染色体中的基因不是用确定性的值（如二进制数、浮点数或符号等）表示，而是用量子比特（qubit）表示，或者说是用随机概率方式表示。一个量子比特不仅仅可以表示|0>态或|1>态，而且可以表示这两种状态的任意叠加态，即|0>态和|1>态的任意中间态。所以，该基因所表达的不再是某一确定的信息，而是包含所有可能的信息，对该基因的任一操作也会同时作用于所有可能的信息。一般地，一个基因（即量子比特）的状态可表示为：

其中，α和β分别是|0>和|1>的概率幅，且满足归一化条件：

量子遗传算法中采用的这种量子比特染色体表示形式，使一个染色体可以同时表示多个状态信息（一个m位的量子染色体表示2m个可能的状态），有利于保持种群的多样性，克服早熟收敛。

2.2量子门更新操作

在QGA中，量子比特个体是遗传信息的载体，而对信息的基本操作是由量子门来实现的。量子门通过对量子比特实施一种幺正变换来控制量子态的演化和传递，进而实现种群的进化。量子门的设计是QGA实现的关键，直接影响QGA的性能。一般情况下采用量子旋转门U，其更新过程如下：

为其通过量子旋转门更新后的新基因，θi为旋转角，其大小和符号是根据一个事先设计的调整策略而确定的。旋转角的幅值影响收敛速度，如果幅值过大，会导致早熟；若幅值过小，会使收敛速度减慢。其值一般在0.001π~0.05π之间[6]。与其他的进化算法类似，QGA也是一种概率搜索算法，只是其个体表示具有量子比特的形式。量子染色体的更新由量子门操作来完成，实际上是一种启发式进化策略，有助于提高算法的收敛速度。

3带修复函数的量子遗传算法求解背包问题的实现

3.1修复函数

在求解背包问题时，背包的总容量c是确定的，但是，不一定每个解都满足背包的容量限制条件（∑mi=1wixi≤c），必定有不满足限制条件的解存在，因此，对非法解的处理是解决背包问题的一个重要步骤。

经典背包问题在求最大利润时大多采用惩戒（penalty）函数和修复（repair）函数的方法[7]。本文采用修复函数的方法来修正非法解，使其变为可行的编码。具体实现方法如下：

设置一个寄存器overfilled，放置二值数0或1。1表示背包已装满，0表示背包没满。

(1)overfilled置0。

(2)若∑mi=1wixi>c，则overfilled置1。

(3)当overfilled为1时，随机选择一个xi使其为0，直到∑mi=1wixi≤c。此时，将overfilled置0。

(4)当overfilled为0时，随机选择一个xj使其为1，直到∑mi=1wixi>c。此时，将overfilled置1。

(5)将最后选择的一个xj置回0。

3.2算法实现

带修复函数的量子遗传算法求解背包问题的具体实现步骤如下：

（1）初始化：产生初始种群

其中qtj为第t代种群中的第j个量子染色体。

式中，n是种群中量子染色体的数目，由于量子遗传算法具有高度并行性，所以种群规模可以很小而不影响算法的性能，本文中取n=10；m为量子染色体的长度，即背包中物品的个数。初始化时，全部染色体的所有基因

都被初始化为1/2，这意味着一个染色体取到所有可能值的概率是相等的。

（2）量子坍塌：对Q(t)中的个体进行一次观测，以获得一组确定的解P(t)={xt1,xt2,…,xtn}。其中，第j个染色体的观测值xtj={xtj1,xtj2,…,xtjm}是一个长度为m的二进制串，其每一位xtji的值观测为0或1是根据相应量子比特的概率选择得到的。具体观测过程为：产生一个0~1之间的随机数r，若||2

（3）修正非法解：采用3.1节所述的修复函数修正不可行编码，使所有的编码都满足背包限制条件，变为可行的编码。

（4）计算适应度：选取适应度函数为背包中物品的总价值。第j个染色体的适应度值fj=∑mi=1pi•xji。式中，pi是背包中第i个物品的价值；xji为第j个染色体的第i位观测值，m为染色体长度，即背包中物品的个数。由于要求背包的最大价值，所以适应度值越大的个体越好。

（5）更新种群：通过量子旋转门，根据(3)式和(4)式更新Q(t)。本文采用一种通用的旋转角调整策略[8]，如式(5)所示：

式中，θi为旋转角；sign为符号函数；xtji和bti分别为解xtj与当前最优解bt的第i位；f(xtj)和f(bt)分别是它们的适应度值；

为种群中第j个染色体的第i个基因对；Δθi为量子比特旋转的角度，其大小可以控制算法的收敛速度，本文中取0.01π。此调整策略可以用通常的表格形式表示，如表1。表中s(αtjiβtji)为量子比特旋转的方向函数。图1是量子旋转门作用于量子比特个体的示意图。例如，当xtji=0，bti=1时，若f(xtj)≤f(bt)，为使当前个体收敛到具有更高适应度的染色体，应该增加当前解对应量子比特取1的概率，即要使|变大，此时，在图1中，若(αtji,βtji)在第1，3象限，θ应向逆时针方向旋转（取正值），若在第2，4象限，θ应向顺时针方向旋转（Δθi取负值）。

为了验证本文提出带修复函数的量子遗传算法在求解背包问题时的有效性，以两个典型的背包问题为例，测试该方法的性能，并与传统遗传算法（CGA）进行比较。

算例1

采用文献[9]中的一个背包问题实例，例子中有50个物品可供选择，具体参数如下：

算法参数：

•带修复函数的量子遗传算法（QGA）：种群大小为10，最大进化代数为500；

•传统遗传算法（CGA）：种群大小为50，最大进化代数为500，交叉概率0.8，变异概率0.05。

用QGA解决此背包问题，可得到如图3的进化过程曲线。用该算法可以求出该问题的最优解决方案，决策变量xi(i=1,2,…,m)为11010101111011011011011111110100001010011000001000，背包的总价值为3B103，总质量为1B000。而用传统遗传算法（种群大小sizepop=50，最大进化代数maxgen=500，交叉和变异概率分别为0.8和0.05）解决该背包问题无法得到全局最优解，运行结果如图4所示。将图3和图4进行比较不难看出，传统遗传算法（CGA）的平均适应度迅速趋向全局最佳适应度，而量子遗传算法（QGA）的平均适应度趋向全局最佳适应度的趋势比较缓慢，由此可以说明，QGA虽然种群较小，但却具有更好的种群多样性。

物品随机产生，物品个数m分别取100、250和500，物品重量wi为1~10之间均匀分布的随机数，物品价值pi=wi+5，背包容量c=12∑mi=1wi。

采用传统遗传算法（CGA）和量子遗传算法（QGA）分别对m＝100、m＝250和m＝500的三种背包问题进行求解，算法参数同算例1，得到每代最佳适应度的比较如图5所示。从图5中可以看出，量子遗传算法的寻优能力明显优于传统遗传算法。

分别用CGA和QGA对上述背包问题进行50次试验，记录下每次运行的最佳适应度值，即背包的最大总价值。50次运行结果的最优值、平均值和最差值如表2所示。

从以上两个例子中可以看出，在求解背包问题时量子遗传算法的寻优能力优于传统遗传算法。而且，从两者的平均适应度曲线的比较可以看出，量子遗传算法虽然种群规模小，但仍能保持种群中个体的多样性，可以避免早熟收敛。而传统遗传算法在进化后期适应度高的个体大量繁殖，充斥整个解空间，这样就容易导致算法停止在局部最优解上。总之，带修复函数的量子遗传算法在求解背包问题时具有优良的性能。

重复的遗传学效应篇5

其中，b表示试题的区分度，h表示样本中高分组在某题上所得的平均分，l表示样本中低分组在某题上所得的平均分，k表示某题满分。高分组和低分组一般各占样本的25%～30%，最好取27%。一般来说，试题的区分度在0.4以上就被认为是很好的。在0.3～0.39之间，认为良好；在0.2～0.29之间，认为可以；在0.19以下，认为差，必须淘汰或加以修改。对在校学生的达标考试，试卷的区分度不宜太高，因为它不是选拔性质的考试。但也不能过低，否则对学生的鉴别效果差，不能很好的达到考试的目的。一般区分度控制在0.2～0.3之间为宜。(6)分值。某小题的分数。(7)答题时间。完成某题估计所需的时间。2自动组卷数学模型的建立自动组卷中决定一道试题，其实就是决定一个包含题号、题型、知识点、难度系数、区分度、分值、答题时间的七维向量（a1，a2，a3，a4，a5，a6，a7）。假设一套试卷中包含n道试题，一套试卷就决定了一个n×7的矩阵s：

这就是问题求解中的目标矩阵，其中ai1、ai2、ai3、ai4、ai5、ai6、ai7分别表示试卷中第i道题的题号、题型、知识点、难度系数、区分度、分值、答题时间。从矩阵s可以看出组卷问题是一个多重约束目标的问题求解，且目标状态不是唯一的。在实际组卷时，用户会对试卷提出多方面的要求，用户的每一个要求对应试卷的一个约束条件。要组成一份符合要求的、高质量的试卷，目标矩阵的分布要满足以下试卷约束条件。(1)试卷中包含的题型以及每种题型的题量要与用户的设置相符。k种题型的题量=

(2)试卷中包含知识点即考核知识点以及各考核知识点所占分数的比例要与用户设置相符。k种考核知识点所占分数=

(3)试卷的难度系数要满足用户的要求，试卷的难度系数一般用试卷中每道试题的难度系数的加权平均来计算。即：试卷的难度系数=/总分(4)试卷的区分度要满足用户的要求，试卷的区分度一般用试卷中每道试题的区分度的加权平均来计算。即：试卷的区分度=/总分(5)试卷的总分要与设置相符。即：试卷的总分=(6)试卷的总答题时间要与用户设置相符。即：试卷的总答题时间=在实际组卷时，试卷的总分、考核知识点、各题型每小题分值、试卷中包含的题型、各题型的题量都应该是精确达到的。试卷中各考核知识点所占的分数、试卷的难度系数、区分度和试卷的总答题时间这四个约束条件可以存在一定的误差。误差的大小由用户的期望值和各约束条件的重要性决定。在实际应用中，各约束条件的重要性是不同的，因此，目标函数就取各项误差的加权和。目标函数f可以表示为：

为了不至于各项误差相互抵消，实际值与用户要求值的误差都取绝对值。其中，试卷中各考核知识点所占的分数和试卷的总答题时间这两项的误差为实际值与用户要求值的误差绝对值与用户要求值的比，试卷的难度系数和区分度这两项的误差为实际值与用户要求值的误差的绝对值。wi表示第i个约束条件的权值，wi通常由专家经验或试验给出，0≤wi≤1，。由上式可知，目标函数f的值越小，即误差越小，问题的解越优，即生成的试卷越接近用户的需求。3遗传算法遗传算法[3，4，5]是以适应度函数（或目标函数）为依据，通过对群体中的个体进行遗传操作实现群体内个体结构重组的迭代处理过程。在这一过程中，群体中的个体一代一代地得以优化，并逐渐地逼近最优解，最终获得最优解。传统遗传算法的主要步骤包括初始染色体群体生成、适应度评估和检测、选择操作、交叉操作和变异操作。传统遗传算法流程图如图1所示（其中t为进化代数，t0为最大进化代数）。图1传统遗传算法流程图

重复的遗传学效应篇6

明中都遗址是明朝开国皇帝朱元璋1369年开始兴建的都城，六年之后由于诸多方面的原因停止建设。明中都遗址在建国之前并未引起国家与学术界的普遍重视，直至1982年时，中央政府才将其确立为我国重点文物保护单位。2015年下半年，政府组织相关人员对明中都遗址进行挖掘，至2016年4月，明中都遗址挖掘工作基本完成。为让明中都遗址产生更好的文化旅游效应，滁州市应对明中都遗址文化旅游进行科学规划。

一、在原有遗址基础上对明中都恢复重建

截止目前为止，明中都遗址发掘工作已基本完毕。在未来，为更好发挥明中都遗址的文化旅游效应，建议政府部门积极拨付资金，用于明中都遗址的恢复重建工作。据史料记载，明中都气势恢宏，丝毫不亚于北京紫禁城。待明中都遗址得以恢复重建之后，便可恢复往日雄风，成为滁州市的一个重要旅游景点。这里需要注意的是，在对明中都遗址进行恢复重建的过程中，应尽可能对原有遗址进行保护。诸如，奉天殿遗址、承天门遗址、东南角楼遗址、宫城城墙等，均应极力保护。这样的做法可以让明中都遗址形成更好的文化沉淀，让游客更好体验到历史的沧桑。对明中都遗址进行恢复重建需要大量资金，因此建议滁州市相关部门将具体计划书及资金需求上报给省政府，甚至是中央政府。从而获取更多省政府及中央政府的财政支持。除此之外，还应积极倡导爱心企业及爱心人士，积极为明中都遗址的恢复重建工作捐款捐物，用于明中都遗址的恢复重建。

二、对明中都遗址文化旅游进行科学定位

滁州市在明中都遗址文化旅游开发的过程中，应对其进行科学定位。明中都遗址属于典型的物质文化遗产，因此在打造明中都遗址文化旅游景区的过程中，应对景区内的景观进行科学规划。应在原有皇城遗址的基础上，对部分建筑遗址进行重建。为增添景区内的旅游吸引力，还应对景区内的各种景观进行科学合理设计。如植被规划设计、河流的规划设计、假山的规划设计等。在景区打造的过程中，应尽可能科学的恢复明中都皇城原貌。待明中都遗址景区打造完成后，可借鉴扬州瘦西湖景区的做法，对游客售票。为更好实现明中都遗址的文化旅游价值，刚开始定价时，门票的价格建议不要过贵。如若门票不贵，则会吸引更多游客来此进行文化旅游。待游客越来越多，且景区设施越来越完善时，可适当提升门票价格。这样的做法更利于明中都遗址文化旅游事业的发展。因此，滁州市对明中都遗址文化旅游必须进行科学定位。

三、明中都遗址景区周边需做好配套设施建设

如今，明中都遗址的发掘工作刚完成不久。周边的配套设施还不够完善。为更好发展明中都遗址文化旅游，滁州市政府需积极做好周边的配套设施建设。诸如，完善明中都遗址周边的道路设施建设，完善明中都遗址周边的酒店建设，完善明中都遗址周边的其它商业设施建设等。有了完善的配套设施建设，滁州市在将来发展明中都遗址文化旅游时，方能更显成效。这里需要注意的是，明中都遗址周边的配套设施建设并不是一朝一夕即可完成的。在此之前，滁州市政府、旅游局及交通规划部门，应做好通力合作，积极发挥好各部门的重要作用，共同做好明中都遗址周边的配套设施规划与建设工作。在此过程中，应积极征求旅游界专业人士的意见，在征求各方意见的基础上，科学做好明中都遗址周边的配套设施建设工作。

四、积极做好明中都遗址旅游的媒体宣传工作

目前，人们对明中都遗址并不了解，仅有少数人知晓明中都遗址。为更好发展明中都遗址文化旅游，滁州市政府及旅游局应对明中都遗址发掘工作中的具体情况进行积极报道，积极利用媒体优势，让更多人了解明中都遗址。这样的做法可为明中都遗址文化旅游发展做好重要铺垫。除此之外，滁州市还应将明中都遗址文化旅游发展规划积极通过媒体向社会公布，引起社会各界的普遍关注。待景区打造成功后，更应利用媒体的力量积极向外进行宣传，引导更多人到明中都遗址进行文化旅游。总而言之，明中都遗址文化旅游在未来还有很长一段时间的路要走。要想真正发展好明中都遗址文化旅游，从现在起必须切实做好明中都遗址文化旅游的宣传报道工作。

五、结语