菜心游离小孢子培养高频胚诱导培养基优化

【目的】对菜心小孢子培养的诱导培养基进行优化,以提高胚胎诱导率,创制优良DH系应用于育种实践。【方法】设置不同蔗糖浓度和激素(6-BA和NAA)浓度组合的NLN诱导培养基,以10份不同基因型的菜心为试材,进行小孢子培养及出胚率分析,筛选最佳诱导培养基。【结果】7份材料诱导出胚状体,不同基因型间的胚胎诱导率差异显著,说明基因型是影响小孢子形成的主要因素;在无激素处理中,100 g/L蔗糖浓度NLN(NLN-10)小孢子胚诱导率最高,出胚材料诱导率在3.45～30.46胚/皿;NLN含量减半的1/2 NLN-10培养基处理出胚率约为NLN-10处理的2/3;130 g/L蔗糖浓度NLN处理出胚率显著降低,最高仅为14胚/皿,蔗糖浓度为160 g/L的NLN(NLN-16)处理未出现胚状体;在NLN-10中分别添加0.1 mg/L 6-BA和NAA,促进出胚效果最佳,出胚率最高的 Rt19006达46.93胚/皿,是不添加激素处理的1.5倍;当NLN-10 中6-BA和NAA浓度均达到0.2 mg/L时,胚胎生长发育受到抑制。【结论】筛选出可有效促进菜心小孢子出胚的诱导培养基配方,即100 g/L蔗糖浓度的NLN+6-BA 0.10 mg/L +NAA 0.10 mg/L。     

灵芝原生质体形成与再生的研究

该文通过对原生质体形成与再生条件如酶类、渗透压稳定剂、ｐＨ、培养基、菌龄、酶解温度和时间等因素的研究表明，以Ｄ培养基、葡萄糖为渗透压稳定剂，酶液浓度为１５％Ｌｙｗ＋０２％Ｌｙｓ，ｐＨ４５～５５，培养菌龄为７２～９６ｈ，酶解温度为２０～２５℃条件下，酶解６０～９０ｍｉｎ，其破壁效果为最佳，原生质体形成和再生率都最高。     

配水系统优化调度

阐述了配水管网优化调度系统的三个基本组成部分：管网水力模型，用水量预测模型及优化调度模型。根据决策变量的不同，将常见的调度算法分为两类；直接寻优法和间接寻优法，并对各算法的特点及适用范围进行了分析。     

记忆指导模拟退火算法的研究

提出了改进模拟退火算法的记忆指导模拟退火算法。该算法能够利用已知信息对搜索过程进行指导，提高算法的搜索效率，该法对回火退火算法的计算量减少５０％。     

一类矩形切割的优化模型

研究了工业中常遇到的先将原料板切割成加工拼板后，再将拼板切割成单元板的一类矩形板材切割问题，此类问题归结为二维排布的双层优化，针对单元板在拼板上和拼板在原料板上的4种不同排布情形，建立了统一的非线性整数规划模型，根据问题的特点，给出了该模型的一个化双层优化为单层优化的求解算法，实际应用中，该算法能在数秒钟内按工艺要求给出最优切割方案，与传统方法相比，料板利用率常可提高5％～10％．     

风水光互补发电系统多目标优化设计

为了贯彻国家大力发展小水电的政策,满足偏远地区的农村用电需求,可以利用当地的新能源建立风水光互补发电系统,就地发电.为此,在充分考虑互补系统环境价值的基础上,采用了多目标优化策略的模式和模糊线形加权的算法,以确定户用风水光发电系统优化设计的方法,建立互补系统设计的数学模型,并对某村的具体情况进行计算,得出符合实际情况的最优配置.     

基于ADAMS的叉装车货叉平移性优化

基于机械系统动力学软件ADAMS环境,对叉装车工作装置进行参数化建模,采用OPTDES-SQP非线性序列二次规划算法,对影响货叉平移性的油缸安装位置和角度、摆动油缸的直径等因素进行了优化设计.从优化分析结果看,货叉的平移性较其他优化方法提高了25%.     

均匀设计法优化金线吊葫芦黄酮类化合物乙醇提取工艺

以提高金线吊葫芦提取液中黄酮类化合物质量浓度为考察指标，采用单因素试验方案探讨乙醇体积分数、提取温度及提取时间等对提取液中黄酮类化合物浓度的影响，应用均匀试验设计方案对影响提取液中黄酮类化合物浓度的主要因素水平进行优化．结果表明：优化的因素水平组合为乙醇体积分数55％，提取温度74℃，提取时间50min，黄酮类化合物质量浓度为0.106g·L^-1．     

香果树RAPD扩增条件的优化及遗传多样性初步分析

对浙江省天台山自然香果树种群的DNA进行了提取和RAPD扩增条件的优化,分别测试了镁离子、dNTP、模板DNA含量、引物浓度、DNA聚合酶量和牛血清白蛋白浓度对反应结果的影响,通过各因子的组合研究,可知香果树RAPD分析较适宜的扩增条件为:15μLPCR反应体积,1×Taq酶配套缓冲液,1 8mmol·L-1MgCl2,2UTaq酶;10ng模板DNA;20pmol引物;dATP、dCTP、dGTP、dTTP各0 1mmol·L-1。以此适宜条件对12个引物进行扩增,共扩增出51个DNA片段,多态位点百分率为45 1%,种群内遗传多样性较低,进一步研究不同种群香果树的遗传多样性具有一定的意义。     

面向安全服务重组多目标优化的粒子群遗传算法

遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率.