“基因工程的三大理论基础和三大技术手段”的版本间的差异

来自通约智库
跳转至: 导航搜索
(创建页面,内容为“研究已表明,它在很多领域具有比遗传算法和遗传编程更强的解决问题的能力。全书共分四部分(14章)。第一部分介绍了基因...”)
 
2个标签移动版编辑移动网页编辑
 
第1行: 第1行:
研究已表明,它在很多领域具有比遗传算法和遗传编程更强的解决问题的能力。全书共分四部分(14章)。第一部分介绍了基因表达式编程产生的相关背景;第二部分系统地阐述了基因表达式编程的基本概念、基本原理、基本算法和理论分析;第三部分着重讨论了基因表达式编程算法的拓展和改进;第四部分重点介绍了基因表达式编程在知识发现等多个领域中的典型应用。
+
三大理论基础: (1)Avery等的肺炎球菌转化试验证明了生物的遗传物质是DNA; (2)Watson和Crick发现了DNA分子双螺旋结构及DNA半保留复制机理; (3)Crick确立了遗传中心法则,即生物体中遗传信息是按DNA→RNA→蛋白质方向进行传递。
本书可作为高等院校计算机科学与技术、软件工程等相关专业高年级本科生的选修教材和数据挖掘、智能计算等方向研究生参考教材,特别是可作为所有拟对基因表达式编程技术进行深入研究或借助基因表达式编程技术进行应用研究的学者、工程师们的参考用书。[1]
+
 
目录
+
三大技术基础: (1)如何从生物体庞大的双链DNA分子中将所需要的基因片段切割下来(限制酶); (2)如何将获得的基因片段进行连接(DNA连接酶); (3)如何将切割下来的基因片段进行繁殖扩增(基因载体)。
《智能科学技术著作丛书》序
 
 
前言
 
第一部分 背景概述篇
 
第1章 最优化问题
 
1.1 最优化问题简述
 
1.2 最优化问题的求解方法
 
1.2.1 求解最优化问题的数学方法
 
1.2.2 进化计算求解方法
 
1.2.3 无免费午餐定理
 
参考文献
 
第2章 生物进化与进化计算
 
2.1 从进化论到进化计算
 
2.1.1 生物进化论概要
 
2.1.2 遗传算法
 
2.1.3 进化策略
 
2.1.4 进化规划
 
2.1.5 遗传编程
 
2.2 广义的进化计算
 
2.2.1 进化计算的本质
 
2.2.2 进化算法的一般框架
 
2.3 生物的基因表达
 
2.3.1 DNA
 
2.3.2 RNA
 
2.3.3 蛋白质
 
2.3.4 基因表达过程
 
2.4 从生物的基因表达到基因表达式编程
 
2.4.1 GEP的发展历史
 
2.4.2 GEP的研究和应用
 
2.4.3 GEP的特点
 
参考文献
 
第二部分 基本算法与理论篇
 
第3章 GEP算法基础
 
3.1 GEP的基本要素
 
3.1.1 开放读码框架和基因
 
3.1.2 GEP中的基因
 
3.1.3 多基因染色体
 
3.1.4 子表达式树的相互作用
 
3.2 基本的遗传操作
 
3.3 GEP基本算法
 
3.4 适应度函数的选择和评估
 
3.5 标准GEP的选择策略
 
3.6 简单的函数发现实例
 
参考文献
 
第4章 GEP的理论分析
 
4.1 形式化定义
 
4.1.1 终结符和函数
 
……
 
第5章 GEP的进化过程分析
 
第三部分 算法拓展与改进篇
 
第6章 GEP个体与种群组织的拓展
 
第7章 GEP遗传操作与行为干预的拓展
 
第8章 并行GEP算法
 
第9章 GEP与其他算法的融合
 
第四部分 应用研究篇
 
第10章 GEP在函数挖掘中的应用
 
第11章 GEP在预测中的应用
 
第12章 GEP在规则挖掘中的应用
 
第13章 GEP在分类和聚类中的应用
 
第14章 GEP在其他领域的应用
 
附录
 
纠错
 
参考资料
 
[1]  基因表达式编程算法原理与应用.豆瓣  [引用日期2017-04-12]
 

2021年1月12日 (二) 00:15的最新版本

三大理论基础: (1)Avery等的肺炎球菌转化试验证明了生物的遗传物质是DNA; (2)Watson和Crick发现了DNA分子双螺旋结构及DNA半保留复制机理; (3)Crick确立了遗传中心法则,即生物体中遗传信息是按DNA→RNA→蛋白质方向进行传递。

三大技术基础: (1)如何从生物体庞大的双链DNA分子中将所需要的基因片段切割下来(限制酶); (2)如何将获得的基因片段进行连接(DNA连接酶); (3)如何将切割下来的基因片段进行繁殖扩增(基因载体)。