交叉遗传是指什么的遗传方式10篇交叉遗传是指什么的遗传方式 第3l卷VoL31第24期№24计ComputerEngineering算机工程2005年l2月 December 2005&midd下面是小编为大家整理的交叉遗传是指什么的遗传方式10篇,供大家参考。
篇一：交叉遗传是指什么的遗传方式
l 卷 VoL3 1 第 24期 №24 计C om puter E ngineer ing 算机工程 2005 年 l2 月D ecem ber
2005 ·人工智能及识别技术 · 文章编号：
l00 o． 3428(2005)24_-0l5l—
2 文献标识码；A 中圈分类号； TPI8 多点正交交叉的遗传算法 刘清 ，廖虑 ，沈祖诒 。王柏林 ( 1． 南京师范大学计算机科学系，南京 21 0042；2． 河海大学，南京 21 0098 ) 擅产生的多个子代中选择适应度大的进入下一次进化，这样既加快了算法的收敛速度又保证了种群的多样性。实验证明，该算法不但可以有 效地克服标准遗传算法的缺陷，而且计算速度、精度和算法稳定性也得到了显著提高。
关健诃：遗传算法；正交试验；多点交叉；仿真 要：利用正交实验法的全局均衡思想， 提出了一种采用多点正交交换的遗传算法。算法通过正交表安排遗传算法的交换运算，并在所 G enetic A lgorithm w ith M ulti-point O rthogonal C rossover O peration L IU Qing ， L IA O Zhong2， SHE NG Zuyi ， WANG Bailin (1
Dept． of Computer Science， Nanjing Normal University， Nanjing 210042； 2． Hohai University, Nanjing 210098 ) [ Abstract] Using the global equilibr i um design ideology of or thogonal exper i ment method，this paper proposes the genetic algor i t h m wit h
mul ti— point orthogonal c rossov er operation ． C rossov er operation of t h e algor i t h m is based on t h e orth ogonal array ，and t h e tw o of many
offspring that h av e bigger f i tness are chosen to put in next ev olution ． T h e algor i t h m c an ensure popul ation m ul tiformity
and c onv ergence speed rapidl y ． T h e resea r c h results show that the algor i thm c an not only
ov erco me t h e short c omi ngs of SG A
effectiv ely ， but also ev i dentl y i mprov e the c omputing speed ， c omputi ng p reci sion and stabi lity ．
[ K ey words] Genetic algor i t hm； Or t hogonal exper i ment； Multi— point crossover； Simulation l 概述 遗传算法(GA)是一种借鉴 自然界中 “ 适者生存，优胜劣 汰” 思想的全局优化算法，它把 解问题的可能解看作是用
染色体串编码的个体 ，大量个体(或称为染色体)构成种群，
用个体的适应度函数值作为个体优劣的评价指标，在种群的 进化过程中，不断使用选择、交换、变异这 3 种遗传算子，
使问题的解不断进化，直至产生全局最优解。遗传算法特别 适合处理传统搜索方法所不能解决的复杂问题和非线性问 题。遗传算法收敛由 Hollond‘II用模式定理证明了，但算法收 敛的条件严格，文献【 2】
研究了遗传算法的收敛并给出收敛的 充分条件。遗传算法虽然可以稳定收敛，但是，局部搜索能 力差，收敛速度很慢。为此，改善遗传算法全局搜索性，已 成为遗传算法领域的研究热点。
目前，一种把遗传算法与其它优化算法相结合，以利用 启发式信息以及与领域有关知识的混合遗传算法已成为改善 遗传算法性能的主要策略之一。其中一种常用的方法就是把 局域搜索技术嵌入到遗传算法的基本环中，同变异和交换算 子一起作用，在评估前对后代施行快捷局部优化，这样所得 到的算法既具有遗传算法的整体优化特性，又能加快算法的 收敛速度。如在文献【 3冲 ，把遗传算法与准牛顿法、爬山法 和 Nelder Mead’S
Simplex Method结合起来， 发现遗传算法与 准牛顿法的结合使全局优化问题既有遗传算法全局收敛可靠 性，又有准牛顿法的高精度。
正交试验设计法是一种试验的优化设计技术，将该技术 引入到遗传算法中，可以改善遗传算法的局部搜索能力和收 敛速度。目前，所取得的成果主要有：把正交设计引入 GA ，
提出了一种基于家族优生学的进化算法l4
；用实数交换操作 的混合遗传算法 ；利用正交试验设计法求解遗传算法的欺 骗问题 ；用正交设计确定区间水平，在每个区间水平按遗 传算法进行搜索 J。根据遗传算法和正交试验法的特点，本 文研究了一种采用多点正交交换的遗传算法。算法通过正交 表安排遗传算法的交换运算，并在所产生的多个子代中选择 适应度大的进入下一次进化，这样既加快了算法的收敛速度 又保证了种群的多样性。实验证明，该算法在参数寻优中，
收敛速度比简单遗传算法(SGA)快，且不陷入局部最优点。
2 多点正交交换的遗传算法 遗传算法是一种全局并行的搜索寻优方法，它通过选择 复制、交叉、变异等 3 种遗传算子的作用，使优化群体不断 进化，最终收敛于最优状态。遗传算法虽然可以稳定收敛，
但是，它局部搜索能力差，收敛速度很慢。
2． 1 正交试验的原理 正交试验设计法是解决多因素、多水平试验问题的一种 有效方法。在实际问题中，试验往往是多因素多水平的，如 果对每个因素的每个水平都相互搭配进行全组合试验，然后 从所有的搭配方案中找出最优方案，则总的试验次数将会爆 炸式地增长。利用正交表的均匀分散性和整齐可比性 来安 排多因素、多水平试验，可以实现对试验方案的最优设计。
正交表可以为：
A 是一个月 × m矩阵， 它的第 列的元素为由数码 1， 2， ⋯，
(『 =l ， 2， ⋯， m )所构成。它的任两列中，同行元素所构成的元素 基金硪目：国家 “十五”、“21
1” 一期学科建设基金资助项目 “信息 安全保密技术与相关数学理论研究” 作者筒介：
刘清(1962一)，男， 副教授、博士生， 主研方向：现场 智能仪表， 总线测控系统的研究与开发； 廖沈祖诒、王柏林，教 授、博 导 收稿日期：2004— 11-05 E-mail：njnulq@163． com 忠， 博士生、副教授；
—l 5 l 一
维普资讯 http://www.cqvip.com
对是一个完全对，而且，每对出现的次数相同，则称 A 是正 交表。简记为 L (fl × t2× ⋯ × tm )= ，
(f )， t"／ 为试验数，m为因 素数，t 为水平数。这里所谓的完全对是指，有两组元素 A ，
A2， ⋯ ， A 与 Bl ， B2， ⋯ ， B ， 把 (Al， B 1，(a 2， B L) ， (A2， B2) ，·’ ‘ ，(A2， B ) ，⋯ ，(A ， B1) ，(A r． B! ) ，⋯ ，
(A ， B )，叫做由元素 Al ，A2，⋯ ，A 与 Bl，B2，⋯ ，B 所构 成的完全对。正交表有下列性质：( 1 )它的任两个元素都构成 有相等重复的完全试验，但是一般来说，却不能构成有 m个 因素的完全试验。(2)在第 i ，
两列所构成的水平对中，每个 水平对都重复出现 n／ t f， 次，其中 n 为试验数。(3)每一列中各 水平出现的次数相同，如第 j 列中，每个水平都出现 ／ f『 次 (， = 1 ， ⋯，
。表 1是一个简单的正交表 L 4 (2 ) ，它用来安排 3 因素2 水平试验。表中x 、Y 和 z 代表 3 因素；数字 “ 1” 和 “2” 代表因素的 2 个不同的水平，从表中可知因素的 2
种 组合就只要 4 重组合进行试验。
表 1 正交表 L4(2 ) 实验次数／ 实验 因素数 个元素对(Al， BI) ， (A l， B2)， ⋯ ，
X Y Z 1 2 3 4 t 1 2 2 t 2 t 2
1 2 1
2． 2 多点正交交叉算子 遗传算法的局部搜索能力与交叉和变异算子有关， 其中，
交叉运算的目的是把染色体中性能优良的组块，遗传到下一 代某个染色体中，使之具有父辈染色体的优良性能。但是，
在简单遗传算法(SGA)中采用一点交叉运算，使得许多情况 下无法得到这个目的，而采用多点交叉运算可以避免这个问 题 。在多点交叉运算中，其交叉组合有多种方式存在，且 随着交叉点的增多，组合方式的数量将会爆炸式地增长。为 了解决这个问题，本文研究了一种正交多点交叉算子，通过 正交表安排多点交叉运算，以保证交叉运算后能够得到优良 染色体，提高遗传算法的局部搜索能力和收敛速度。
定义 1 设染色体进行 Ⅳ -1点交叉运算，则交叉的染色体 子串的个数为Ⅳ，将这Ⅳ个子串看成 N 个因素。
定义 2 将染色体的每一个交叉子串，设置为同一水平，
这样两个染色体的交叉运算，就是一个 Ⅳ因素、2 水平试验。
定义 3 用Ⅳ因素、2 水平正交试验表安排染色体的子串
交叉，得到 2
个新染色体 ， 通过适应度函数选取两个适应度 最大的作为子代染色体，进入下一次进化算法。该生成子代 染色体的过程是多点正交交叉算法。
例如， 设一个长度为 24 的染色体， 如进行 2 点交叉运算，
则要交叉的染色体子串为 3。将染色体 1 的每一个子串设置 为水平 1， 染色体 2 的每一个子串设置为水平 2， 如表 2 所示。
这样，2点交叉运算就成为一个二水平三因素的试验。
表 2 染色体 2 点交叉运算 水平／ 因素 X 染色体 1
1
0101 0l01
染色体 2 2 l100l 】
00 但因素间可能会有交互作用， 一个二水平三因素的试验，
可用正交表 L8(2 )来安排试验。将 L 8(2 )表中的水平用 “ 一 1” 和 “ 1” 来表示，如表 3 所示。在表 3 中的7 个 8 维向量相互 正交，且第 1列和第 2 列的元素相乘，是第 3 列；第 1和第 4 列的元素相乘，是第 5 列；第 2 和第 4 列的元素相乘，是 第 6 列。
从试验设计的角度， 若将因素 x 和 Y 分别放在第 1、
2 列，则它们的交互作用X xY 反映在第 3 列。所以，该列不 能再排其他因素，否则主效应与交互效应将混在一起，二者 Y Z l01 0l 110 00l010l1
01001 0t 1
l101010t 一1
52 一
都无法估计。考虑因素间可能会有交互作用的一个二水平三 因素的试验一个设计方案如下：
列 号 f
1
2
3
4 因 素 l
X Y XxY Z XxZ YxZ 该方案中，每个主效应和交互效应各占 1列。但在试验 安排时，只需要 x 、Y ，z 所在的第 1，第 2，第 4 列，将该 3 列的 2 个水平换算成实际的水平，得到遗传算法的两点交 叉算子的试验方案。
表 3 正交表 L8(2 ) 实验次数／ 列号 t 2 1
t 1 2 1 1 5
6
7
{
l 3 4 5
6 7 1 ． 1 1 1 1
1 1
． 1 ． 1
． 1 3 4 5 1
t ． 1 ． 1 ． 1 ． 1 — 1 t t ． 1 ． 1 ． t ． 1
． 1
1 1 1
． 1
1 1
． 1 6 7 8 ． 1
． 1
． t 1 — 1 ． 1 1 ． 1 ． 1 t 1 ． 1
． t 1 t 1
— 1 1 ． t 1 — 1 新定义的2 点交叉算法的遗传基本结构如下：
’( t)初试化种群随机产生N 个个体。
(2)do{ f0r (I_ O； |<N； i++) { 计算每个个体的适应度值 ；
根据适应值通过轮盘赌选择算法选出!个父体；
按照交叉概率 P 取出 2 个父体，根据新定义的交叉操 作产生 8 个子代，并计算它们的适应度值 ，保留适应度值大的 2 个 个体；} 按照变异概率对新种群的个体进行变异操作；
while ( (不 满足性能指标 要求) && ( 没有完成规定代数 的 寻优) ) ；
(3)从群体中选择最优个体，输出寻优结果。
在交叉运算得到 8 个新染色体中，含了原两个父代染色 体(第 1 次和第 8 次试验， ，且选取两个适应度最大的作为子 代。所以，该算法既保证了种群的多样性，又是一种精英策 略的局部寻优算法。
3 试验与仿真 由于遗传算法中大量的随机操作，理论上进行严格分析 是非常困难的，通常人们采用一些典型的测试函数来检测算 法的实际效率 ⋯。为验证多点正交交叉的遗传算法的有效 性，本文用函数优化问题进行仿真实验，以多峰 Schaf f er 和 Rosenbrock 函数作为测试函数，分别用简单遗传算法(SGA ：
采用赌轮法选择，单点交叉和单点变异，固定交叉和变异概 率) j ，自适应遗传算法(AGA ：采用赌轮法加精英最优保留 法选择，单点交叉和单点变异，自适应改变交叉和变异概 率) j，以及本文提出的多点正交交叉的遗传算法(这里采用 2 点交叉)对上述函数进行优化对比。
在性能测试中， SGA ， A GA 和改进算法参数取为：群体规模 popsize=l00；Schaffer 函数 编码长度 L =48 位(两变量的编码长度分别为 ／ =22 位)，最大 迭代代数 MaxGenerations=200 代。
Rosenbrock 函数编码长度 L=32 位( 1
6 位)； P 0=0． 04； P =l ； 最大迭代代数 MaxGenera—
tions=1000 代 。
Rosenbrock 函数定义为 r a inf l(x) = 1 00(x 一
2) +(1一xI) 函数 ^ 是一个二维单峰值函数，具有一个全局极小点 f L(1． 0，1． 0)=0． 0 ，但它却是病态 的， 在函数曲面上沿着曲线 X2
有一条较为狭窄的山谷，传统的梯度优化方法搜索到 山谷边缘时， 往往会发生振荡，难以进行全局优化。
Schaf f er 函数定义为 - 2． o48≤
≤2． 048 (下转第 158 页) 维普资讯 http://www.cqvip.com
第 1 个编号的顶点重合，方法是使此编号的顶点都移到原点。
第 2 个编号的点旋转到xoy 面， 方法是以原点为中心， 以第 1个边(前 两个编号的顶点形成的边)在 xoy 面的投影为旋转轴，逆时针旋转 90。
。然后，计算第 3 个编号的点与第一个边的正交点 cl， c2。求得 第 3 个编号的顶点与第 1 个边的夹角
以第 1 个边为中心轴，逆时针旋转 xoy 面的平面上。最后，计算第 2 个编号的点与x 轴的夹角 Z f l l 和 Z f l 2 ，以原点为中心，以 z轴为轴，逆时针旋转 Z f l l 和Z f l l ，使 第 2 个边旋转到 X 轴，达到两个三角形的重合。即达到了颅骨和面 貌重合 。
3 匹配结果与讨论 图 l (a)和(b)分别为两个颅骨和其皮肤的重合效果图。为 了便于观察匹配效果，采用了透视显示技术。从图 l 匹配效 果图中清楚的看到，通过此技术，颅骨和面貌的匹配效果非 常好，基本上达到了我们的要求。
1和 2 。以原点为中心，
2 ，使得三角形都落在 1和 (a) f b1
圈 1 两倒颅’
和其皮肤重合效果圈 通过不断的试验和分析，发现在理论上是可行的。而且 匹配的程度应该是 l00
。但是，在实际的操作中，还是存 在着误差，存在误差的主要原因有：
(1) 三棱柱实物的平面不光滑， 直接影响平面拟合精度。由于用
(上接第 152页) = 。s 一
瓣函数l厂 2在其定义域有无数个局部极大点，只有一个全局 极大点 A (0． 0，0． 0)= 1 ． 0，但由于变量的取值范围大，最大值 峰周围有一圈脊 ，它们...
篇二：交叉遗传是指什么的遗传方式
U 理论与应用《自动化技术与应用》2005年第24卷第9期均匀块交叉遗传算法张春涛，应宏( 重庆三峡学院计算机科学系，重庆 万州4㈣)摘要：交叉操作是遗传算法的三个基本算子之一，它在改进解群质量方面发挥着重要作用。我们提出一种均匀块交叉算子，并通过理论分析证明，它能够防止早熟收敛，使收敛结果更趋于最优解。两类算例表明，本文提出的交叉操作易于实施，且有效。关键词：遗传算法；两点交叉；均匀块交叉中图分类号：0231文献标识码：A文章编号：1003．7241( 2005) 09—0017—04U ni form BIO ckTw o—poi nt CrossoVer G eneti cAIgori thmzl粼‰一t粕，ⅢG№(Depar伽1emof陆nputer Sci ence，7nl ree G o玛e CoU ege，W an出ou 404a|00，C}l i m )A bs_垤act：Crossoveroperator i sone of出e也ree basi coper幽幅usedi n也egeneti c al gori 出m ，w 11i chpIaysavery i 瑚印nantrok i ni 删啪vi ngthequal -i tyof the sol uti onpopul 撕on．W ei n呐duce aurl i fbm bl ocktw o—poi nt cm ssover．App∞achtoprevent prem fure convergence．E)【踟pl esto be c栅ed outshow that也e uni fonntw o—poi ntcrossover i seasyaIl d em ci ent．Key w 0砌s：Geneti c aIgori t胁；Tw o—poi nt cm ssover；U n渤nnbl ock crossov盯1引言遗传算法( Geneti c m 鲥thm 简称GA)是一种新近发展的随机优化算法，由美国密西根大学H oⅡand教授等创立，它是一种自适应启发式群体型，概率性迭代式全局收敛算法，是基于自然选择和基因遗传学原理的随机的搜索算法。它将“ 适者生存” 这一基本的达尔文进化理论引入串结构，并且在串之间进行有组织但又随机的信息交换。遗传算法以其解决非线性问题的鲁棒性，全局收敛性等特性，正引起越来越大的研究及应用热潮。但是，由于经典的遗传算法不是一个完全遍历的M arkov过程，它存在收敛速度慢、早熟收敛等缺陷n’ 2j 。搜索能力和收敛性是评价遗传算法优劣的重要指标，影响G A搜索能力和收敛性的因素包括遗传算子、代码表示、进化机制等多个方面bJ 。在遗传算法中，经常会遇到早熟收敛，因为伴随着交叉和选择的作用，观察到的最优个体就会以指数速度繁殖，该个体将很快占据种群的大部分。通过大量的实验表明，使用传统的交叉算子( 单点交叉，双点交叉) 在前几十代内使得群体中个体的前部分和后部分基因座上的基因值都完全相同，从而交叉操作在这些位置收稿日期：2004—11—24失效，仅靠变异操作来改变这些位置的基因值，这就容易产生早熟收敛，势必大大降低了算法的收敛速度和搜索能力。为此我们设计了一个特殊的交叉算子，它能有效克服早熟收敛。2传统交叉算子令集合s={o，1}‘ ，其中f是个体的编码长度。s中的元素x称为个体，x∈s表示由0、l 组成的长度为f的字符串。集合s称为个体空间，它是由{0，1}组成的长度为z的全体字符串的集合。集合s中的个体数目为2‘ 个∞] 。这里的个体就是实际问题中的编码化的可行解。在s中随机选择两个个体x。=。。。：⋯血。，置=6。6：⋯6f，其中啦，6i ∈{0，l }，江l ，2，⋯，z，由两点交叉操作可知交叉点的位置是随机确定的，某个位置被选中的概率为1／f，因此每个基因位能进行交叉操作的概率：凡l ：1，{，凡：=2，z*({一1)，z，几。=；／2*(z—i +1)，f，其中i =1，2，⋯，z。因为进行的是块f交叉，显然每个位置发生交叉操作不是独立的事件，因而有>：百≠ l 。显然P0。<n⋯，‰。=PoH⋯(江l ，2，⋯，2，f一1)，且死：一2‰。，因此编码长度2很大时有P02，f一1／4》心。。这就使万方数据
《自动化技术与应用》2005年第24卷第9期控带U 理论与应用鱼Q堕堕!卫塑型塑垡娅巳!坠型!塑得G A在前面数代的迭代中前面部分基因和后面部分基因都过早收敛，使交叉操作在这些部分失效。为了充分交换各基因位的基因信息，且使得解群个体在交叉前后有较广的空间分布，则有Ⅳ，2*几l -Ⅳ／2*1，f>=1，即Ⅳ>=2f(Ⅳ为种群规模)，这是个体编码长度和种群规模的最低要求( 在没有变异操作下) ，不然种群将丢失相关基因信息。在实际中种群规模Ⅳ还应再大些，因为加上选择操作使得个体生存下来的概率进一步减小。由此可知：传统交叉算子的遗传算法适合对个体中间部分基因信息的提取，而对个体前后部分基因信息的提取基本无能为力。这使得我们对简单遗传算法的搜索能力提出质疑。为了满足传统交叉算子的特点，可以设计相应的编码技术：对目标函数起决定作用的决策变量编码放在个体的中间部分，而把对目标函数作用较小的决策变量编码放在个体的前面部分或后面部分。但对一般问题设计这样的编码是较困难的，因此我们对传统的交叉算子做一点改进，以适应较多的问题编码，从而提出均匀块交叉算子。3均匀块交叉算子定义1：对于随机选择的个体墨，噩，置∈s(江1，2)，以随机的方法确定一个交叉点，再随机产生o，1二个整数，均匀块一点交叉算子( ) 定义为：( ) ( 蜀，恐) =( 蜀7，恐7) 。当随机数是0时，x。，置的前面部分交叉；当随机数是1时，蜀，x：的后面部分交叉。当随机数是0时交叉操作如图1所示：定义2：对于随机选择的个体x。，五，置∈s(江1，2)，以随机的方法确定两个交叉点，再随机产生o，1，2三个整数，均匀块两点交叉算子( ) 定义为：( ) ( x。，置) =( x。7，置7) 。当随机数是0时，x。，墨的前面部分交叉；当随机数是l 时，x。，噩的中间部分交叉；当随机数是2时，蜀，恐的后面部分交叉。当随机数是0时交叉操作如图2所示：图1均匀块1点交叉图2均匀块2点交叉同理可定义均匀块多点交叉算子，均匀块交叉算子是有别
万方数据于传统的均匀交叉算子的。这样均匀块交叉算子只要确定了交叉点的位置后，每部分交叉的概率都是相同的，而不像传统的交叉算子是确定的那一部分才能够交叉。在分析两交叉算子的性能时我们使用交叉算子对模式的作用，即使用模式定理。4两种交叉算子的模式定理文献[ 1] 中给出：在比例选择算子、单点交叉算子、基本位变异的连续作用下，群体中模式H 的子代样本数为：枷” 吣棚∽。帮．[1训啬“ 砂训(1)其中，且为杂交概率，‰为变异概率，模式H 的定义长度为艿( H ) 、阶为o( 日) ，m ( H ，f) 为第f代群体P( ￡) 含有H 中元素的个数，丽为￡代种群的平均适应度，．厂(日，f)为模式日的适应度。定理1( 模式定理) 遗传算法中，在选择、交叉和变异算子的作用下，具有低阶、短的定义长度，并且平均适应度高于群体平均适应度的模式将按指数级增长。下面来讨论改进遗传算法一一均匀块交叉算子的遗传算法，其他的算子都是等同传统的算子，仅分析一下交叉算子对模式日的贡献。以均匀块二点交叉为例来讨论。假设有如图3所示的一个模式日：显然，当随机设置的两个交叉点都在模式的定义长度之内时，将有可能破坏该模式；而当随机设置的两个交叉点有且仅有～个在模式的定义手友之内时，执行的均匀块二点交叉操作将以2／3的概率破坏该模式；当随机设置的两个交叉点都不在模式的定义长度之内时，执行的均匀块二点交叉操作将仍以1／3m 姐· [(眢)2+号(智)· (样)+吉(訾)2]的概率破坏该模式。再考虑到交叉操作本身是以交叉概率P发生的，所以模式日的破坏概率上界为：(2)
控朱U 理论与应用垦Q!!堕!塑型皇堕垡!垒巳巳!!!!丛《皂垫坐堡查皇堕里塑哑生羊24卷第9塑把式( 2) 化简后有：舶钮· 丛囊铲接下来看看传统遗传算法的两点交叉操作的模式日的破(3)坏概率P建的上界。在文献[1]中给出模式日的破坏概率如的上界为：弛姐．骝由式(3)和式(4)可看出Pd。和％都是的函数(p。和Z确(4)L4，pd2≤pc‘ 百定) ，但他们的变化趋势是不一样的，由此画出图象如图4：图4模式的破坏概率图像( *表示sG A，一表示均匀块两点交叉G A)由图4可看出，在遗传算法的前期即当模式日的阶占( 日)较小时，传统的两点交叉算子对模式日的破坏基本无能为力( 破坏概率为0) ，使模式日按指数级增长( 生存概率为1) ，这就助长了超级个体的出现，使遗传算法发生早熟收敛；而使用均匀块交叉算子在模式H 的阶艿( H ) 较小时，其被破坏的概率是远大于0，模式日生存下来的概率远小于l ，因此他能有效地防止超级个体的出现，从而能避免遗传算法发生早熟收敛。到了遗传算法的中期( 即占( 日) 约为f／2) 两种遗传算法都有几乎相同的生存概率。到了遗传算法的后期即当模式日的阶d( 日) 较大时，传统的两点交叉算子对模式H 的破坏概率是大于均匀块两点交叉算子的，因此模式日在均匀块交叉遗传算法中更易存活，这说明到了遗传算法后期，均匀块两点交叉算子仍有较快的收敛速度。因此经过比例选择算子、均匀块两点交叉算子、基本位变异算子的连续作用下，群体中模式日的子代样本数为：枷” · )>m (肌)· 帮．[1嘿· 擎裟等竖一o(日)· p。](5)由上式可得到下述定理：定理2(模式定理)遗传算法中，在选择、均匀块交叉和变异算子的作用下，具有低阶、短的定义长度，并且平均适应度高于群体平均适应度的模式将按指数级增长。该模式定理与前面的定理1是有区别的：虽然有低阶、短的定义长度，并且平均适应度高于群体平均适应度的模式将按指数级增长，但是他们增长的级数是不一样的，基本遗传算法在前期有较大的增长级数，到了遗传算法后期，其增长级数几乎为零，而采用均匀块交叉的遗传算法在前期增长级数较小，而到了后期却仍有较大的增长级数。下面看看使用均匀块两点交叉算子在具体应用中的情况。5仿真实验在仿真实验中采用两类优化问题：第一类采用二进制编码方法的函数优化，第二类采用符号编码方法的组合优化问题(TsP)。在函数优化中选择如下被测函数：Fl：Sch盘r函数：f以算。，菇：)=(咒；+石；)0。25[si n2(50戈；+戈；)“ 1)+1．o]【一100≤她≤100(i =1，2)该函数在其定义域内只有一个全局极小点．厂( o，o) =o。砣：Shuben函数：』，(钆石：)：善icos[(i+1)x，+i]。善ieos[(i+1)x：+i]L—10≤托≤10(江1，2)这是一个多峰值函数，在其定义域内共有760个局部极小点，其中18个点是全局最小点，全局最小值为厂=一186．73l 。在进行上面两个函数的实验中每个变量用15个二进制位表示，即个体编码长度为30，初始种群规模都为30个，且采用单点变异操作，其结果见表l 。Fl砣算法优解代数交叉概率变异概率优解代数交叉概率变异概率SG A560．880．081700．770．1U I" CG A380．85O ．051500．75O ．06表l 函数优化在组合优化中我们用印个城市的7rsP问题，初始种群规模为60，城市问的距离是随机产生的。实验结果见表2。算法交叉概率变异概率最优解运行时间( s)代数SG A0．88O ．133．68465l1．4163261000U Bi I℃G A0．76O ．053．5123081．3736261000表2 60个城市的哪问题从上面的实验结果可得出：基于均匀两点交叉的遗传算法能够更有效地搜索到问题的有效解。对于二进制编码方法使用上面的两种交叉操作都能达到问题的最优解，但使用传统的交叉方法时变异概率要大些，这使得交叉操作在算法中的作用降低。这在前面的分析中也可得出，当染色体的前面部分和后面部分基因得不到交叉时可通过变异来改变这两部分的基因，且( 下转第23页)
万方数据
计算机应用《自动化技术与应用》2005年第24卷第9期fIor Eachentr)r Inacadapp．Acti veDoc砌en【．M odel SpaceIfenⅡy．0bj ecⅡD<>sol i dO bj ．O bj ectIDTh即e¨ try．Del ete()EndⅡN extsol i dobj ．Update()acadapp=N otl l i ngEnd S1l b图3齿轮造型4．4其他一些辅助设计齿轮的设计必须满足具体生产中的特定要求，其设计必须为专业的工程技术人员。虽然用户界面提供了齿轮的多个参数的输入，并根据输入的参数自动建模，但对于一般非专业人员，推荐用经验公式。因此对于非专业人员，在该软件的设计中，限制了其一些参数的输入。而是根据齿轮的模数、齿数来约束其他结构参数，这样不仅减轻了设计人员的工作量，提高效率，而且，也避免设计中的错误。同时，开发人员还可以根据需要，将该程序添加了AutoQ 狮的菜单和工具条中，方便用户的使用。5总结本文以微软的最新开发平台M i cm softvi suals【l l di o．N ET2003为基础，通过一个具体的实例介绍了齿轮参数化设计。基于约束的参数化设计避免了许多重复性的工作，缩短了设计时间，大大提高了工作效益。微软跨平台支持多语言大型分布式软件系统的开发战略和本软件的开放性，为本软件的扩充和其它机械零件参数化设计提供了便利条件。6参考文献：[ 1] 李风华．AutocAD 2002／2000ⅦA开发指南[M ]．北京：清华大学出版社，2001，4[2]Dal l 】i enw anci ns M ark HaIIl m ond著．陈孝强译．N 田环境编程全景pm {掣l 疵119i 11山e．net En、『ir㈣t[M ]．北京：清华大学出版社，2003，9[ 3] 张帆，等编著．AutoCADvBA开发精彩实例教程[ M ] ．北京：清华大学出版社，2004，1[ 4] 李启炎，陆大绚，张齐冰．三维cAD 设计及制图教程[ M ] ．上海：同济大学出版社，2000，9[ 5] 潘云鹤．计算机图形学[ M ] ．北京：高等教育出版社，2001，1作者简介：杨华甫(1970一)，男，三峡大学职业技术学院高级讲师，厦门大学硕士研究生，研究方向：计算机应用、数据库。( 上接第19页)在变异时只有两种变换( 0与1互换) ，这使得适当提高变异概率能产生与交叉等效的效果。但当每个基因座的值有多个时，适当提高变异概率虽能提高优解质量，但优解还是不理想，这从表二的实验结果可以看出。5结论针对简单遗传算法易产生早熟收敛的问题，本文使用均匀块交叉代替传统交叉。我们从理论上分析了使用均匀块交叉算子的遗传算法对克服基本遗传算法的早熟收敛和加快后期收敛速度是有一定积极意义的，在仿真实验上验证了使用均匀块交叉操作的遗传算法明显优于使用传统交叉操作的遗传算法，且它对每个基因座上有多个值的编码问题更有优越性。均匀块交叉是区别与传统的均匀交叉的，且...
篇三：交叉遗传是指什么的遗传方式
系谱色盲是由什么原因引起的
由于患者从小就没有正常辨色能力因此不易被发现。一般认为红绿色盲决定于 X 染色体上的两对基因即红色盲基因和绿色盲基因。由于这两对基因在 X 染色体上是紧密连锁的因而常用一个基因符号来表示。红绿色盲的遗传方式是 X 连锁隐性遗传。男性仅有一条 X 染色体因此只需一个色盲基因就表现出色盲。女性有两条 X 染色体因此需有一对致病的等位基因才会表现异常。一个正常女性如与一个色盲男性婚配父亲的色盲基因可随 X 染色体传给他们的女儿不能传给儿子。女儿再把父亲传来的色盲基因传给她的儿子这种现象称为交叉遗传。因而男性患者远多于女性患者。
相对应的病变器官是眼详细点是视网膜再详细是视锥细胞。
视锥细胞(cone cell)细胞形态与视杆细胞近似。视锥细胞胞体位于外核层的外侧份细胞核较大染色较浅。视锥也分内节和外节。外节的膜盘大多与细胞膜不分离顶部膜盘也不脱落膜盘上嵌有能感受强光和色觉的视色素 由内节不断合成和补充。
人和绝大多数哺乳动物有三种视锥细胞 分别有红敏色素、蓝;蓝敏色素和绿敏色素也由 11-顺视黄醛和视蛋白组成但视蛋白的结构与视杆细胞的不同。如缺少感红光(或绿光)的视锥细胞则不能分辨红(或绿)色为红(或绿)色盲。视锥细胞的内突末端膨大呈足状可与一个或多个双极细胞的树突以及水平细胞形成突触。
人的一只眼球内约有 12000 万个视杆细胞和 700 万个视锥细胞。在黄斑中央凹处只有视锥细胞无视杆细胞在中央凹的边缘才开始有视杆细胞再向外视杆细胞逐渐增多视锥细胞则逐渐减少。
遗传特点
红绿色盲是一种最常见的人类伴性遗传病。一般认为红绿色盲决定于 X 染色体上的两对基因即红色盲基因和绿色盲基因。红绿色盲的遗传方式是伴 X 染色体隐性遗传。因男性性染色体为 XY仅有一条 X 染色体所以只需一个色盲基因就表现出色盲而女性性染色体为 XX所以那一对控制色盲与否的等位基因必须同时是隐性的才会表现出色盲。因而色盲患者中男性远多于女性。
色盲有哪些表现及如何诊断
色盲分为全色盲和部分色盲(红色盲、绿色盲、蓝黄色盲等)。色弱包括全色弱和部分色弱(红色弱、绿色弱、蓝黄色弱等)。
1.全色盲
属于完全性视锥细胞功能障碍 与夜盲(视杆细胞功能障碍)恰好相反 患者尤喜暗、 畏光 表现为昼盲。七彩世界在其眼中是一片灰暗 如同观黑白电视一般 仅有明暗之分 而无颜色差别。
而且所见红色发暗、蓝色光亮、此外还有视力差、弱视、中心性暗点、摆动性眼球震颤等症状。它是色觉障碍中最严重的一种患者较少见。
2.红色盲
又称第一色盲。患者主要是不能分辨红色对红色与深绿色、蓝色与紫红色以及紫色不能分辨。常把绿色视为黄色 紫色看成蓝色 将绿色和蓝色相混为白色。
曾有一老成持重的中年男子买了件灰色羊毛衫穿上后招来嘲笑 原来他是位红色盲患者 误红色为灰色。
早年还有过报道 一红色盲患者当了火车司机因看错了信号而造成火车相撞。
3.绿色盲
又称第二色盲患者不能分辨淡绿色与深红色、紫色与青蓝色、紫红色与灰色把绿色视为灰色或暗黑色。一美术训练班上有位画画得很好的小朋友总是把太阳绘成绿色树冠、草地绘成棕色原来他是绿色盲患者。临床上把红色盲与绿色盲统称为红绿色盲患者较常见。我们平常说的色盲一般就是指红绿色盲。
4.蓝黄色盲
又称第三色盲。患者蓝黄色混淆不清对红、绿色可辨较少见。
5.全色弱
又称红绿蓝黄色弱。其色觉障碍比全色盲程度要低视力无任何异常也无全色盲的其它并发症。在物体颜色深且鲜明时则能够分辨;若颜色浅而不饱和时则分辨困难。患者也少见。
6.部分色弱
有红色弱(第一色弱)、绿色弱(第二色弱)和蓝黄色弱(第三色弱)等其中红绿色弱较多见患者对红、绿色感受力差照明不良时其辨色能力近于红绿色盲;但物质色深、鲜明且照明度佳时其辨色能力接近正常。
色盲应该如何预防
由于色盲和色弱是遗传性疾病可传给后代因此避免近亲结婚和婚前调查对方家族遗传病史及采取措施减低色盲后代的出生率不失为一有效的预防手段。
色盲应该如何治疗
1、穴位与指压法
指压位于眼球正中央下 2 厘米处的“四白”能提高眼睛机能。指压时一面吐气一面用食指强压 6 秒钟。指压时睁眼指压和闭眼指压均可。
睁眼指压时能明确判断色彩闭眼指压时能治疗视力异常、假性近视。如果是患有强烈色彩异常的话应重点的强压眼下。
不断进行这种指压的话会逐渐祛除色觉异常。早上在洗脸镜前不妨指压一次女性以夜间卸装后指压为宜。
2、色盲矫正镜-矫正色盲的有效途径
色盲矫正镜的原理为根据补色拮抗在镜片上进行特殊镀膜产生截止波长的作用对长波长者可透射对短波长者发生反射。戴色盲眼镜可使原来色盲图本辨认不清的变为能正确辨认。达到矫正色觉障碍的效果。
色盲矫正镜分隐形眼镜式和普通宽架式。
色盲可以并发哪些疾病
由于红绿色盲患者不能辨别红色和绿色因而不适宜从事美术、纺织、印染、化工等需色觉敏感的工作。
驾驶员不得有赤绿色盲、色弱。因为有赤绿色盲的人就不能正确辨认交通指挥信号、交通标志以及前方车辆的信号灯(制动、转向)的颜色等;色弱的人在黄昏和夜晚对闪烁着各种颜色的灯光也辨不清是红色或绿色很容易导致交通事故。
篇四：交叉遗传是指什么的遗传方式
多基因家族：是由一个祖先基因经过重复和变异形成的一组来源相同结构相似功能相关的基因。
2.外显子：
编码序列。
3.内含子：
编码序列中间的插入序列。
4.侧翼序列：
每个断裂基因中第一个外显子的上游和最末一个外显子的下游都有一段不被转录的非编码区。
5.遗传印记：
不同性别的亲体传给子代的同一染色体或基因， 当发生改变时可引起不同表型的现象， 也称基因组印记。
6.移码突变：
指在 DNA 编码顺序中插入或缺失一个或几个碱基对， 造成这一位置以后的一系列编码发生位移错误。
7.动态突变：
串联重复的三核苷酸序列随着世代的传递而拷贝数逐代突变方式。
8.单基因病：
如果一种遗传病的发病仅仅涉及到一对基因， 这个基因称主基因， 其导致的疾病为单基因病。
9.表现度：
指在环境因素和遗传背景的影响下具有同一基因型的不同个体在性状或疾病的表现程度上产生的差异。
1 0.外显率：
某一显性基因（在杂合状态下）
或纯合隐性基因在一个群体中得以表现的百分比。
11.基因多效性：
是指一个基因可以决定或影响多个形状。
1 2.基因突变：
指基因组 DNA 分子在结构上发生碱基对组成或序列的改变。
1 3.微效基因：
人类的一些遗传性状或遗传病不是决定于一对主基因而是有多对基因协助决定， 这些基因对表型的影响较小。
1 4.多基因遗传：
多基因性状或遗传病的形成除受微效基因影响外， 还受环境因素的影响，这种遗传方式称～。
1 5.遗传率：
致病基因所起作用的大小。
1 6.Cater 效应：
多基因遗传中， 发病率低的性别携带更多的易感基因， 后代发病风险高发病率高的性别携带的易感基因少， 后代的发病风险低。
1 7.易患性：
遗传基础和环境因素的共同作用， 决定了一个个体患病可能性的大小。
1 8.易感性：
由遗传基础决定一个个体患病的风险。
1 9.阈值：
当一个个体的易患性达到一定的限度后， 这个个体即将患病， 这个易感性的限度称～。
20.罗伯逊易位：（又称着丝粒融合）
发生于近端着丝粒染色体之间， 两染色体都在着丝粒附近断裂， 然后两长臂接合在一起形成一条较大的染色体。
21.基因库：
指一个群体中全部个体所共有的全部基因。
22.近婚系数：
近亲婚配使子女从婚配双方得到祖先同一基因的概率。
23.限性遗传：
由于基因表达的性别限制只在一种性别表现而在另一种性别则完全不能表现。
24.丹佛体制：
在美国丹佛市召开的第一届国际细胞遗传学会议上颁布了“人类有丝分裂染色体命名法标准体制”， 即～。
25.密码子：
mRNA 分子中3个相邻的核苷酸碱基组成一个三联体特定的3个碱基顺序即构成一个～。
26.单一序列：
人类基因组中， 只有一个拷贝的序列叫～， 它构成编码 Pr 或酶的基因。
27.高度重复序列：
序列长度只有2， 4， 6， 8， 1 0等几个， 但重复次数为10-6 ～1 0-8 这样的序列。
28.遗传异质性：
几种基因型可以表现为同一种或相似的表型， 这种表型相似而基因型不同的现象。
29.共显性：
是一对等位基因之间， 没有显性和隐性的区别， 在杂合体时两种基因的作用
都完全表现出来。
30.亲缘系数：
指两个有共同祖先的个体在某一基因座上具有相同等位基因的概率。
31.分子病：
由于基因突变导致蛋白质分子结构和量的异常， 从而引起机体功能障碍的一类疾病。
32.酶蛋白病：（也称先天性代谢缺陷或称遗传性代谢病）
由于基因突变而造成的酶蛋白分子结构或数量的异常所引起的疾病。
33.癌基因：
能够使细胞发生癌变的基因。
34.抑癌基因：
正常细胞中可能存在抑制肿瘤发生的基因。
35.PH 染色体：
1 960年 NOWEL 在慢性粒细胞性白血病中发现了比 G 组染色体还小的异常染色体， 被命名为 PH 染色体。
36.病毒癌基因：
逆转录病毒基因组中引发肿瘤的序列是高度多样性的， 称～。
37.原癌基因：
宿主序列中与毒癌基因序列具有同源性的基因。
38.遗传平衡定律：
在一定条件下， 群体中的基因频率和基因型频率在世代传递中保持世代不变。
39.适合度（F）：
指一定环境条件下， 某种基因型个体能够生存并能将其基因传给后代的能力。
40.突变率：
单位时间内每个基因发生突变的次数， 以每一百万个基因中发生突变数来表示， 即1 2 1 0 /基因/代。
41.选择系数（S）：
指在选择的作用下降低了的适合度。
42.建立者效应：
在一个小的隔离群体中可以看到由少数几个祖先携带某一突变基因， 经过其后代在隔离群中的近亲婚配而形成突变基因的高频率。
43.肿瘤：
基因突变导致细胞增殖的失控， 形成大量细胞的集合。
44.干系：
肿瘤生长演进过程中会出现异质性， 演变为多克隆性， 其中占主导数目的克隆
构成肿瘤干系。
45.众数：
干系肿瘤细胞的染色体数目。
46.中性突变：
基因突变后未表现出有益或有害的效应的突变。
47.随机遗传漂变：
在一个小的隔离群体中由于所生子女的数目少， 可导致基因频律随机增减的现象。
48.镰状细胞贫血：
由于 B 珠蛋白基因缺陷所引起的一种疾病。
49.染色体结构畸变：
指染色体部分片段的缺失， 重复和重排。
50.近亲系数：
近亲婚配使子女从婚配双方得到祖先同一基因的概率。
51.旁系：
多克隆细胞的肿瘤中占非主导数目的克隆。
52.系谱分析：
研究人类性状的遗传规律， 不能采用动植物遗传研究所普遍采用的杂交实验方法。
53.聚合酶链式反应（PCR）：
是利用 DNA 聚合酶依赖于 DNA 模版的特性， 在体外模拟DNA 的复制过程， 经过变性复制延伸三个过程， 在一对附加的引物之间诱发聚合反应，短时间内可将要研究的目的 DNA 扩增数百万倍。
54.限制性片段长度多态(RFLP）：
是指在生物进化过程中， 由于多种原因引起 DNA 核苷酸排列顺序的改变涉及到限制性酶切位点的丢失或新生， 造成不同个体的 DNA。
当用同一限制酶切割后产生的片段长度不同， 同而在人群中呈多态分布的现象。
55.染色体荧光原位杂交（FISH）：
应用标识的 DNA 片段与玻片上的细胞染色体或间期的DNA 或 RNA 杂交， 研究核酸片段的位置或互相关系称为：
原位杂交。
56.医学遗传学：
是遗传学与医学相结合的一门边缘学科， 它的研究对象是人类有关遗传的疾病， 即遗传病。
57.X 染色体剂量补偿效应：
由于雌性细胞中的两条 X 染色体中的一条发生异固缩。
失去了转录活性， 这样则保证了雌雄两性细胞中都含有一条具有转录活性， 使两性 X 连锁基因产物的量保持在相同水平上。
58.交叉遗传：
男性的 X 染色体来源于母亲， 又只能传给自己的女儿， 不存在男性—男性之间的传递。
59.假基因：
也称拟基因， 指在多基因家族中， 某些成员不产生有功能的基因产物。
60.染色体：
当细胞进入分裂时期， 细丝状的染色质经过盘绕折叠成高度凝集的染色体。
61.染色质：
将细胞核内易被碱性染料着色的物质。
62.常染色质：
是指间期核内纤维折叠盘曲程度小， 分散度大， 染色较浅且具有转录活性的染色质。
63.异染色质：
是指细胞间期核内纤维折叠盘曲紧密， 呈凝集状态， 异染色质着色较深，无转录活性的染色质。
64.结构性异染色质：
是指各类细胞的全部发育过程中都处于凝集状态的染色质。
多位于染色体的着色粒附近和两臂的末端， 没有转录活性。
65.兼性异染色质：
是指在特定细胞的某一发育阶段所具有的凝集状态的染色质。
66.基因流：
迁移压力的增强可使某些基因从一个群体有效的扩散到另一个群体中， 因此迁移也称基因流。
67.遗传负荷：
是指在一个群体中， 由于致死基因或有害基因的存在而使该群体适合度降低的现象。
来源于突变负荷和分离负荷。
68.质量性状：
由一对等位基因控制的呈连续变异的性状。
69.量性状：
由一对等位基因控制的呈连续变异的性状。
70.界标：
每条染色体显带之后具有稳定的， 显著的形态学特征的标记包括染末端， 着丝粒。
71.群体遗传学：
是研究群体遗传结构及其变化规律的科学， 是遗传学分支学科。
72.本丙酮尿症：
是本丙氨酸羟化酶的缺乏所致。
73.肿瘤抑制基因：
是人类正常细胞中存在的能够抑制肿瘤发生的一类基因。
篇五：交叉遗传是指什么的遗传方式
遗传学 考试重点整理单基因遗传病：
简称单基因病， 指由一对等位基因控制而发生的遗传性疾病， 这对等位基因称为主基因。
上下代传递遵循孟德尔遗传定律。
分为核基因遗传和线粒体基因遗传。
常染色体显性（AD）
遗传病：
遗传病致病基因位于 1-22 号常染色体上， 与正常基因组成杂合子导致个体发病， 即致病基因决定的是显性性状。
常染色体完全显性遗传的特征
⑴ 由于致病基因位于常染色体上， 因而致病基因的遗传与性别无关即男女患病的机会均等
⑵ 患者的双亲中必有一个为患者， 致病基因由患病的亲代传来； 双亲无病时， 子女一般不会患病（除非发生新的基因突变）
⑶ 患者的同胞和后代有 1/2 的发病可能
⑷ 系谱中通常连续几代都可以看到患者， 即存在连续传递的现象
一种遗传病的致病基因位于 1～22 号常染色体上， 其遗传方式是隐性的， 只有隐性致病基因的纯合子才会发病， 称为常染色体隐性（AR）
遗传病。
带有隐性致病基因的杂合子本身不发病， 但可将隐性致病基因遗传给后代， 称为携带者。
常染色体隐性遗传的遗传特征
⑴ 由于致病基因位于常染色体上， 因而致病基因的遗传与性别无关， 即男女患病的机会均等
⑵ 患者的双亲表型往往正常， 但都是致病基因的携带者
⑶ 患者的同胞有 1/4 的发病风险， 患者表型正常的同胞中有 2/3 的可能为携带者； 患者的子女一般不发病， 但肯定都是携带者
⑷ 系谱中患者的分布往往是散发的， 通常看不到连续传递现象， 有时在整个系谱中甚至只有先证者一个患者
⑸ 近亲婚配时， 后代的发病风险比随机婚配明显增高。
这是由于他们有共同的祖先，可能会携带某种共同的基因
由性染色体的基因所决定的性状在群体分布上存在着明显的性别差异。
如果决定一种遗传病的致病基因位于 X 染色体上， 带有致病基因的女性杂合子即可发病， 称为 X 连锁显性（XD）
遗传病
男性只有一条 X 染色体， 其 X 染色体上的基因不是成对存在的， 在 Y 染色体上缺少相对应的等位基因， 故称为半合子， 其 X 染色体上的基因都可表现出相应的性状或疾病。
男性的 X 染色体及其连锁的基因只能从母亲传来， 又只能传递给女儿， 不存在男性→男性的传递， 这种传递方式称为交叉遗传。
X 连锁显性遗传的遗传特征
⑴ 人群中女性患者数目约为男性患者的 2 倍， 前者病情通常较轻
⑵ 患者双亲中一方患病； 如果双亲无病， 则来源于新生突变
⑶ 由于交叉遗传， 男性患者的女儿全部都为患者， 儿子全部正常； 女性杂合子患者的子女中各有 50%的可能性发病
⑷ 系谱中常可看到连续传递现象， 这点与常染色体显性遗传一致
如果决定一种遗传病的致病基因位于 X 染色体上， 且为隐性基因， 即带有致病基因的女性杂合子不发病， 称为 X 连锁隐性（XR）
遗传病。
（血友病 A）
X 连锁隐性遗传的遗传特征
⑴ 人群中男性患者远较女性患者多， 在一些罕见的 XR 遗传病中， 往往只看到男性患者
⑵ 双亲无病时， 儿子有 1/2 的可能发病， 女儿则不会发病， 表明致病基因是从母亲传来的； 如果母亲不是携带者， 则来源于新生突变
⑶ 由于交叉遗传， 男性患者的兄弟、 舅父、 姨表兄弟、 外甥、 外孙等也有可能是患者； 患者的外祖父也可能是患者， 这种情况下， 患者的舅父一般不发病
⑷ 系谱中常看到几代经过女性携带者传递、 男性发病的现象； 如果存在女性患者， 其父亲一定是患者， 母亲一定是携带者
不完全显性也称为半显性遗传， 它是杂合子 Aa 的表型介于显性纯合子 AA 和隐性纯合子aa 表型之间的一种遗传方式， 即在杂合子 Aa 中显性基因 A 和隐性基因 a 的作用均得到一定程度的表现。
共显性是一对等位基因之间， 没有显性和隐性的区别， 在杂合子个体中两种基因的作用都完全表现出来。
例如人类的 ABO 血型系统、 MN 血型系统和组织相容性抗原等都属于这种遗传方式。
带有显性致病基因的杂合子（Aa）
在生命的早期， 因致病基因并不表达或表达尚不足以引起明显的临床表现， 只在达到一定的年龄后才表现出疾病， 称为延迟显性。
表现度是在不同遗传背景和环境因素的影响下， 相同基因型的个体在性状或疾病的表现程度上产生的差异。
例如常染色体显性遗传的成骨不全Ⅰ 型， 主要症状有多发性骨折、蓝色巩膜、 传导性或混合性耳聋。
由于表现度的不同， 轻症患者只表现出蓝色巩膜； 重症患者可表现出早发、 频发的骨折， 耳聋和牙本质发育不全等症状。
在一个家庭中即可看到受累器官的差异及严重程度的不同， 称为表现度不一致。
基因的多效性是一个基因可以决定或影响多个性状。
遗传异质性是一种遗传性状可以由多个不同的遗传改变所引起。
遗传异质性又可分为基因座异质性和等位基因异质性。
一个个体来自双亲的某些同源染色体或等位基因存在着功能上的差异， 因此当它们发生相同的改变时， 所形成的表型却不同， 这种现象称为遗传印记， 也称基因组印记或亲代印记。
限性遗传是指位于常染色体上的基因， 由于基因表达的性别限制， 只在一种性别表现，而在另一种性别则完全不能表现。
这主要是由于男女性在解剖学结构上的性别差异造成的， 也可能受性激素分泌方面的差异限制。
如女性的子宫阴道积水症， 男性的前列腺癌等。
在多基因性状中， 每一对控制基因的作用是微小的， 故称为微效基因。
若干对基因作用积累之后， 可以形成一个明显的表型效应， 称为累加效应， 所以这些基因也称累加基因， 这些基因相互之间没有显隐性之分， 也就是说是共显的。
多基因性状往往受环境因子的影响较大， 因此这类性状或疾病也称为复杂性状或复杂疾病。
微效基因所发挥的作用并不是等同的， 可能存在一些起主要作用的所谓主基因， 也就是说各个基因的贡献率是不相同的。
在多基因遗传病中， 遗传基础是由多基因构成的， 它部分决定了个体发病的可能性。
这种由遗传基础决定一个个体患病的风险称为易感性。
由于环境对多基因遗传病产生较大影响， 因此学术界将遗传因素和环境因素共同作用决定一个个体患某种遗传病的可能性称为易患性。
在一定的环境条件下， 易感性高低可代表易患性高低。
当一个个体易患性高到一定限度就可能发病。
这种由易患性所导致的多基因遗传病发病最低限度称为发病阈值。
阈值代表患病所必需的、 最低的易患基因的数量。
遗传度（又称为遗传率）
是在多基因疾病形成过程中， 遗传因素的贡献大小。
H=b/r（b为亲属易患性对先证者易患性的回归系数； r 为亲属系数）
已知一般人群患病率：
b=(Xg-Xr) /ag(Xg 为一般群体易患性平均值与阈值之间的标准差数；
Xr 为先证者亲属易患性平均值与阈值之间的标准差数； ag 为一般群体易患性平均值与一般群体中患者易患性平均值之间的标准差数)
在随机婚配的大群体中， 在没有受到外在因素影响的情况下， 显性性状并没有随着隐性性状的减少而增加， 不同基因型的相对频率在一代代传递中保持稳定， 这就是 Hardy-Weinberg 平衡定律。
近亲的程度可以用亲缘系数（r）
来表示。
亲缘系数有共同祖先的两个人， 在某一基因座上带有相同基因的概率。
按照等位基因的分离规律， 每传一代得到其中一个等位基因的概率是 1/2， 双亲和子女之间的亲缘系数为 1/2， 同胞之间的亲缘系数也是 1/2
近亲婚配中的 2 人， 他们可能从共同祖先继承到同一基因， 婚后又可能把同一基因传递到他们子女， 这样， 子女的这一对基因就是相同的。
近亲婚配使子女得到这样一对相同基因的概率， 称为近婚系数（F）
。
一级亲属间的近婚系数就是 F=1/4。
二级亲属近婚系数F=1/8。
三级亲属的近婚系数 F=1/16。
适合度（f）
是一定环境条件下， 某一基因型个体能够生存并能将基因传给后代的相对能力。
选择反映了环境因素对特定表型或基因型的作用， 它可以是正性选择， 也可以是负性选择。
实际上对特定缺陷的表型往往由于生育力下降， 呈现负性选择。
选择系数(s) 指在选择作用下适合度降低的程度， 用 s 表示。
s 反映了某一基因型在群体中不利于存在的程度， 因此 s=1-f。
对于某些常染色体隐性遗传病， 杂合子比正常纯合子具有更高的适合度， 称之为“杂合子优势”
突变是遗传物质发生的改变， 这种变化的频率称为突变率， 用每代每个配子中每个基因座的突变数量来表示。
由突变引起的群体基因频率改变十分缓慢。
常染色体显性疾病 μ =sp 或 μ =1/2I（1-f）
常染色体隐性疾病 μ =sq2 或 μ =I（1-f）
（不适合杂合子优势）
X-连锁隐性疾病 μ =1/3sq 或 μ =1/3I（1-f）
μ ：
每代每个基因的突变率
p 和 q：
基因频率
s：
选择系数
f：
适合度=1-s
I：
人群中该性状的频率（发生率）
遗传负荷是由群体中导致适合度下降的所有有害基因构成， 遗传负荷主要有突变负荷和分离负荷， 受近亲婚配和环境因素的影响。
人类染色体：
1. 染色体命名的一般规则：
每一染色体都以着丝粒为界标， 分成短臂（p）
和长臂（q）
。
区和带的序号均从着丝粒为起点， 沿着每一染色体臂分别向长臂、 短臂的末端依次编号为 1 区、 2 区、 „„， 以及 1 带、 2 带„„。
界标所在的带属于此界标以远的区， 并作为该区的第 1 带。
被着丝粒一分为二的带， 分别归属于长臂和短臂， 分别标记为长臂的 1区 1 带和短臂的 1 区 1 带。
描述一特定带时需要写明以下 4 个内容：
① 染色体序号；
② 臂的符号；
③ 区的序号；
④ 带的序号。
例如：
1p31 表示第 1 号染色体， 短臂， 3 区， 1 带。
2. 染色体的形态：
在有丝分裂中期的染色体的形态是最典型的， 可以在光学显微镜下观察， 常用于染色体研究和临床上染色体病的诊断。
每一中期染色体都具有两条染色单体， 互称为姐妹染色单体， 它们各含有一条 DNA 双螺旋链。
两条单体之间由着丝粒相连接， 着丝粒将染色体划分为短臂（p）
和长臂（q）
两部分。
染色体上的着丝粒位置是恒定不变的， 根据染色体着丝粒的位置可将染色体分为 4 种类型：
① 中着丝粒染色体， 着丝粒位于或靠近染色体中央。
若将染色体全长分为 8 等份， 则着丝粒位于染色体纵轴的 1/2～5/8 之间， 着丝粒将染色体分为长短相近的两个臂；
② 亚中着丝粒染色体， 着丝粒位于染色体纵轴的 5/8～7/8 之间， 着丝粒将染色体分为长短不同的两个臂；
③ 近端着丝粒染色体， 着丝粒靠近一端， 位于染色体纵轴的 7/8～末端之间， 短臂很短；
④ 端着丝粒染色体， 着丝粒位于染色体的末端， 没有短臂。
人类染色体只有前三种类型， 即中着丝粒染色体、 亚中着丝粒染色体和近端着丝粒染色体三种。
3 染色体显带：
显带染色体是染色体标本经过一定程序处理， 并用特定染料染色， 使染色体沿其长轴显现明暗或深浅相间的横行带纹， 称为染色体带， 这种使染色体显带的方法， 称为显带技术。
它能显示染色体本身更细微的结构， 有助于准确地识别每一条染色体及诊断染色体异常疾病。
显带技术主要有 G 带分析、 C 带分析、 Q 带分析、 R 带分析、 T 带分析、 N 带分析和高分辩染色体技术等。
4. 染色体核型：
一个体细胞中的全部染色体， 按其大小、 形态特征顺序排列所构成的图像就称为核型。
将待测细胞的核型进行染色体数目、 形态特征的分析， 确定其是否与正常核型完全一致， 称为核型分析。
5. 染色体数目异常：
以人二倍体数目为标准， 体细胞的染色体数目（整组或整条）
的增加或减少， 称为染色体数目畸变。
包括整倍体改变和非整倍体改变两种形式。
6 染色体结构畸变：
染色体结构畸变的发生受多种因素的影响， 如物理因素、 化学因素、 生物因素和遗传因素等。
在这些因素的作用下， 首先是染色体发生断裂， 然后是断裂片段的重接。
断裂的片段如果在原来的位置上重新接合， 称为愈合或重合， 即染色体恢复正常， 不引起遗传效应。
如果染色体断裂后未在原位重接， 也就是断裂片段移动位置与其他片段相接或者丢失， 则可引起染色体结构畸变又称染色体重排。
无论数目畸变， 还是结构畸变， 其实质是涉及染色体或染色体节段上基因群的增减或位置的转移， 使遗传物质发生了改变， 结果都可以导致染色体异常综合征， 或染色体病。
7. 染色体病：
染色体数目或结构异常引起的疾病称为染色体病。
8. 与染色体数目异常相关的疾病：
单体综合征、 三体综合症、 21 三体综合症、 罗伯逊易位（平衡易位）
、 Turner 综合征
染色体畸变可发生在细胞周期的任何一个阶段。
与染色体结构畸变相关的疾病：
猫叫综合征、
线粒体遗传：
1. 线粒体 DNA 的特点：
线粒体 DNA（mtDNA）
是独立于细胞核染色体外的又一基因组， 被称为人类第 25 号染色体， 遗传特点表现为非孟德尔遗传方式， 又称核外遗传。
mtDNA 分子量小， 结构简单， 进化速度快， 无组织特异性， 具有特殊的结构特征、 遗传特征和重要功能， 而且在细胞中含量丰富（几乎每个人体细胞中都含有数以百计的线粒体， 一个线粒体内有 2～10 个拷贝的 DNA）
， 易于纯化， 是研究基因结构和表达、 调控的良好模型， 在人类学、 发育生物学、 分子生物学、 临床医学、 法医学等领域受到广泛的重视， 并取得令人瞩目的成就。
2. 线粒体遗传的母系遗传：
在精卵结合时， 卵母细胞拥有上百万拷贝的 mtDNA， 而精子中只有很少的线粒体， 受精时几乎不进入受精卵， 因此， 受精卵中的线粒体 DNA 几乎全都来自于卵子， 来源于精子的 mtDNA 对表型无明显作用， 这...
篇六：交叉遗传是指什么的遗传方式
算法的交叉算子分析邓春燕（河池学院 计算机与信息科学系， 广西 宜州 546300）摘要：交叉算子是遗传算法中的一种重要算子。文章介绍了编码方法基础上的各种交叉算子，以及如何应用到复杂问题，如组合优化、调度问题。关键词：遗传算法；遗传算子；交叉算子中图分类号：TP399文献标识码：B文章编码：1672－6251 （2009）
05－0124－03Analysis of crossover operator of genetic algorithmDENG Chun-yan(Department of Computer and Information Science, Hechi University, Yizhou 546300, China)Abstract:Crossover operator is an important operator of Genetic algorithm .A coding method based on a variety of crossoveroperator was introduced in this paper. It provided the methods to solve the complex problems, such as combinatorial optimization,scheduling issues.Key words:Genetic algorithm; Genetic operator; Crossover operator《农业网络信息》2009 年第 5 期交流园地1引言遗传算法 ( GA）
是由 美国 Michigan 大学的 JohnHolland 教授于 20 世纪 60 年代末期创建的。它是模仿自 然界生物进化机制发展起来的随机全局搜索和优化方法， 借鉴了达尔文进化论和孟德尔、 摩尔根遗传学理论。
其本质是一种高效、 并行、 全局搜索的 方法， 能在搜索过程中自 动获得和积累有关空间搜索的知识， 并自 适应地控制搜索过程以获得最优解[1]，[5～7]。2基本遗传算法John Holland 教授通过模拟生物进化过程设计了最初的遗传算法， 我们称为基本遗传算法 (标准遗传算法或简单遗传算法）。一般地遗传算法由以下成分组成[2]: ①问题解的遗传表示； ②创建解的初始种群的方法； ③根据个体适应值对其进行优劣判定的评价函数； ④用来改变复制过程中产生的子个体遗传组成的遗传算子 （交叉和变异）； ⑤遗传算法参数。基本遗传算法的流程如下[2]: ①使用二进制编码对搜索空间进行编码； ②随机产生包含 n 个个体的初始种群；③适应度评价测试个体适应度 （个体适应度反映个体好坏的情况）； ④WHIL E < 未满足迭代终止条件〉 DO ； ⑤用 轮盘赌选择法选择出 若干个个体进行繁殖， 个体可以重复； ⑥随机配对， 按一定概率 （交叉概率）
进行单点交叉操作， 并生成两个子个体； ⑦按一定概率 （ 变异概率）
变异二进制 个体串 中 某个（ 些 ）
位 ； ⑧适应 度评 估测 试 个体适应 度 ； ⑨ENDDO。3遗传算法中的交叉算子在生物的自 然进化过程中， 两个同源染色体通过交配而重组， 形成新的染色体， 从而产生出 新的个体或物种。
交配重组是生物遗传和进化过程中的一个主要环节。
模仿这个环节遗传算法中使用交叉算子来产生新的个体。3.1遗传算法中的交叉交叉又称重组， 是按较大的概率从群体中选择两个个体， 交换两个个体的某个或某些位。交叉体现了信息交换的思想。
①交叉操作是遗传算法中最主要的遗传操作。
其作用是组合出 新的个体， 在串空间进行有效搜索， 同时降低对有效模式的破坏概率； ②交叉运算是遗传算法区别于其他进化算法的重要特征， 它收稿日期：2009－03－13基金项目：广西研究生科研创新项目（2008105930701M51）作者简介：邓春燕(1971-),女，硕士研究生，讲师，研究方向：粗糙集理论与方法、数据挖掘。124——
《农业网络信息》2009 年第 5 期交流园地在遗传算法中起关键的作用， 是产生新个体的主要方法； ③交叉算子的设计包括如何确定交叉点的位置和如何进行部分基因交换两个方面的内 容。
设计交叉算子应考虑如下几点：
①保证前一代中有优秀个体的性状能够在后一代的新个体中尽可能得到遗传和继承；②交叉算子设计和编码设计需协调操作。单点交叉：
单点交叉又称为简单交叉， 它是指在个体编码串中只随机设置一个交叉点， 然后在该点相互交换两个配体个体的部分染色体。
图 1 为单点交叉运算的示意图。交叉前:AB交叉后:A’B’图 1（2）
两点交叉：
两点交叉是指在个体编码串中随机设置了两个交叉点， 然后再进行部分基因交换。
两点交叉的具体操作过程是: ①在相互配对的两个个体编码串中随机设置两个交叉点； ②交换两个个体在所设定的两个交叉点之间的部分染色体。图 2 为两点交叉运算示意图。交叉前:AB ‘交叉后:A’B ‘图 2（3）
多点交叉：
或称广义交叉， 是指在个体编码串中随机设置多个交叉点， 然后进行基因交换。
其操作过程与单点交叉和两点交叉相类似。（4）
均匀交叉：
也称一致交叉， 是指两个配对个体的每个基因座上的基因都以相同的交叉概率进行交换， 从而形成两个新的个体。
其具体运算是通过设置一屏蔽字来确定新个体的各个基因如何由哪一个父代个体来提供。
主要操作过程如下：①随机产生一个与个体编码串长度等长的屏蔽字 W=w1w2Lw1Lw1， 其中 L为个体编码串长度； ②由 上述规则从 A、 B 两个父代个体中产生出两个新的子代个体 A′、 B′。若 ωi = 0 ，则 A′在第 i 个基因座上的 基因 值继承 A 的对应基因值， B′在第 i 个基因座上的基因值继承 B 的对应基因值； 若 ωi = 1 ， 则 A′在第 i 个基因座上的基因值继承B 的对应基因值， B′在第 i 个基因座上的基因值继承A 的对应基因值。（5）
均匀两点交叉：
是指两个配体 A、 B 中随机产生两个交叉点， 然后按随机产生的 0 、 1 、 2 三个整数进行基因交换， 从而形成两个新的个体[4]。当 随机数是 0 时， 配体的前面部分交叉;当随机数是 1 时，配体的中间部分交叉;当随机数是 2 时， 配体的后面部分交叉。还有其他的交叉算子， 如：
缩小代理交叉、 洗牌交叉等。3.2适合浮点数编码的交叉算子浮点数编码方法是指个体的每个基因值用某一范围内的一个浮点数来表示， 个体的编码长度等于其决策变量的个数。除上述所述的适合二进制编码方法的交叉算子可用于浮点数编码方法的交叉操作中， 还使用以下主要的交叉算子。（1）
离散交叉：
是指在个体之间交换变量的值，子个体的每个变量可按等概率随机地挑选父个体。（2）
算术交叉：
是指由两个个体的线性组合而产生出两个新的个体。算术交叉的操作对象一般是由浮点数编码所表示的个体. 其定义为两个向量 （染色体）的组合[2]: x1=λ1x1+λ2x2； x2=λ1x2+λ2x1， 其中 λ1、 λ2称为乘子。
特殊情况有：① 当 λ1=λ2= 0.5 时 ， Davis 称 其 为 平 均 交 叉 ，Schwefel 称其为中间交叉 （intermediate crossover）； ②把乘子作为区间 [ - d ， 1 + d] 上的随机数时， Muh-lenbein 和 Schlierkamp - Voosen 称其为扩展中间交叉；（3）
启 发式交叉[2]：
如果父个体 1 和父个体 2 ，而父个体 1 有较好的适应度， 则如下函数产生子个体:子个体= 父个体 2 + Radio 3（父个体 1 - 父个体 2)。其中 Radio 指定子代离较好适应 度的 父代有多远， 其缺省值为 1. 2。还有适合序号编码的 交叉算子， 如 部分匹配交叉、 顺序交叉、 循环交叉、 基于位置交换等。3.3应用问题的交叉算子3.3.1组合优化问题组合优化研究那些含有有限个可行解的、 日 常生活中 （尤其是工程设计中）
大量存在的问题。
典型的工程设计问题包括集覆盖、 背包、装箱、 二次分配等。下面以前两种问题为例说明遗传算法中使用的交叉算子。（1）
集覆盖问题：
问题可描述为：
对于一个 m 行n 列的 0 - 1 矩阵， 用 最小的费用 选择一些矩阵的列使其能够覆盖所有的行[3]。用遗传算法解决集覆盖问题， Beaseley 和 Chu 提出一种通用的基于适应值的交叉算子， 称其为熔合算子， 其仅生成一个后代。设 P1 和 P2 表示父代染色125——
《农业网络信息》2009 年第 5 期交流园地体串， f1 和 f2 分别表示两个父代的适应值， C 表示子代染色体串， i 表示染色体的第 i 位。
熔合算子过程如下:①i = 1。②如 果 P1 [i]= P2[i]， 则 C [i] := P1 [i] : = P2[i]。③如 果 P1 [i] ≠P2 [i]， 则 a 以概率 p = f2/（f1 +f2）
让 C [i] : = P1 [i];b 以 概 率 1 -p 让 C [i] :=P2[i]。④如果 i=n ， 停止； 否则 i=i+1 ， 返回第①步。（2）
背包问题：
问题描述：
要求从许多物品 （通常称为项目 ）
中选择一些来填充一个背包。在一定重量限制下， 在背包中分别存放多种重量、 价值不同的项目 ， 如何进行项目 组合的选择， 使背包内 项目 总价值最大。遗传算法解决背包问 题是使用 了 均匀 交叉算子（如 2. 2. 1（4））。3.3.2调度问题广义地讲， 调度问题考虑的是随时间的变化， 如何调度有限的资源在执行任务的同时满足特定约束。
这些问题属于 NP - 难问题。
在作业车间调度中， 给定一个作业的集合和一个机器的集合。每台机器同一时间最多可加工一个作业。每个作业包括一系列工序， 每个工序需要在特定的机器上不间断地加工事先给定的 时间 。
研究的 目 的 是确定一个调度， 该调度将每个工序分配到 对应机器的 某个时间段， 同时最小化完成所有作业所需的最小加工持续时间。下面介绍遗传算法解决作业车间调度时应用的几种交叉算子 （基于字母排列编码）[3]。（1）
部分映射交叉 （ Partially mapped crossover，PMX）：
这是由 Goldberg 和 Lingle 提出 。其主要步骤为: ① 在串中随机选择两个分割点， 由两个分割点定义的子串称作映射片断； ②在两个父代间交换子串从而产生原型后代；③将第二个父代中所有子串中已有的符号全部去掉， 余下的顺序包含了原型子代需要的符号；④根据从左到右的顺序将符号放入原型子代余下的空位中， 这样就产生了一个子代。（2）
基于位置的交叉（Position - based crossover）：这是由 Syswerda 提出。
其主要步骤为：
①从一个父代中随机选择位置的集合； ②将父代中这些位置的符号复制到原型子代中对应的位置上； ③在第二个父代中删除已经被选择的符号， 余下的顺序包含了原型子代需要的符号； ④根据顺序从左到右将符号放入原型子代余下的空位中， 这样就产生了一个子代。（3）
基于次序的交叉 （Order - based crossover）
：这是由 Syswerda 提出。
该方法与基于位置的交叉有少许不同， 它将一个父代中选出 的位置上的符号次序加在另一个父代对应的位置上。还有循环交叉 （Order - based crossover）、 线性次序交叉 （Linear order crossover ， LOX）
、 子顺序交换交叉 （Subsequence ex2 change crossover）
、 部 分调 度交换交叉等。4结束语本文对遗传算法中的交叉算子进行了 简单介绍。要提高遗传算法解决复杂问题的效率主要就是对遗传算法进行改进， 要根据不同的问题应用不同的编码方式和选用适合编码方式的遗传算子。遗传算法改进的方法有很多， 到底哪种方法更优， 只能根据具体求解问题选择。但不管怎样， 从遗传算子的改进 （特别是对交叉算子的改进)这个角度出发， 确实能极大改善传统遗传算法， 提高其搜索效率， 克服过早收敛。参考文献[1] 王小平， 曹立明.遗传算法—理论， 应用与软件实现[M].西安:西安交通大学出 版社，2002,1.[2] 玄光男 ， 程润伟.遗传算法与工程优化[M].北京:清华大学出 版社，2005.[3] 刘立平.遗传算法综述[J]. 东莞理工大学学报,2005,12（3)：48～52.[4] 杨大地,张春涛.均匀 亮点交叉遗传算法[J].重庆师范大学学报(自 然科学版),2004,21(1):39～42 .[5] 阮忠， 邓春燕.遗传算法在入侵检测中的应用研究[J].农业网络信息，2008,(8):90～92.[6] 史忠植.知识发现[M].北京:清华大学出 版社,2006.[7] 董辉,吴习 宇,余建桥.基于遗传 BP 神经网 络的 数据挖掘系统设计[J].农业网络信息，2004,(6):7～10.126——
篇七：交叉遗传是指什么的遗传方式
学名词解释 1、 原核细胞：没有核膜包围的核细胞， 其遗传物质分散于整个细胞或集中于某一区域形成拟核。
如：
细菌、 蓝藻等。
2、 真核细胞：
有核膜包围的完整细胞核结构的细胞。
多细胞生物的细胞及真菌类。
单细胞动物多属于这类细胞。
3、 染色体：
在细胞分裂时， 能被碱性染料染色的线形结构。
在原核细胞内， 是指裸露的环状 DNA 分子。
4、 姊妹染色单体：
一条染色体(或 DNA)经复制形成的两个分子， 仍由一个着丝粒相连的两条染色单体。
5、 同源染色体：
指形态、 结构和功能相似的一对染色体， 他们一条来自父本， 一条来自母本。
6、 染色体组：
在通常的二倍体的细胞或个体中， 能维持配子或配子体正常功能的最低数目的一套染色体。
或者说是指细胞内一套形态、 结构、 功能各不相同， 但在个体发育时彼此协调一致， 缺一不可的染色体。
7、 一倍体：
具有一个染色体组的细胞或个体， 如， 雄蜂。
8、 单倍体：
具有配子(精于或卵子)染色体数目的细胞或个体。
如， 植物中经花药培养形成的单倍体植物。
9、 二倍体：
具有两个染色体组的细胞或个体。
绝大多数的动物和大多， 数植物均属此类 10、 二价体：
一对同源染色体在减数分裂时联会配对的图象。
11、 联会：
在减数分裂过程中， 同源染色体建立联系的配对过程。
12、 染色质或染色体：
指细胞间期核内能被碱性染料(洋红、 苏木精等)染色的纤细网状物质，现在是指真核细胞间期核中 DNA、 组蛋白、 非组蛋白、 以及少量 RNA 组成的一串念珠状的复合体。
当细胞分裂时， 核内的染色质便螺旋化形成一定数目和形状的染色体。
13、 超数染色体：
有些生物的细胞中出现的额外染色体。
也称为 B 染色体。
14、 联会复合体：
是同源染色体联会过程中形成的非永久性的复合结构， 主要成分是碱性蛋白及酸性蛋白， 由中央成分(central element)向两侧伸出横丝， 使同源染色体固定在一起。
15、 姊妹染色单体：
二价体中一条染色体的两条染色单体， 互称为姊妹染色单体。
16、 反应规范：
遗传型对环境反应的幅度（某一基因型在不同环境条件下反应的范围。）
17、 交叉的端化：
交叉向二价体的两端移动， 并且逐渐接近于末端的过程叫做交叉端化。
18、 受精：
雄配子(精子)与雌配子(卵细胞)融合为 1 个合子过程。
19、 双受精：
1 个精核(n)与卵细胞(n)受精结合为合子(2n)， 将来发育成胚。
另 1 精核(n)与两个极核(n+n)受精结合为胚乳核(3n)， 将来发育成胚乳的过程。
20、 胚乳直感：
在 3n 胚乳的性状上由于精核的影响而直接表现父本的某些性状， 这种现象称为胚乳直感或花粉直感。
21、 果实直感：
种皮或果皮组织在发育过程中由于花粉影响而表现父本的某些性状， 则另称为果实直感。
22、 无融合生殖：
雌雄配子不发生核融合的一种无性生殖方式。
认为是有性生殖的一种特殊方式或变态。
23、 细胞周期：
从一次有丝分裂结束到下一次有丝分裂开始的时期。
24、 无性生殖：
通过亲本营养体的分割而产生许多后代个体， 这一方式也称为营养体生殖。例如， 植物利用块茎、 鳞茎、 球茎、 芽眼和枝条等营养体产生后代， 后代与亲代具有相同的遗传组成。
25、 无性生殖：
通过亲本营养体的分割而产生许多后代个体， 这一方式也称为营养体生殖。例如， 植物利用块茎、 鳞茎、 球茎、 芽眼和枝条等营养体产生后代， 后代与亲代具有相同的遗传组成。
26、 性状：
生物体所表现的形态特征和生理特性。
27、 单位性状：
把生物体所表现的性状总体区分为各个单位， 这些分开来的性状称为。
28、 显性性状：
当两个具有相对性状的纯合亲本杂交时， 子一代出现的一个亲本性状。
29、 隐性性状：
子一代未出现的另一个亲本的性状， 即子一代处于隐蔽状态的性状。
30、 基因位点(locus)：
基因在染色体上的位置。
31、 等位基因(allele)：
位于同源染色体上， 位点相同， 控制着同一性状的基因。
32、 纯合体(homozygote) ：
同源染色体上相同位点上的两基因成员完全一致(双显或双隐) ，具这种基因型的个体为纯合体。
如：
CC、 cc。
33、 杂合体(heterozygote)：
等位基因中的两个成员又一致的个体称为杂合体。
34、 测交：
是指被测验的个体与隐性纯合体间的杂交。
35、 完全显性(complete dominance)：
一对相对性状差别的两个纯合亲本杂交后， F1 的表现和亲本之一完全一样， 这样的显性表现， 称作完全显性。
36、 不完全显性(imcomplete dominance)：
是指 F1 表现为两个亲本的中间类型。
37、 共显性(co-dominance)：
是指双亲性状同时在 F1 个体上表现出来。
如人类的 ABO 血型和 MN 血型。
38、 显性转换(reversal of dominance)：
显性性状在不同条件下发生转换的现象叫做显性转换。
39、 基因型(genotype)：
也称遗传型， 生物体全部遗传物质的组成， 是性状发育的内因。
40、 表现型(phenotype)：
生物体在基因型的控制下， 加上环境条件的影响所表现性状的总和。
41、 互补作用(complementary effect)：
当两对基因中都有显性基因存在时， 个体表现为一种性状， 当两对基因中只有一对基因为显性或两对基因均为纯合隐性时， 个体表现为另一种性状的基因互作类型。
42、 返祖现象：
是指在后代中出现祖先性状的现象。
43、 积加作用(additive effect)：
指当两对或两对以上基因互作时， 显性基因对 数累积愈多， 性状表现愈明显的现象。
例如， 南瓜果形遗传。
44、 重叠作用(duplicate effect)：
两对或两对以上等位基因同时控制一个单位性状， 只要其中一对等位基因中存在显性基因， 个体便表现显性性状， 两对基因均为纯合隐性时， 个体表现隐性性状的基因互作类型。
45、 上位作用(epistatic effect)：
两对基因同时控制一个单位性状发育， 其中一对基因对另一对基因的表现具有遮盖作用， 这种基因互作类型称为。
46、 显性上位：
两对基因同时控制一个单位性状发育， 其中一对基因对另一对基因的表现具有遮盖作用， 起遮盖作用的是显性基因称为显性上位。
47、 隐性上位：
两对基因同时控制一个单位性状发育， 其中一对基因对另一对基因的表现具有遮盖作用， 起遮盖作用的基因是隐性基因， 则称为隐性上位。
48、 抑制作用(inhibiting effect)：
指一对基因本身不表现性状， 当其处于显性纯合或杂合状态时， 却能够使另一对显性基因不起作用。
49、 多因一效(multigenic effect)：
许多基因影响同一个性状的表现。
50、 一因多效(pleiotropism)：
一个基因也可以影响许多性状的发育现象。
51、 连锁遗传：
指在同一同源染色体上的非等位基因连在一起而遗传的现象。
51、 交换：
指同源染色体的非姊妹染色单体之间的对应片段的交换， 从而引起相应基因间的交换与重组。
52、 交换值（重组率）：
指同源染色体的非姊妹染色单体间有关基因的染色体片段发生交换的频率。
53、 基因定位：
确定基因在染色体上的位置。
主要是确定基因之间的距离和顺序。
54、 干扰(interference)：
一个单交换发生后， 在它邻近再发生第二个单交换的机会就会减少
的现象。
55、 符合系数：
指理论交换值与实际交换值的比值， 符合系数经常变动于 0—1 之间。
56、 连锁遗传图（遗传图谱）：
将一对同源染色体上的各个基因的位置确定下来， 并绘制成图的叫做连锁遗传图。
57、 连锁群(linkage group)：
存在于同一染色体上的基因群。
58、 性染色体(sex-chromosome)：
与性别决定有直接关系的染色体叫做性染色体。
59、 常染色体(autosome)：
性染色体以外其他的染色体称为常染色体。
60、 性连锁(sex linkage)：
指性染色体上的基因所控制的某些性状总是伴随性别而遗传的现象， 又称伴性遗传(sex-linked inheritance)。
61、 交叉遗传：
父亲的性状随着 X 染色体传给女儿的现象。
62、 限性遗传(sex-limited inheritance)：
是指位于 Y 染色体(XY 型)或 W 染色体(ZW 型)上的基因所控制的遗传性状只限于雄性或雌性上表现的现象。
63、 从性遗传(sex-influenced inheritance)：
常染色体上基因所控制的性状， 在表现型上受个体性别的影响， 只出现于雌方或雄方； 或在一方为显性， 另一方为隐性的现象。
64、 缺失(deletion 或 deficiency)：
是指染色体本身丢失了一段。
65、 重复：
染色体上增加了相同的某个区段因而引起变异的现象。
66、 位置效应：
基因由于交换了在染色体上的位置而带来的表型效应的改变现象。
67、 剂量效应：
即细胞内某基因出现的次数越多， 表型效应就越显著的现象。
68、 倒位：
指染色体发生断裂后， 某一区段发生颠倒， 而后又愈合的一类染色体变异。
69、 易位(translocation)：
是指非同源染色体之间发生节段转移的现象。
70、 假显性：
(pseudo-dominant)：
和隐性基因相对应的同源染色体上的显性基因缺失了， 个体就表现出隐性性状，（一条染色体缺失后， 另一条同源染色体上的隐性基因便会表现出来）这一现象称为假显性。
71、 假连锁：
两对染色体上原来不连锁的基因， 由于靠近易位断点， 易位杂合体总是以交替式分离方式产生可育的配子， 因此就表现出假连锁现象。
72、 染色体组（Genome）：
是指二倍体生物配子中所具有的全部染色体。
每个染色体组中各个染色体具有不同的形态、 结构和连锁基因， 构成—个完整体系， 缺少任何一条均会造成不育或变异。
73、 整倍体（Euploid）：
指具有基本染色体数的完整倍数的细胞、 组织和个体。
74、 单倍体：
具有配子染色体数的细胞、 组织和个体。
75、 同源多倍体：
由同一染色体组加倍而成的含有三个以上的染色体组的个体称为同源多倍体。
76、 异源多倍体[双二倍体] （Allopolyploid）：
指染色体组来自两个及两个以上的物种， 一般是由不同种、 属的杂种经染色体加倍而来的。
77、 非整倍体：
体细胞染色体数目（2n）
上增加或减少一个或几个的细胞， 组织和个体， 称为非整倍体。
78、 超倍体； 染色体数多于 2n 的细胞， 组织和个体。
如：
三体、 四体、 双三体等。
79、 亚倍体：
染色体数少于 2n 的细胞， 组织和个体。
如：
单体， 缺体， 双单体等。
80、 缺体：
缺掉一对或一对以上同源染色体的个体， 2n-2 或（n-1）
”表示。
81、 单体：
缺失掉一条染色体的个体。
表示为：
2n－1。
82、“Turner 氏综合症”
（性腺发育不全）：
性 X 染色体单体， 45， X0。
83、 三体：
指二倍体的染色体组中多一条染色体的个体。
表示为：
2n＋1。
84、 先天愚型 （Down 氏综合征）
21 三体型：
这是一种最常见的常染色体疾病， 核型为47， +21， 患儿的核型中比二倍体(46)多了一条第 21 号染色体
85、 影印培养法：
细菌和病毒遗传研究的常用方法。
把长有许多菌落的母培养皿倒置于包有灭菌丝绒布的圆木柱上， 然后把这一 “印章”上的细菌一次接种到一系列选择培养基平板上。经培养后， 就可选出适当的突变型。
86、 原噬菌体(prophage)：
某些温和噬菌体侵染细菌后， 其 DNA 整合到宿主细菌染色体中。处于整合状态的噬菌体 DNA 称为～～。
87、 溶原性细菌：
含有原噬菌体的细胞， 也称溶原体。
88、 转化(transformation)：
指细菌细胞（或其他生物）
将周围的供体 DNA， 摄入到体内， 并整合到自己染色体组的过程。
89、 感受态(competence)：
细菌吸收外源 DNA 时的生理状态。
90、 接合(coniugation)：
指遗传物质从供体—“雄性” 转移到受体—“雌性” 的过程。
91、 性导(sexduction)：
细菌细胞在接合时， 携带的外源 DNA 整合到细菌染色体上的过程。
92、 F’ 因子（F prime factor）：
整合到染色体上 F 因子， 在切除中分离出携带部分染色体片段， 这种带有染色体基因的附加体称为 F’。
93、 转导：
以噬菌体为媒介， 把一个细菌的基因导入另一个细菌的过程。
即细菌的一段染色体被错误地包装在噬菌体的蛋白质外壳内， 通过感染转移到另一受体菌中。
94、 普遍性转导：
能够转导细菌染色体上的任何基因。
95、 转导体：
具有重组遗传结构的细菌细胞。
96、 共转导（并发转导）
(cotransduction)：
两个基因一起被转导的现象称。
97、 流产转导：
转导 DNA 分子进入受体细胞后， 既不与受体基因组发生交换， 又不随细胞 DNA 复制而复制， 而是很稳定地存在于细胞之中现象。
98、 局限转导：
由温和噬菌体（λ 、）
进行的转导称为特殊转导或限制性转导。
以λ 噬菌体的转导， 可被转导的只是λ 噬菌体在细菌染色体上插入位点两侧的基因。
99、 F＋菌株：
带有 F 因子的菌株作供体， 提供遗传物质。
100、 F－ 菌株：
不带有 F 因子的菌株， 只能作为受体， 接受遗传物质。
101、 Hfr 菌株：
高频重组菌株， F 因子通过配对交换， 整合到细菌染色体上。
102、 F’菌株：
带有 F’因子的菌株， 既可转移供体的染色体片段又可转移 F 因子。
103、 正超螺旋：
两股以右旋方向缠绕的螺旋， 在外力往紧缠的方向捻转时， 会产生一个左旋的超螺旋， 以解除外力捻转造成的胁变。
这样形成的螺旋为正超螺旋。
104、 负超螺旋：
两股以右旋方向缠绕的螺旋在外力向松缠的方向捻转时， 产生一个右旋的超螺旋以解除外力捻转造成的胁迫。
这样形成的超螺旋为负超螺旋。
105、 复制子(replicon)：
在每条染色体上两个相邻复制终点之间的一段 DNA 叫做复制子。
106、 遗传密码：
决定蛋白质中氨基酸顺序的核苷酸顺序， 特定的氨基酸是由 1 个或一个以上的三联体密码所决定的。
107、 简并(degeneracy)：
一个氨基酸由一个以上的三联体...
篇八：交叉遗传是指什么的遗传方式
补偿效应 （dosage compensation effect) 通常指在果蝇和哺乳动物中使细胞核中有两份基因的雌体和只有一份基因的雄体出现相同表型的遗传效应即剂量补偿效应。果蝇中剂量补偿效应是怎样实现的？
哺乳动物中剂量补偿效应是怎样实现的？
Wentong Cai used his ISU email while contacting the undercover agent. He attempted to obtain 20 of the ARS-14 military sensors from a manufacturing company
ISU student Wentong Cai arrested on charge of attempting to smuggle military technology to China
3 姨表
4
5 X 染色体连锁隐性遗传系谱的基本特点：
患者男性多于女性 男性患者，子女正常，通过女儿把致病基因传给1/2的外孙——表现出 隔代或交叉遗传。
双亲正常时，儿子可能是患者，女儿则不会。儿子的致病基因由母亲提供。
由于交叉遗传，故可推断先证者的弟兄、外祖父、舅父、姨表兄弟、外甥、外孙可能是患者。其它亲属则不可能表现出该性状。
6 2 ）X 连锁显性遗传 控制性状/疾病的显性基因在X染色体上。
人类的抗维生素D性佝偻病：由于患者的小肠对磷、钙的吸收不良以及肾小管对磷重吸收的障碍，造成血磷下降而引起的。患者常表现为O形腿、骨骼发育畸形、生长缓慢等症状。
A—致病基因
a—正常基因
女性患者：X A X A
X A X a
男性患者：X A Y
7 Ｘ连锁的显性遗传病抗维生素Ｄ性佝偻病:
抗维生素D D 佝偻病：伴X X 显性遗传 (D)
表现型 基因型 女 女 男 男 性 性
别 X D X D X D X d X d X d X D Y X d Y 患病 正常 患病 （发病轻）
患病 正常 男性患者与正常女性结婚，后代发病情况？
女性全部患病，男性全部正常
9 X 连锁显性遗传的特点 1. 患者双亲中必有一方患有此病，女性患者多于男性，但女性患者病情较轻。
2. 男性患者的后代中，女儿都是患者，儿子正常。
3. 女性患者的后代中，子女各有1/2可能患病。
4. 未患病的后代，可以真实遗传，不会患病。
10 2. Y 连锁遗传 控制性状/疾病的基因位于Y 染色体上，基因随Y染色体而传递，由父 子 孙，这种遗传方式称为Y 连锁遗传/ 限雄遗传/ 全男遗传(holandric inheritance)。
在Y染色体上已发现的基因：毛耳基因、睾丸决定基因
11 Y Y 连锁遗传( ( 限雄遗传)
人类的 耳道长毛症
12
例：印第安人群中较为常见的毛耳缘（hairy ear rims)，仅限于男性，青春期过后外耳道长出许多2~3cm的黑色长毛。
13
14 •课堂练习：一个血型为A，能够正常辨别颜色的妇女有五个孩子，他们是：
1)
儿子，血型为A，色盲。
2)
儿子，血型为O，色盲。
3)
女儿，血型为A，色盲。
4)
女儿，血型为B，能正常辨别颜色。
5)
女儿，血型为A，能正常辨别颜色。
该妇女在不同时间与两个男人发生婚配。男人甲的血型是AB，且色盲；而男人乙的血型是A，能正常辨别颜色。在上述每一种情况中，两位男人中的哪一位可能是父亲？
15 一个血型为A ，能够正常辨别颜色的妇女有五个孩子，他们是：
1)
儿子，血型为A ，色盲。（ 乙、甲）
）
2)
儿子，血型为O ，色盲。（ 乙）
）
3)
女儿，血型为A ，色盲。（ 甲）
）
4)
女儿，血型为B ，能正常辨别颜色。（ 甲）
）
5)
女儿，血型为A ，能正常辨别颜色。（ 乙、甲）
）
该妇女在不同的时间与两个男人发生婚配。男人甲的血型是AB ，且色盲；而男人乙的血型是A ，能正常辨别颜色。在上述每一种情况中，两位男人中的哪一位可能是父亲？
16 3. 从性性状 从性性状：由常染色体上基因所控制的性状，由于受性激素的影响，基因在不同性别中的表达不同，这种性状的遗传叫 从性遗传(sex-influenced inheritance)。
羊角的遗传：H－有角，h－无
雄性：HH，Hh有角（H显性）
雌性：HH有角，Hh无角、hh无角 人类的秃顶遗传、前额白发、上侧门齿的缺失、手指末节变态肥大。
Male pattern baldness The trigger for this type of baldness is dihydrotestosterone, a more-potent form of testosterone often referred to by its acronym DHT.
Bb男性- 秃 Bb女性-正常 BB女性-秃
18 4. 限性性状 性染色体或常染色体上的基因所控制的性状仅在某一性别中表现的现象，这种性状的遗传叫 限性遗传(sex-limited inheritance)。如子宫阴道积水是由常染色体隐性基因控制，但只有在女性纯合体中才能表现出相应症状。
从性性状与限性性状与性激素或第二性症有关。
19 遗传方式 相关基因与染色体 遗传特征 举例 伴性遗传 基因位于性染色体上 基因表达不受性激素影响 色盲、芦花鸡 从性遗传 基因位于常染色体上 杂合体在不同性别中有不同的表达，基因表达受性激素影响 人类秃顶 限性遗传 基因位于性或常染色体上 仅限于某一种性别，基因表达受性激素影响 泌乳量 男性毛耳 伴性遗传、从性遗传和限性遗传的比较
20 实例 鸡的抱窝习性：是由两对位于常染色体的基因（独立）互补作用的结果。雄性中也有这些基因，但无此性状，因这一性状的表现受雌性激素的影响。
牛和其他的哺乳动物的产奶这一性状，在雄性也有基因，但性状的表现只限于有发育的乳腺和适当雌性激素的雌性才有。
21 三、鸡的伴性遗传 鸡的芦花羽毛的遗传：B-芦花、b-非芦花
22 三、鸡的伴性遗传 鸡的芦花羽毛的遗传：B-芦花、b-非芦花
P:芦花♀(Z B W) ×非芦花♂(Z b Z b )
↓
F1:非芦花♀(Z b W) ×芦花♂(Z B Z b )
↓
F2:
芦花♀ : 非芦花♀ :
芦花♂ : 非芦花♂
(Z B W) :
(Z b W)
: (Z B Z b )
: (Z b Z b )
23 四、高等植物的伴性遗传 枣椰树和石竹科女娄菜属（Melandrium
album）的各个种。
宽叶—B 狭叶—b， 对花粉是致死
24 P：
X B X b
X b Y
X B
X b
X B
Y
1X B
Y:1X b Y
1X B X B ：1X B
Y :1X b Y:1X B X b
25 第四节
遗传的染色体学说的直接证据 摩尔根发现例外的白眼雄果蝇后， 1916年, 他的学生C.B.Bridges 在重复白眼伴性遗传的研究中又发现了例外, 对遗传的染色体学说作出了直接证明。
1 1 、 Bridges 重复 Morgan 试验时所发现的异常现象
不分离现象
果蝇X 染色体不分离的遗传效应 初级例外
卵母细胞 减数分裂 卵子 XY : X = 1: 1
XX: Y : XY: X = 1:1:1:1 42% + 42%=84% 4%+4%+4%+4%=16% 例外白眼雌果蝇X w X w Y 在减数分裂产生卵子时的分离方式 XX 配对， Y 游离
( 绝大多数情况下）
XY 配对， X 游离 （极少数情况下）
Bridges 推测（1 1 ）：
①初级例外白眼雌果蝇的基因型和性染色体组成：X X w w X X w w Y Y 。
（镜检的确如此）
②初级例外红眼雄果蝇基因型和性染色体组成：
X X + + O O
（镜检的确如此）
X X 染色体不分开现象
X X 染色体不分开现象
Bridges 的推测（2 2 ）：
①次级例外白眼雌蝇基因型和性染色体组成：X X w w X X w w Y Y ， 比例 2%
（ 镜检的确如此 ）
②次级例外用红眼雄蝇基因型和性染色体组成：X X + + Y 比例 2%
（ 镜检的确如此 ）
③正常交叉组红眼雌蝇中有X X w w X X + + Y Y 基因型，（ 镜检的确如此 ）
④正常交叉组白眼雄蝇中有X X w w YY 基因型，（ 镜检的确如此 ）
作业
p83 1-6题
第一节
连锁和交换 1.连锁遗传现象 2.完全连锁和不完全连锁 3.交换及其细胞学证据 4.连锁群
1906年Bateson和Punnett研究了香碗豆的两对性状（花色和花粉的形状）的遗传
一、连锁遗传现象
实验一
P
紫花、长花粉粒
╳
红花、圆花粉粒
（PPLL）
↓
（ppll）
F 1
紫花、长花粉粒（PpLl）
↓
F 2
实计数
紫长、 紫圆、
红长、
红圆、
总数
4831
390
393
1338
6952
预计数
3910.5
1303.5
1303.5
434.5
6952
实验二
P
紫花、圆花粉粒
╳ 红花、长花粉粒
（PPll）
↓
（ppLL）
F 1
紫花、长花粉粒（PlLl）
↓
F 2
实计数
紫长、 紫圆、
红长、
红圆、
总数
226
95
97
1
419
预计数
235.8
78.5
78.5
26.2
419
实验一与实验二的一致结果：
亲组合比例比预期的大，而重组合的比预期的小。
但由于没有与遗传的染色体学说联系起来，故没有提出位于同一染色体上的非等位基因间的连锁与交换定律。
“相引和相斥”理论 相引：把两个显性基因一起进入配子的较大于随机比例的这种情况称为“相引”。如实验一中的P与L。
相斥：一个显性基因和一个隐性基因一起进入配子占较大比例的倾向称为”相斥”。
“相引和相斥”
二、完全连锁和不完全连锁 1910年，Morgan和他的同事首次证实了完全连锁和不完全连锁现象。
实验材料：果蝇
果蝇的优点：
1. 体细胞只有4对染色体、突变型多； 2. 翅：长翅、小翅、残翅； 3. 体色：灰、黑、檀黑、黄体等； 4. 眼色：红眼、白眼等； 5. 生活周期短、繁殖快、易培养。
实验：灰身长翅×黑身残翅 × F1
测交1-完全连锁 × ：
1 1 F1♂ ♀
测交实验1的解释 ♀ ♂ 灰身：b+，B 黑身：b， 长翅：vg+，V 残翅：vg，v 1 : 1 表明：F1雄果蝇只产生两种配子（vg + b + ; vgb)
连锁遗传常用的符号：
ab/ab：表示a与b连锁。
a b a b
测交实验2-不完全连锁 × F1 ♀ ♂
415
92
88
405
F1雌果蝇配子的形成
测交实验2的解释
配子
不完全连锁(incomplete linkage) ，杂种F1灰残雌蝇在减数分裂过程中，100﹪的杂种F 1 性母细胞中体现为：
(1) 有32%的性母细胞在B-V基因之间形成一个交叉，表明有一半的染色单体的B-V间发生过交换，所以在形成的配子中，有16%是亲代所没有的重组合，分别为8%灰残、8%黑长，另有16%是亲组合，8%灰长，8%黑残。
(2) 有68%的性母细胞在B-V基因之间没有发生交换或交换发生在B-V以外，这部分的性母细胞产生的配子如同完全连锁一样产生1:1的亲组合配子，即级34%的灰长、34%黑残。
(3) 综合①与②可知配子比例BV:Bv:bV:bv=(34%+8%) : 8% : 8% : (34%+8%) = 42% : 8% : 8% : 42%。
测交结果为性状比例：
灰长:灰残:黑长:黑残=42% : 8% : 8% : 42%。
不完全连锁的普遍性 1. 绝大多数生物表现为不完全连锁； 2. 完全连锁遗传则较为少见：♂果蝇、♀家蚕 。
二 、 连锁与互换的本质 1. 连锁与互换的本质体现为F 1 杂种在减数分裂时的行为。
2. 在粗线期，同源染色体配对完毕，非姊妹染色单体的对应区段间发生交换。
3. 当减数分裂进入到双线期时在细胞学上才看见二价体中非姊妹染色单体对应区段间之间的交叉，可见，先有遗传学上的交换后有细胞学上的交叉，交叉是发生过交换后的有形结果。
完全连锁(complete linkage)可以理解为，杂交中F1灰长雄蝇（BbVv）在减数分裂过程中非姊妹染色体单体基因间不发生交换，所以只产生两种不同的配子，测交后只产生两种后代。
交换(crossing over) 指减数分裂过程中，每一对同源染色体在(配对)联会时，同源染色体的非姐妹染色体间可以互相调换同源的片段，这一过程叫交换。
交换值与重组值 交换率/ 交换值(crossing over percentage/value)：是指发生交换的染色单体片段数占总染色单体数目的百分率。
重组率/ 重组值(recombination frequency/value, RF)：是指重组型配子数占总配子数的百分率。
重组值RF=（重组型配子数/总配子数） 100%。
当两基因距离较近时，重组率=交换率=0。
重组值=交换值=50%
请分别计算下图(a) 和(b) 的交换值和重组率 交换值=50% 重组率=0% 交换值=50% 重组率=50%
交换值与基因间的距离以及基因间连锁程度的关系 交换值
基因间的距离 连锁程度 大 大 小 小 小 大
重组值的大小 为0—50% 为什么?
解释
因为即使所有性母细胞中的某一同源染色体的非姐妹染色体之间都发生交换,形成了4种配子中只有2种为重组合,另2种为亲组合。所以重组值的最大值为2/（2+2） 100%=50%。
交换值呢？ 交换值可>100%
三、交换及其细胞学证据 摩尔根的连锁互换定律是通过假设在减数时相应基因之间发生了交换而导致遗传重组而确定的。
由于作为同源染色体的两条染色体十分相似，不容易辨认，很难直接证明基因重组的确是通过同源染色体之间发生交换而发生的。
直到 1931 年克莱顿与她的老师著名遗传学家麦克林托克用玉米为材料，证明了这一结果。
5.2 基因重组与染色体交换的证实 1931年,McClintock和她的女博士生B.Creighton以玉米为材料进行了一项试验，为染色体交换导致遗传重组提供了第一个有力的证据。
Barbara Mcclintock (1902-...
篇九：交叉遗传是指什么的遗传方式
24 卷 第 4 期Vol. 24 No. 4控 制 与 决 策Control andDecision 2009 年 4 月 Apr. 2009收稿日期: 20080314; 修回日期: 20080605.基金项目: 国家自然科学基金项目( 60704036) ; 北京工业大学青科基金项目(X1024000200801) .作者简介: 范青武( 1977 ) , 男, 山西平遥人, 讲师, 博士, 从事模式识别与智能控制等研究; 王普( 1962 ) , 男, 合肥人, 教授, 博士生导师, 从事人工智能、 自动控制等研究. 文章编号: 1001 0920(2009) 040542 05一种基于有向交叉的遗传算法范青武a, 王 普b, 高学金b( 北京工业大学 a. 实验学院, b. 电控学院, 北京 100124)摘 要: 从解空间的角度分析了交叉算子的作用, 针对其盲目搜索的缺陷, 提出一种有向交叉遗传算子. 该算子通过优化控制交叉子代的落点位置, 使交叉子代大概率地朝着最优解的方向进化. 实验表明, 该算子显著地加快了遗传算法的寻优速度, 提高了遗传算法定位最优解的精度.关键词: 遗传算法; 交叉算子; 有向交叉中图分类号: TP301. 6 文献标识码: AImproved genetic algorithm based on oriented crossoverFAN Qingwua, WA NG Pub, GA O Xuej inb( a. College of Pilot, b. College of Electrical Information and Control Engineering, Beijing University of Technology,Beijing 100124, China. Correspondent: FAN Qingwu, Email: fqw@ bjut. edu. cn)Abstract: From the aspect of solution space, the role of crossover operators is analyzed. For the disadvantage ofaimless serarch, an improved genetic algorithm based on oriented crossover is proposed, which can make the offspringindividuals evolve towards the target value by optimizing their crossover positions. The evolving probability is verylarge. The simulation results show that the algorithm can improve greatly the efficiency and precision to find theoptimum value.Key words: Genetic algorithm; Crossover operators; Oriented crossover1 引 言 几十年来, 软计算一直是人工智能研究的热点.遗传算法作为主要的软计算算法之一, 具有较强的鲁棒性和通用优化能力, 已广泛应用于材料、 化工、交通等各个领域[ 1]. 作为一种通用优化算法[ 2], 人们希望遗传算法能高效地处理所有的优化问题, 但研究表明标准遗传算法存在收敛速度慢、 精度不高等[ 3, 4]. 如何提高遗传算法的搜索能力和收敛速度是一个重要的问题. 目前有很多学者提出不同的改进方法, 如自适应遗传算法、 级连遗传算法、 并行遗传算法、 混合遗传算法等算法基础理论的薄弱, 局限于对某一特定算法或算法的某个环节、 某种性能的研究, 其普适性较差. 目前急需对遗传算法的本质与基本理论作透彻的研究. 在遗传算法中, 交叉算子通过模拟自然界生物的杂交过程对个体进行杂交操作, 不断产生新个体、 增加种群的多样性、 扩大寻优范围, 从而使得遗缺陷[ 59]. 但这些改进均受限于遗传传算法具有较强的搜索能力. 因此, 交叉算子是遗传算法的核心, 是决定算法收敛性能的关键. 本文首先从解空间的角度分析了交叉算子的实质, 针对其盲目搜索的缺点, 提出了一种有向交叉遗传算子. 测试算例表明, 该算子显著加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度.2 交叉操作特征分析 交叉操作的设计与问题的编码紧密相关. 遗传算法的编码策略包括至今仍在争论的两派: 一派根据模式定理建议用尽量少的符号编码, 该派以二进制编码为代表; 一派以数值优化计算的方便和精度为准采用一个基因一个参数的方法, 该派以十进制编码为代表. 实际应用表明, 基于两派编码的交叉操作各有优缺点, 均对某些优化问题表现出良好的效果. 探讨基于两派编码下交叉操作的共性特征, 无疑有助于对遗传算法本质的认识. 二进制交叉通常使用的算子包括一点交叉、 二点交叉和一致交叉等形式. 为了讨论方便, 给出二进第 4 期范青武等: 一种基于有向交叉的遗传算法 定义, 有制交叉的定义. 定义1 设 S = {0, 1}l为个体空间, U = S 为指标集, 对于(X , Y) Sxl), Y = (y1, y2, !, yl), 记X Y = (x 1 y 1, x 2 y 2, !, x l yl ),X Y = (x 1 y 1, x 2 y 2, !, x l yl ),! X = (1 x 1, 1 x 2, !, 1 x l) = 1 X .其中1, x i ∀ y i;0, x i = y i;xi yi =对于 u U, 记 u(X ) = u X, X , h(X, Y) = X Y, 其中1 = ( 1, 1, !, 1) S表示各分量恒为1的向量. 于是称X#= Cu(X , Y) =h( u( X), 定义 2X ∃ Y = G;Gi =* , otherwise.其中符号% * & 代表任意字符, 即 0或 1. 则称 G 所代表的模式为以染色体 X 和 Y 为祖先的% 家族&. 根据二进制交叉的定义, 有如下关系: x#i = ui x i # ui y i, y# i= ui y i # ui x i. 若x i = y i,则有 x#i = y#i = x i. 可见, 二进制交叉的子代个体必属于模式G. 由模式定义可知, 每个模式实际上定义了一组具有共同特征的位串集合, 所以 G 为二进制交叉的子代可行解集合. 十进制交叉操作有点式交叉、 离散交叉和多种数值型交叉. 因为点式交叉和离散交叉都是分量值的交换, 而且实数个体每位代表的空间大, 这两种交叉方法表达的精细度差、 搜索效率低, 所以数值型交叉算子应该作为实数遗传算法的基本交叉方法. 同样给出十进制交叉的定义. 定义 3 设 X = (x 1, x 2, !, x k), Y = (y 1, y 2,!, y k) 为两个十进制编码父代个体, = ( 1, 2, !, k) 为算术交叉因子, 其中0 ∋ i ∋ 1, k 为问题维数. 记x# i = ix i + (1- i)y i, i = 1, 2, !, k,y# i = ( 1- i)x i + iy i, i = 1, 2, !, k.称X#= C( X, Y) = ( x#1, x#2, !, x#k ) 和 Y#= ∀ C( X,Y) = (y#1, x#2, !, x#k ) 为父代X , Y 的交叉后代. 不妨设x i < y i, 令y i- x i = , 则根据十进制交叉算子的2, 其中 X = (x 1, x 2, !,x i y i =1, xi = yi = 1;0, otherwise.-u(X) = (1 u)-u( Y)) 和 Y# =∀ Cu( X, Y) =h( u( Y),-u(X)) 为母体(X, Y) S2的交叉后代.x i, x i = y i;x#i = x i + (1- ) , y#i = x i + .由于 0 ∋ ∋ 1, 有xi ∋ x#i ∋ yi, xi ∋ y#i ∋ yi. 可见, 十进制交叉操作后子代个体必落在区间[ x i, y i] 中. 根据上面的讨论可以发现, 二进制交叉和十进制交叉有一个共同的特点: 交叉结果实质上是在父代个体隐含的解空间中取值, 即父代个体唯一地决定了子代个体的落点范围. 为了研究父代个体所隐含的解空间是否代表了最优解的集合, 作如下统计分析: 随机生成两个个体, 分别考察在二进制交叉和十进制交叉作用下生成交叉优秀解的概率, 其中交叉优秀解指经交叉操作后生成的性能优于父代个体的子代个体. 显然, 生成交叉优秀解的概率越大, 交叉操作的进化能力便越强, 优化效率越高. 所采用的考察函数分别为文献[ 10] 中的 F0, F1 和 F13. 其中: F0 为典型的单调函数, F1 为典型的单峰函数, F13 为典型多峰函数. 重复上述操作 10000次, 对结果进行概率统计分析, 统计结果列于表 1.表 1 各种交叉性能统计结果二进制交叉十进制交叉F0F1F130. 23950. 29000. 296100. 30910. 3010 结果表明, 从统计的角度而言, 对于单调函数,二进制交叉的性能优于十进制交叉的性能, 十进制交叉搜索到种群优秀解的概率为 0, 这时, 种群的进化将不得不依赖于变异操作; 对于单峰函数和多峰函数, 十进制交叉生成种群优秀解的能力优于二进制交叉. 但无论是二进制交叉还是十进制交叉, 均表现出随机取值的特点. 综上所述, 可以得出如下结论: 交叉算子的实质是在父代个体隐含的解空间中随机取值, 因而不能保证交叉操作后的子代个体优于父代个体, 体现出盲目搜索的特点.3 有向交叉算法原理 一个重要的问题是: 如何以优化控制的方式产生交叉后代, 使得交叉子代可以大概率地朝着最优解的方向进化?下面进一步分析交叉子代落点位置的特点. 不妨设 a ∋ x ∋ y ∋ b, a ∋ x# ∋ y# ∋ b, 如图 1 所示. 研究发现交叉子代的落点位置有如下两种情况: 1) ( 区: x ∋ x# ∋ y# ∋ y ;543
控 制 与 决 策第 24 卷 2) ) 区: a ∋ x# ∋ x 且y ∋ y# ∋ b. 即子代个体要么都落在父代个体之间, 要么都落在父代个体两侧.图 1 交叉子代落点特性 对于单调函数, 如图 2 所示. 显然, 交叉后必在) 区找到优秀解.图 2 单调函数交叉特性 对于单峰函数, 如图 3 所示, 其中 x对应的个体. 分以下几种情况考虑: 1) x ∋ y ∋ x*或 x*单调函数, 故交叉后将在 ) 区找到优秀解. 2) x < x*< y . 不妨设 f (x) > f (y), 由于父代个体落于峰顶的两侧, 必能找到一点 x∗, 使得 x# [ x, x∗] 时, f (x#) > f (x); x# [ x∗, y] 时, f (x#)< f (x) . 令 | f ( x) - f (y) | = , 要使 x#大概率地落入[ x, x∗] 区间内, 即使得交叉子代大概率地优秀, 必须满足 很小. 由于选择算子的本质是使种群趋向于种群中适应值大的个体的集合子的不断作用下, 种群中个体间的 将趋于 0. 由此可见, 该情况经交叉后大概率地在区间 ( 找到优秀解.*为峰顶点∋ x ∋ y. 该情况类似于[ 11], 在选择算图 3 单峰函数交叉特性 对于多峰函数(如图4所示), 在进化初期, 种群中代表各峰的个体依据适应值的大小进行竞争生存, 这个时期在 ( 区和 ) 区均有可能找到优秀解;随着进化的进行, 种群中的个体逐渐聚集于某一个适应值高的山峰, 多峰函数转变为单峰特点或单调特点.图 4 多峰函数交叉特性 通过上述分析, 得到一个启发, 如果能优化控制交叉子代的落点位置, 将交叉定向到能获得优秀解的 (( 或 )) 区间, 那么交叉后的子代将大概率地优于父代个体. 根据这个启发, 设计出一种新的交叉 有向交叉算法, 其基本思想是: 对父代个体分别在( 和 )区进行交叉生成准子代个体, 并选择性能好的两个个体作为本次交叉的子代个体. 其算法流程如下: Step1: 确定种群规模 N, 交叉概率 p c, 变异概率 p m, 变量取值范围[ a, b] 等参数. Step2: 置 k = 0, 随机产生初始种群. Step3: 基于适应值建立群体中每一个个体的选择概率 f i/ +f i, 采用蒙特卡罗方法对群体作 N Step4: 配对池中的个体两两结合形成 N/ 2 对家庭. Step5: 对每一个家庭以概率 p c 进行有向交叉操作: 1) 1 = rand(1), 随机生成 1 [ 0, 1] ; max = max(X , Y), 取父代个体中的较大值赋予 max; min = min(X, Y) , 取父代个体中的较小值赋予min; temp1 = b- max, 计算较大个体与上限的距离; temp2 = min- a, 计算较小个体与下限的距离; delt = min( temp1, temp2), 取距离的较小值;X#1 = max+ 1delt, 生成中间个体 X#1 ; Y#1 = min- 1delt, 生成中间个体 Y#1. 2) 2 = rand(1), 随机生成 2 [ 0, 1] ; X# 2 = 2X + (1- 2)Y, 生成中间个体 X#2 ; Y#2 = 2Y + ( 1- 2)X , 生成中间个体 Y# 2 . 3) 比较 X#1, X#2 , Y#1 , Y#2 的适应值大小, 取两个最大值为子代个体. Step6: 以概率 p m 对交叉后的个体进行变异操作. Step7: 检验停止准则, 若满足, 则停止; 否则 k次随机选择, 将选出的个体放入% 配对池&.544
第 4 期范青武等: 一种基于有向交叉的遗传算法 0. 9339 处表现为多个非等高、非等距的极大值0. 9991, 0. 9545, 0. 7662, 0. 4809, 0. 2217, 这类问题的 GA 搜索取决于峰顶和谷底的高度差距, 以及谷底之间的高度差距, 但区分能力比较弱, 也视为高程度的 GA 困难问题; F2 是一个典型的非线性可分函数, 在 x*= (1, 1, !, 1) 处达到极小值 0, 以与最优解位串适应值之差小于 0. 01 为满意最优解, 出现 GA 早熟的比例非常高, 属于高程度 GA 困难问题, 采用 GA 搜索到全局最优解将是一个小概率事件; F7 函数是模式欺骗很大的一类线性不可分函数, 在x困难问题, 采用 GA 搜索到全局最优解将是一个小概率事件. 测试参数设置为: F0和 F13的染色体串长设定为 L = 50, F2和 F7 的染色体串长设定为 L = 80;F0的群体规模设定为N = { 10, 20, 30}, F13的群体规模设定为 N = {20, 40, 60}, F2 和 F7的群体规模设定为 N = {40, 80, 120} ; 设定交叉概率为 pc =0. 6, 变异概率 p m = 0. 02; 设定最大进化代数为120, 每种情况下的实验计算重复 100 次. 测试结果列于表 3 ~ 表 6. 通过测试结果, 可以得出如下结论: 1) 在其他条件相同的情况下, 随着种群规模的增大, 各种遗传算法所表现出的性能均有不同程度的改善; 随着函数复杂程度由低到高变化, 其种...
篇十：交叉遗传是指什么的遗传方式
两点交叉遗传算法!杨大地!，张春涛!， "（!# 重庆大学 数理学院， 重庆 $%%%$$； "# 重庆三峡学院 计算机科学系，重庆 万州 $%$%%%）摘解。两类算例表明， 所提出的交叉操作易于实施， 且有效。关键词：遗传算法； 两点交叉； 均匀两点交叉中图分类号：&’ (%!#)要：
提出一种均匀的两点交叉算子， 并通过理论分析证明， 能够扩大遗传算子的搜索子空间， 使收敛结果更趋于最优文献标识码：*文章编号：
!)+",))-( （"%%$）
%!,%%"),%$!"#"$%& ’()*+%$,- *. /#%.*+- 01*23*%#$ 4+%55&+*55!"#$ %&’()!，*+"#$ ,-./’0&1!， "（!# ./00121 /3 456718569:; 5<= >:91<:1;，.7/<2?9<2 @<9A1B;96C ， .7/<2?9<2 $%%%$$；"# D1E6# /3 ./8EF61B >:91<:1， &7B11 G/B21 ./00121，H5<I7/F .7/<2?9<2 $%$%%%，.79<5）’65$+7&$：
H1 9<6B/=F:1 5 F<93/B8 6J/,E/9<6 :B9;;1B/;;# H1 EB/A1 6756 671 <1J 5EEB/5:7 :/F0= 1<05B21 ;15B:71= ;E5:1 5<= 98EB/A1:/<A1B21<:1# &71 1K58E01; ;7/J 6756 671 F<93/B8 6J/,E/9<6 :B9;;:B/;; 9; L/67 15;C 6/ L1 :5BB91= /F6 5<= 1339:91<6#8"9 1*+:5：21<169: 502/B9678； 6J/,E/9<6 :B/;;/A1B； F<93/B8 6J/,E/9<6 :B/;;/A1B遗传算法 （G*）
是由 M/7< N/005<= 于 !-+O 年首先提出， 它用于那些用传统方法难于求解的复杂问题， 如组合优化、 模式识别、 图象处理等复杂问题， 能得到令人满意的解。近年来， 遗传算法在解决连续变量的函数最优化问题时表现出的鲁棒性、 全局性、 并行性使其成为目前应用广泛的一种智能优化算法。但是， 由于经典的遗传算法不是一个完全遍历的45BP/A 过程， 它存在收敛速度慢、 早熟收敛等缺陷搜索能力和收敛性是评价遗传算法优劣的重要指标，影响 G* 搜索能力和收敛性的因素包括遗传算子、 代码表示、 进化机制等多个方面搜索新的点， 实现搜索空间中点到点的变迁， 是 G* 的基本搜索机制交叉算子 （单点交叉、 双点交叉）
在前几十代内使得群体中个体的前部分和后部分基因座上的基因值都完全［!， "］。［(］。遗传算子是从给定点［"］。通过大量的实验表明， 使用传统的相同， 从而交叉操作在这些位置失效， 仅靠变异操作来改变这些位置的基因值， 这大大降低了算法的收敛速度和搜索能力。特别是在初始群体分布不均匀， 规模较小时， 有可能使算法达不到最优解。!简单遗传算法 （>G*）（!）在传统的遗传算法中为了提高收敛速度大多采用两点交叉操作， 操作过程如：! 在相互配对的两个个体编码串中随机设置两个交叉点。" 交换两个个体在所设定的两个交叉点之间的部分染色体。设两个母体分别为2!3 & & & & & & & & &2"3 4 4 4 4 4 4 4 4 42!：
& & &2"：
4 4 4"% & & & &" 4 4 4 4" & &" 4 4#双点交叉2!：
& & & "2"：
4 4 4 "4 4 4 4 "& & & & "& &4 4交叉点 !交叉点 ""%%$年(月重庆师范大学学报 （自然科学版）45B#"%%$第"! 卷 第! 期M/FB<50/3.7/<2?9<2Q/B850@<9A1B;96C （ Q56FB50>:91<:1R=969/<）S/0# "! Q/# !! 收稿日期：
"%%(,%-,%T作者简介：
杨大地 （!-$+,）
， 男， 重庆万州人， 副教授， 研究方向为工程计算， 运筹控制。
令集合 ! "｛ !， "｝中的元素 $ 称为个体， $$! 表示由 !、 " 组成的长度为# 的字符串。集合 ! 称为个体空间， 它是由｛ !， "｝ 组成的长度为 # 的全体字符串的集合。集合 ! 中的个体数目为 ##个可行解。定义 "解群是 % 个个体组成的集合 （该集合中的元素可相同）
， % 称为解群规模。!%"｛ $ " （$"， $#， ⋯ ， $%）
， $&$! （&%%）
｝ 称为解群空间。通过交叉算子作用后产生的个体的全体组成的空间定义为搜索子空间。（#）传统交叉算子的性能分析选择两个个体 $"" ’"’#⋯ ’#， $#" ("(#⋯ (#， 其中 ’&， (&$｛ !， "｝ ， & ""， #， ⋯ ， #， 由上面的交叉操作可知交叉点的位置是随机确定的， 某个位置被选中的概率为 ") #，因此每个基因位能进行交叉操作的概率：
*’""") #， *’#"#) # + （# ,"）
) #， *’&" &) # + （# , & -"）
) #， 其中 & ""， #，⋯ ， #。因为进行的是块交叉， 显然每个位置发生交叉操#， 其中 # 是个体的编码长度。!［#］。这里的个体就是实际问题中的编码化的［$］。在 !%中随机作不是独立的事件， 因而有&#& ""*’&’"。显然有 *’&.*’& -"， *’&" *’# , & -"， （& " "， #， ⋯ ， #) # , "）
， 且 *’#(#*’"， 因此当编码长度 # 很大时有 *’#) #(")$)*’"。这就是在 %& 的前面数代的迭代中使得群体中个体的前面部分基因和后面部分基因都过早收敛， 使得交叉操作在这些部分失效的原因。为了充分交换各基因位的基因信息， 且使得解群个体在交叉前后有较广的空间分布， 则有 %)# ’ *’"" %)# ’ ") # / " "， 即 % / " ##（% 为种群规模）
， 这是个体编码长度和种群规模的最低要求 （在没有变异操作下）
， 不然种群将丢失相关基因信息。在实际中种群规模 % 还应再大些， 因为加上选择操作使得个体生存下来的概率进一步减小。#均匀两点交叉算子的遗传算法由前面的分析可知：
传统交叉算子的遗传法适合对个体中间部分基因信息的提取， 而对个体前后部分基因信息的提取基本无能为力。这就对简单遗传算法的搜索能力提出质疑。为了满足传统交叉算子的特点， 可以设计相应的编码技术：
对目标函数起决定作用的决策变量编码放在个体的中间部分， 而把对目标函数作用较小的决策变量编码放在个体的前面部分或后面部分。但对一般问题设计这样的编码是较困难的，因此本文对传统的交叉算子做一点改进， 以适应较多的问题编码， 从而提出均匀两点交叉算子的遗传算法（()*%&）
。定义 #对于随机选择的个体 $"， $#， $&$! （& ""，#）
， 以随机的方法确定两个交叉点， 再随机产生 !、 "、 #三个整数， 均匀两点交叉算子 〈〉 定义为：〈〉（$"， $#）" （$0"， $0#）
。当随机数是 ! 时， $"， $#的前面部分交叉； 当随机数是 " 时， $"， $#的中间部分交叉， 当随机数是 # 时， $"， $#的后面部分交叉。当随机数是 ! 时交叉操作如图 " 所示。图 "随机数为 ! 时交叉操作显然对于该种交叉操作， 每个基因位发生交叉的概率与随机选择的交叉点的位置无关， 且为 ")+， 且初始群体的规模与个体编码长度无明显关系， 只要初始群体能反映解空间的信息就行。+两种交叉算子的比较+1"搜索子空间分析定义 +设 $"" ’"’#⋯ ’#， $#" ("(#⋯ (#， 其中 ’&， (&$｛ !， "｝ ， & " "， #， ⋯ ， #。若对某个 &， ’&’(&， 则称 ’&， (&在第 & 位异位， 否则称为同位。定义 $"， $#的海明距离（,-）
为：,- （$"， $#）"&#& ""2 ’&, (&2定义 $设 $"" ’"’#⋯ ’#， $#" ("(#⋯ (#， 其中 ’&， (&$｛ !， "｝ ， & " "， #， ⋯ ， #。定义 $"， $#的概率海明距离（.,-）
为：#重庆师范大学学报 （自然科学版）第 #" 卷
!"# （!$， !%）"&#$ "$%&$’ &$( )$’在种群空间中随机选择二个个体 !$" &$&%⋯ &#，!%" )$)%⋯ )#， 其中 &$， )$$｛ &， $｝ ， $ " $， %， ⋯ ， #。令 *$" "# （!$， !%）
， *%" !"# （!$， !%）
。由交叉的性质可知， 在交叉操作中， 只有异位交换才能产生新的个体， 在每一个异位交换， 可产生两个新个体。所以经过一次传统的两点交叉运算， 共可能产生 % （*%($）
个新个体， 即此时的搜索子空间中的个体数是 % （*%($）
，当交叉概率在区间 （&， $）
时， 两个个体可能未进行交叉，所以此时的搜索子空间中个体数为 % （*%($）+% ’%*%。对于均匀两点交叉操作， 经过一次交叉运算， 共可能产生 % （*$,( )$）
个新个体， 因此， 此时的搜索子空间中个体数为 % （*$,( )$）+% ’%*$,(。在前面的分析中有 %&%, #最大， 而且 %&%, #($,* +$,(， 因此 %*$,()%*%。如果对于初始群体规模 - "%#，且可以迭代相当多的次数时 （这相当完全遍历的 ,-./012 过程）
， 两种交叉操作都产生相同的解空间， 且解是收敛的。但遗传算法并不是一个完全遍历的 ,-./12过程， 即种群规模 -*%#， 且迭代次数是有限的， 在每次交叉操作后的选择操作都要丢掉一些个体， 这使得搜索的空间进一步减少。因此在较小的代数中能搜索更大的空间在遗传算法中十分重要。按异位产生新个体的原理， 两个个体总共可产生 % （*$($）
个新个体。为/$：
456-778. 函数：了使两个个体在传统的两点交叉操作中产生的子空间中个体的个数达到 %*$， 因此迭代次数应为 「*$, *%」 次（ 「」 为向上取整）
。但使用均匀两点交叉操作只需要次迭代， 子空间中个体的个数就达到 %*$。显然有「*$, *%」 )(因此， 无论是在一次交叉操作产生搜索子空间中的新个体数， 还是产生相同搜索子空间中的个体数的条件下的迭代次数， 使用均匀两点交叉操作明显优于使用传统两点交叉操作。这使得作用均匀两点交叉操作的遗传算法找到最优解的可能性更大 （特别是在种群规模较少时）
， 且能有力克服早熟收敛的缺陷。收敛性分析模式定理：
遗传算法中， 在选择、 交叉和变异算子的作用下， 具有低阶、 短的定义长度， 并且平均适应度高于群体平均适应度的模式将按指数级增长收敛定理：
使用保留最佳个体策略的遗传算法能收敛于最优解的概率为 $由于使用均匀两点交叉操作并没改变传统交叉操作的实质， 使得均匀两点交叉操作的遗传算法对上述的模式定理和收敛定理仍然成立。(.%［$］。［$］。*仿真实验在仿真实验中笔者使用两类优化问题：
第一类采用二进制编方法的函数优化， 第二类采用符号编码方法的组合优化问题 （34!）
。该实验函数优化选择如下被测函数：0 （1$， 1%）" （1%{$+ 1%%）&. %9［:;<%（9& （1%($&&%1$%$&& （$ "$， %$+ 1%%）&. $+$.&］）该函数在其定义域内只有一个全局极小点 0 （&， &）"&。/%：
46=>8.? 函数：{0 （1$， 1%）"&9$ "$$51:［ （$ + $）
1$+ $］ ·&9$ "$$51:［ （$ + $）
1%+ $］($&%1$%$& （$ "$， %）这是一个多峰值函数， 在其定义域内共有 @A& 个局部极小点， 其中 $B 个点是全局最小点， 全局最小值为 0 " ($BA.@($。在进行上面两个函数的实验中每个变量用 $9 个二进制位表示， 即个体编码长度为 (&， 初始种群规模都为 (& 个， 且采用单点变异操作， 其结果见表 $。在组合优化中笔者用 A& 个城市的 34! 问题， 初始种群规模为A&， 城市间的距离是随机产生的。实验结果见表 %。从上面的实验结果可得出：
基于均匀两点交叉的遗传算法能够更有效地搜索到问题的有效解。对于二进制编码方法使用上面的两种交叉操作都能达到问题的最优解， 但使用传统的交叉方法时变异概率要大些，(第 $ 期杨大地， 等：
均匀两点交叉遗传算法
表 !函数优化!!优解代数交叉概率变异概率!"优解代数交叉概率变异概率#$%&’("))("()!*(("**("!+,-$%.)(")&("(&!&(("*&("(’表 "’( 个城市的 ,#/ 问题交叉概率变异概率最优解运行时间# 0代数#$%("))("!.."’)1 ’&!!"1!’ ."’! (((+,-$%("*’("(&."&!" .()!".*. ’"’! (((这使得交叉操作在算法中的作用降低。这在前面的分析中也可得出， 当染色体的前面部分和后面部分基因得不到交叉时可通过变异来改变这两部分的基因， 且在变异时只有两种变换 （( 与 ! 互换）
， 这使得适当提高变异概率能产生与交叉等效的效果。但当每个基因座的值有多个时， 适当提高变异概率虽能提高优解质量，但优解还是不理想， 这从表 " 的实验结果可以看出。&结论针对简单遗传算法易产生早熟收敛的问题， 本文使用均匀两点交叉代替传统交叉。使用均匀两点交叉操作的遗传算法不管从理论分析还是从实验结果上都明显优于使用传统两点交叉操作的遗传算法， 且它对每个基因座上有多个值的编码问题更有优越性。均匀两点交叉是区别与传统的均匀交叉的， 且其时间复杂度 （迭代相同代数所花的时间）
不超过两点交叉。参考文献：［!］周明， 孙树栋2 遗传算法原理及应用 ［3］ 2 国防工业出版社，!4442［"］张文修， 梁怡2 遗传算法的数学基础 ［3］ 2 西安：
西安交大出版社， "(((2［.］5+ 6789:， ;0<=>? %<@>A2 B==CDCE9F #<EAGHC9: 8= %IJCFI>IK,>0L $I>M<0 F8 3GHFCMI8DE008I0 +0C9: > />I>HHEH $E9EFCD %H:8NICF<@ ［ O］ 2 O 8= />I>HHEH >9A PC0FICJGFEA -8@MGFC9:2 !44*，（1*）
：
&)N**2［1］张铃， 张钹2 遗传算法机理研究 ［O］ 2 软件学报， "(((， !! （*）
：41&N4&"2（责任编辑蒋崇玲）1重庆师范大学学报 （自然科学版）第 "! 卷
