一、“IN”技术进化前景（论文文献综述）
包丞啸[1]（2021）在《基于图像处理的自动聚焦技术研究》文中认为从二十世纪中叶至今,光电成像技术一直处于迅速发展中,现如今已经广泛应用于摄影摄像、交通引导、军事对抗和医学影像等各个方面。作为数字成像系统中的核心技术之一,自动聚焦技术的相关研究也越发受到人们重视。早期的相机多是基于人工对焦的方式进行工作,但随着工业技术发展和光学理论知识的完善,这种效率低下的对焦方式很快被自动聚焦技术所取代。当前,基于图像处理的现代自动聚焦系统已经成为生产和应用的主流,系统利用光电传感器接收前端镜头成像并转换为电信号,再经计算机对模数转换后的数字图像作聚焦程度评价,最终驱动电机带动镜头实现搜索定位,完成成像聚焦。现代自动聚焦系统多采用聚焦深度法和离焦深度法原理进行搭建,其中又以聚焦深度法的应用更为广泛。聚焦深度法主要由三部分构成:聚焦窗口选择、聚焦评价函数和聚焦搜索策略。选择聚焦窗口旨在强调整幅图像中的前景目标,合理的聚焦区域在缩减评价函数工作量的同时,也能有效减小背景区域因素和噪声的干扰。聚焦评价函数作为自动聚焦流程最重要的一环,通过特定算法对不同焦距上的成像结果进行清晰度衡量,为镜头调控提供参考标准。聚焦搜索策略的作用在于为步进电机规划行程,以精准、迅速地实现焦点定位,提高聚焦效率。本文研究内容即围绕这三个方面展开。研究主要在以下各方面提出改进与创新:（1）针对传统的聚焦评价函数难以兼顾精度与稳定性,且抗噪能力不足,提出一种基于动态分割和局部最大梯度的的清晰度评价函数。结合二维Otsu算法和改进的最大梯度法对图像作二值化过滤,以增强离焦图像与聚焦图像的边缘细节对比,再基于梯度方差和梯度非零解变化特征构建新的清晰度评价函数。通过仿真实验可知,本文提出的清晰度评价函数满足聚焦精度要求,且灵敏度和抗噪性较传统算法更优。（2）针对聚焦窗口区域的选择,提出了一种基于自适应差分进化算法的窗口采样方法。方法结合窗口采样需求设置进化算法初始种群及控制参数,并以图像边缘锐利度分布特征为基准构建适应度函数,实现基于智能搜索算法的目标区域查找。经大量实验证明,本文提出的窗口采样方法在前景目标的精准定位方面表现更优,更能满足稳定性与适用性需求。（3）为提高聚焦搜索性能,在传统搜索方法的基础上进行改进,提出一种混合搜索策略,先采用斐波那契搜索完成粗过滤,再采用自适应爬山搜索法实现细定位,较大程度上提高了聚焦搜索的精度和效率。并结合本文提出的聚焦评价函数和聚焦窗口选择策略设计出一套完整的基于聚焦深度法的自动聚焦方法。
袁嘉蔚[2]（2021）在《基于进化计算的约束多目标优化算法研究》文中研究指明实践中,许多工程优化问题都是要求在一定的约束条件下同时优化多个目标函数,这种问题被统称为约束多目标优化问题。当一个优化问题的约束条件仅由自变量的取值范围造成时,它又被称作箱型约束的多目标优化问题。在众多处理约束多目标优化问题的方法中,基于进化计算的算法由于简单、高效而成为研究的热点。几十年来,许多进化算法已经相继被提出以解决不同类型的约束多目标优化问题。尽管如此,当所处理的优化问题复杂时,比如目标函数超多、前沿面不规则以及约束条件复杂等等,这些算法依然面临着许多挑战。为了应对这些情况,本文有针对性地提出了多种新颖的约束多目标优化算法。本文的主要贡献如下:1)为了提升基于支配关系的进化算法在处理超多目标优化问题时的性能,本文提出了一种收敛压力大的单纯形支配关系。在这新型的单纯形支配关系下,每个个体在目标空间中唯一对应有一个单纯形,并且所对应的单纯形越小,个体的收敛性被认为是越好。若存在有一个个体所对应的单纯形被包含于另一个个体的单纯形时,则认为前者单纯形支配后者。相比于传统的Pareto支配关系,所提出的单纯形支配关系具有更大的收敛压力。实验结果表明,基于单纯形支配的算法在处理箱型约束的超多目标优化问题时要比采用支配排序的基于参考点的算法（reference-point-based evolutionary algorithm using nondominated sorting approach,记为 NSGA-Ⅲ）收敛得更快。2)本文在闵可夫斯基距离下定义了基于比值和差值的两种指标,并从理论上证明了无穷范数下的比值指标最适用于评估个体质量。基于此,本文提出了一种基于有前景区域的进化算法（promising region based evolutionary algorithm,记为 PREA）,它被用于处理各种类型的箱型约束多目标优化问题。在所建议的算法PREA中,无穷范数下的比值指标首先被用于评估每个个体的适应值,并且评估值最好的解被用于定义目标空间中的有前景区域。然后,本文把有价值的候选解限制于那些位于有前景区域内的个体,其它位于有前景区域外部的解被视为收敛性差而被剔除。为了保证种群的散布性,本文引进了一种基于平行距离的散布维持机制。这种机制将目标空间中的个体垂直映射到一个单位平面上,并将个体间的垂足定义为它们的平行距离。当候选解集的规模大于预设种群规模时,平行距离最小的两个个体中评估值最差的个体将被剔除。实验结果表明,所提出的算法PREA能够很好地解决前沿面不规则的箱型约束多目标优化问题。与现有的流行算法相比,PREA在处理具有不同前沿面的箱型约束多目标优化问题上拥有更好的鲁棒性。3)本文提出了一种使用多个单准则的技术（technique using multiple single criteria,记为TMSC）来识别有价值的非可行解,这些非可行解能够协助可行解更好地解决具有复杂约束的多目标优化问题。在所提出的TMSC中,多种准则同时被用于评估每一个非可行解在不同方面的潜在价值。那些满足任意一条准则的非可行解都被视为是有价值的非可行解,它们被保存下来并与可行解混合以解决所优化的问题。这种TMSC技术很容易被嵌入到现有的进化算法中。本文将它嵌入到自己设计的算法PREA并将它记为TMSC-EA。数值实验表明,TMSC-EA在处理各种约束多目标优化问题上表现优异,它比其它现有算法具有更好的鲁棒性。并且TMSC-EA是唯一可以处理那些初始种群产生在前沿面下方复杂非可行域内的问题的算法。4)在处理带有复杂约束的多目标优化问题时,为了避免种群陷入局部区域而丢失掉某些前沿面片段,引导种群均匀地搜索那些不被可行解所支配的有前景区域是很重要的。为了实现这一目的,本文首先向目标空间引进一种基于代价值的距离来度量个体的拥挤程度,然后提出一种新颖的约束处理指标来评估个体的质量。理论研究表明,所建议的指标偏好于那些位于有前景区域中的个体,并且在减少有前景区域内种群规模的过程中,它倾向于删除最拥挤的两个个体中违反约束较重的那个。据此,本文将所建议的指标嵌入到进化算法中并提出一种基于指标的约束多目标算法来处理约束多目标优化问题。在多个基准测试系列和现实工程问题上的实验结果显示了所建议算法的有效性。与现有的六个流行算法相比,所建议的算法在处理不同类型的约束多目标优化问题上表现更好。
闫伊[3]（2021）在《脊椎动物温度受体基因的适应性进化研究》文中研究表明温度感知对动物的生存具有重要意义,温度受体基因在这一过程中发挥重要作用。动物在对不同栖息环境和核心体温的适应过程中,其温度受体基因可能会发生相应的适应性进化。本研究以脊椎动物为研究对象,分析了不同类群中温度受体基因的适应性进化。首先通过皮肤转录组测序获得四种鸟类（灰喜鹊、大山雀、非洲鸵鸟和鸸鹋）温度受体基因的编码区序列,然后结合已发表的256种物种序列,使用PAML软件中的支模型和支位点模型对不同类群中的11个温度受体基因进行选择压力分析。此外,本研究亦对鸟类与哺乳类的10个温度受体基因的氨基酸序列进行了谱系发育分析以及趋同进化分析。选择压力分析结果显示,在内温动物哺乳类祖先和鸟类祖先中分别检测到6个和1个温度受体基因存在正选择信号;在现生外温动物矛尾鱼、两栖类、龟鳖目、有鳞目中各检测到2个正选择基因;在除初龙祖先外的其余5个研究类群共同祖先中均检测到受到正选择作用的基因,其中数目最多的为羊膜动物祖先以及爬行类与鸟类共同祖先,均检测到6个正选择基因。这说明温度受体基因在各脊椎动物类群中发生了较广泛的适应性进化。在内温动物和外温动物中均检测到受正选择的温度受体基因,暗示环境温度和核心体温在其温度受体基因的进化中可能起到一定作用。谱系发育分析结果显示,内温动物鸟类和哺乳类的TRPV4基因聚在同一分支;此外,通过祖先序列重建发现TRPV4基因在鸟类祖先与哺乳类祖先中有4个氨基酸位点发生了平行替代。这说明鸟类与哺乳类温度受体基因TRPV4发生了趋同进化。本研究结果对从温度适应的角度来理解脊椎动物对环境多样性的适应具有一定的参考意义。
张健[4]（2021）在《石莼属绿藻转录组测序及适应性进化机制研究》文中进行了进一步梳理作为全球广泛分布的物种,石莼属（Ulva）绿藻具有耐高温、脱水、高渗透压等非生物胁迫的生态特性,能够在复杂多变的环境中生长繁殖,是研究植物生长、发育和环境适应性进化的最具吸引力的模式物种。同时它们也是沿海生物地球化学循环的重要贡献者。但同时由于它们快速生长形成的绿潮和生物淤积也会造成严重的环境问题。研究石莼属绿藻的环境的适应性机制对于揭示它们的生态功能具有重要的意义。当前,石莼属中只有易变石莼（Ulva mutabilis）完成了基因组测序工作,为了更好的解析石莼属绿藻的环境适应性进化机制,首先对三个石莼属物种扁浒苔（Ulva compressa）、缘管浒苔（Ulva linza）和浒苔（Ulva prolifera）进行转录组测序分析,并进一步结合已经公布的异变石莼的基因组序列和石莼（Ulva lactuca）及Ulva endozoica转录组序列,使用单细胞绿藻莱茵衣藻（Chlamydomonas reinhardtii）和团藻（Volvox carteri）作为背景,对以上六种石莼属绿藻进行了基于正选择的适应性进化分析。分析结果表明,使用八个物种的蛋白序列进行双向最佳比对、hmmer模型预测及序列长度过滤,在八个物种之间共找到3107个同源蛋白用于正选择基因分析。然后使用orthofinder软件在八个物种间共找到2530组单拷贝同源基因,对这些同源基因进行比对,提取不保守位点串联成序列,使用mega软件在JC model下使用最大似然法建树,建树结果出现两个分支,其中六种石莼属藻类聚在一个大分支中,莱茵衣藻和团藻外群单独成为一支。借助于PAML工具,对石莼属物种进行了包括分支模型、位点模型、分支位点模型在内的系统分析,结果显示,石莼属物种的同源基因受到的选择压力远大于外群物种。另外,通过位点模型和分支位点模型在石莼属中共找到465和334个正选择基因,使用多个生物数据库对这些序列进行功能注释与富集分析,发现这些基因参与光合作用、脂肪酸合成、胁迫抗逆、信号传导等多个生物学过程。最后选取扁浒苔Ulva compressa进行六种环境胁迫下的正选择基因的转录组测序和表达模式分析,在六种胁迫条件下,位点模型和分支位点模型各自有349个和230个基因发生了差异表达,其中两模型中共有37个基因在所有胁迫下都发生了差异表达,包括分子伴侣、起始因子、肽甲硫氨酸亚砜还原酶、细胞色素P450、核糖体蛋白等基因。另外,两个模型下较多的基因与抗逆、信号传导、光合作用等过程相关,这些差异表达的正选择基因在石莼属绿藻的环境适应性中发挥重要功能。
刘赛赛,刘泽宇,蒋朴莹,陆维,张全启,程洁[5]（2021）在《花鲈Argonaute基因家族的快速进化与表达分析》文中指出RNA干扰（RNA interfering, RNAi）是广泛存在于动植物等生物中的一种高度保守、序列特异的RNA降解机制。Argonaute蛋白是RNAi途径的关键组成部分,其结构、功能和进化模式在无脊椎动物中已得到广泛研究,但在脊椎动物特别是硬骨鱼中的报道还十分有限。本研究从已测序物种的基因组中鉴定了12种哺乳动物和15种硬骨鱼的Argonaute家族基因。通过拷贝数、系统发生和共线性分析,本文验证了在脊椎动物中存在两个保守的Argonaute亚家族,即miRNA/siRNA介导的AGO亚家族和piRNA介导的PIWI亚家族。硬骨鱼类多样的繁殖发育方式是其生殖能力最大化的适应机制。为比较硬骨鱼中piRNA途径和miRNA/siRNA途径的功能和进化差异,本文对硬骨鱼（包括花鲈）和哺乳动物中的piRNA途径基因进行了全面的分子进化分析,并将这些基因与miRNA/siRNA途径中的Ago基因进行比较。结果表明硬骨鱼类的piRNA途径具有快速进化的特征,这可能适应了硬骨鱼基因组转座子数量大、种类多的特点。通过转录组分析,我们进一步证实了piRNA途径基因在四种硬骨鱼中的生殖特异性表达,预示其可能在配子发生过程中发挥作用。本研究为进一步解析硬骨鱼中piRNA途径基因的进化模式及其在鱼类生殖发育中的调控作用提供理论基础。
赵宏[6]（2020）在《面向多峰值和多目标问题的多解进化算法研究》文中认为随着当前工业化和智能化的发展需求,实际应用中出现大量的多解优化问题,如多解路径规划、多目标投资组合优化等工程与科学领域的问题,这些问题都具有多变量、多峰值、多约束、多目标等复杂特性,传统的优化方法已经难以满足这些日渐复杂的现代科学与工程优化问题的求解需求。因此,如何设计高效的优化方法来有效的求解多解问题是当前亟需解决的重要课题。本文主要聚焦于多峰值优化问题（Multimodal Optimization Problems,MMOPs）和多目标优化问题（Multiobjective Optimization Problems,MOPs）来开展对多解优化问题的研究。MMOPs主要要求算法在进化过程中不仅能够找到尽可能多的最优解,而且尽可能提高找到解的精度;MOPs主要要求算法找到一组位于帕累托前沿的解,并且这些解尽可能地使问题的多个目标同时达到最优。因此,MMOPs和MOPs不仅要求算法能很好的平衡种群的探索能力和开发能力,而且要求算法能同时定位多个最优解,因此可以统称为多解优化问题。目前求解多解问题主要依赖于进化算法,常见的有差分进化算法（Differential Evolution,DE）、遗传算法（Genetic Algorithm,GA）、和粒子群优化算法（Particle Swarm Optimization,PSO）等。虽然这些优化算法已经被广泛用于求解一些实际优化问题,但是在解决多解问题时仍然存在一些缺陷和困难,主要可以分为以下三点:（1）由于种群进化到不同的状态需要调整对应的参数,单一的参数设置对算法的性能有很大的影响。如何根据不同的进化状态来自适应调整参数是当前研究的热点和难点问题;（2）许多优化算法虽然在大多数单解问题中取得了较好的效果,但是在处理多峰值和多目标问题时容易陷入局部最优。如何设计一个具有避免个体陷入局部最优和快速全局收敛能力的智能优化算法对人们来说是具有挑战性的问题;（3）针对进化过程中的贪婪选择问题,会造成得到的解分布不均匀或者解的多样性较差。如何设计合理的进化算子从而得到分布均匀而且质量较高的解也是一个具有挑战性的问题。针对上述问题,本文提出了多种高效求解多峰值和多目标问题的优化算法,主要贡献点如下:（1）提出了一种基于局部二值模式的自适应差分进化（Local Binary Pattern-based Adaptive Differential Evolution,LBPADE）算法。局部二值模式（Local Binary Pattern,LBP）利用当前像素点的邻居信息提取相关的模式信息,从而识别出多个感兴趣的区域,这类似于在MMOPs中找到多个全局最优。LBPADE根据LBP算子的原理把种群划分为多个小生境,并进一步定位到MMOPs中的多个峰值区域。根据LBP形成的小生境信息设计了自适应参数策略（Adaptive Parameter Strategy,APS）,根据自身的LBP信息调整每个个体的参数,从而引导个体朝着最优解的方向移动。（2）提出了一种基于自适应引导的差分进化（Adaptive Guidance-based Differential Evolution,AGDE）算法。首先,引入自适应变异策略（Adaptive Mutation Strategy,AMS）,引导当前个体向最接近自身的峰值移动。其次,采用迭代反馈外部存档（Iterative Feedback Archive,IFA）策略,在每一次迭代中存储种群的全局最优值。再次,在外部存档上执行基于高斯扰动的精英学习（Gaussian Disturbance-based Elite Learning,GDEL）策略以提高解的精度。（3）提出了一种基于多角度分层的差分进化（Multi-angle Hierarchical Differential Evolution,Ma HDE）算法。首先,设计了适应值分层的变异（Fitness Hierarchical Mutation,FHM）策略。根据个体在当前小生境中的适应值质量,将小生境中的个体分为两个层次（即低/高层次）从而有针对性的引导个体的进化。其次,针对进化后期的低层次个体,引入定向全局搜索（Directed Global Search,DGS）策略,为这些低层次个体提供重新搜索全局峰值的机会。再次,针对进化后期的高层次个体,设计了精英局部搜索（Elite Local Search,ELS）策略,以提高其解的精度。（4）提出了一种基于离群点感知的差分进化（Outlier Aware Differential Evolution,OADE）算法。首先,针对问题的维度,提出了一种基于维度和引导平衡的变异（Dimension-based and Guidance-balanced Mutation,DGM）策略,生成更有前景的解以提高发现的解精度。其次,基于个体的适应值信息和个体的分布信息引入了基于离群点的选择（Outlier-Based Selection,OBS）策略,增加种群的多样性。再次,提出一个新的基于消极的离群点重新初始化（Negative Outlier Re-Initialization,NORI）策略,使这些离群点跳出局部最优。（5）提出了一种基于排名选择（Rank-based selection,S-Rank）和基于随机选择（Random-based Selection,S-Rand）的混合选择多目标遗传算法。其中,S-Rank是根据其非支配等级来选择个体的方案,如果个体的非支配等级不同,则等级较低（较好）的个体将被选为下一代。反之,我们先从所有目标中随机选择一个目标,然后在这个目标上选择合适度较好的个体进入下一代。由于目标的随机选择,S-Rand方法可以增加个体的多样性（解）。（6）针对多目标基数约束的投资组合优化问题（Multiobjective Cardinality Constrained Portfolio Optimization Problem,Mo CCPOP）,提出了一种基于多种群协同进化粒子群优化（Multi-Population Co-evolutionary Particle Swarm Optimization,MPCo PSO）算法的高效求解方案。首先,提出了分层的二进制和实数（Hybrid Binary and Real,HBR）编码策略,以更好地表示Mo CCPOP中的选股和资产权重方案。其次,提出了一种基于个股的历史收益和风险的收益风险比启发式（Return Risk Ratio Heuristic,R3H）策略以快速处理基数约束问题。再次,提出了一种新的基于双向局部搜索（Bi-direction Local Search,BLS）策略的粒子更新方法以提高解的精度。最后,提出了混合型精英竞争（Hybrid Elite Competition,HEC）策略来辅助外部存档更新,从而提供了更有前景的解。综上所述,本文提出了多个有效的面向多峰值和多目标问题的多解优化算法,通过深度探索进化规律提出了基于局部二值模式的自适应差分进化算法,基于迭代反馈的自适应差分进化算法,基于多角度分层的差分进化算法,和基于离群点感知的差分进化算法,为处理多峰值优化问题提供了很好的途径。针对多目标问题中的目标之间的权重平衡问题和选择压力问题,我们分别采用基于多种群的多目标处理方法和基于部分排名的选择方法来处理,并在投资组合优化问题上得以检验和验证,为处理多目标优化问题提供了高效而且成功的参考。
王诗琪[7]（2020）在《注意力恢复目标下寒地大学校园空间环境设计策略研究》文中研究表明随着科学技术作为社会生产力的地位日益凸显,人类社会发展的核心驱动力已转变为脑力活动主导下的知识更新和思维创造。大学校园是人才培育和科学研究的基地,是高强度、高难度认知工作的主要载体,而这类活动的顺利进行不仅依赖于智力水平和经验积累,健康的精神状态、充沛的精力以及清晰的头脑同样是重要的影响因素。早在四书《大学》中就有这样的论述:大学之道,在明明德,在亲民,在止于至善。知止而后有定,定而后能静,静而后能安,安而后能虑,虑而后能得。其中“定”、“静”、“安”分别指意志坚定、镇静不躁、内心安稳,达到这样的精神状态后方能深思熟虑、有所创新、接近真理。所以大学存在的本质是使人类精神和智力得以兴盛、蓬勃和进化。空间环境不仅是身体的居所,也是精神的家园,人类通过对环境的感知获取精神和智力成长的养料。所以对于以精神培育为核心的大学,校园空间环境的“精神蔽所”功能更应得到淋漓尽致的呈现和发扬,然而这恰是当今大学校园空间环境设计中所忽视的方面。本文从我国大学校园发展的现状出发,结合欧美发达国家现阶段大学建设的重点,综合考量气候条件、健康理念、可持续发展目标、城市问题等内容,发现我国寒地大学校园在空间精神功能方面暴露出关注程度较低、理论基础薄弱、设计实践较少等问题。所以本文试图从环境心理学和认知心理学等领域寻求增强校园精神功能的优化方法:然而个体精神层面的相关内容庞杂,众多要素之间存在复杂的作用关系,难以在统一的体系下展开研究。但精神功能的运行基础在于大脑对外界环境信息的感知、处理和解读,而这些过程依靠定向注意力这一基本的认知资源的维系和供能。定向注意力之于精神系统,犹如食物之于生理系统,是大脑进行认知活动的养料和动力,当定向注意力储备充足时,认知活动的运行速度提高,即单位时间内大脑处理的信息增多;定向注意力匮乏时,认知速度下降。这种资源会随着认知活动的暂停而得以休憩和恢复,所以定向注意力能够通过间歇性的休憩而进行自动补充,这是认知活动持久进行的保障。注意力恢复状况是认知表现的决定性因素,这为大脑活动的具象化和定性化分析提供了抓手。因此本文以定向注意力为切入视角,探究寒地大学校园空间环境对个体精神层面的影响。根据注意力恢复对认知机能产生的各项影响,通过对寒地大学生学习效率、情绪状态和健康状况进行实际调查,确立校园空间环境恢复性设计的必要性和紧迫性,建立了学生心理精神需求与校园空间环境之间的联系;进而以注意力恢复的相关理论为指导依据,探究了寒地大学校园空间环境注意力恢复功能提升的原理;在此基础上,结合寒地气候特征和校园空间特征推演出寒地校园空间环境恢复注意力的机制;建构了适用于寒地校园空间的恢复性环境设计体系,以达到提升大学生认知效率、促进身心健康的目标。基于上述理论基础,本文以促进注意力恢复为校园空间环境设计的统领原则,研究了“阻御利导寒地气候”、“增效利用自然景观”与“调试干预人工属性”的校园空间环境设计策略,并针对以上策略研究了具体设计方法。其目的是改变寒地校园因冬季环境恢复性缺失对学生心理和精神造成消极影响的现状,复兴校园的精神功能,促使学生的精神资源能够在高强度认知活动的压迫下保持活跃充沛的状态,从而保障高级认知活动的顺利进行、激发创造性思维、实现身心健康发展。寒地大学校园注意力恢复性设计的提出,是从人本关怀、健康促进的角度建构寒地校园与使用主体之间相互共生和协调发展的关系。现代城市环境中充溢着庞杂的压力来源,加之繁重的学习和科研活动,造成了大学生认知资源的损耗,注意力恢复目标的引入,强调了空间环境对身心的积极影响作用,有利于指导校园空间功能的优化和改善,从精神心理层面探讨个体与空间环境之间和谐共处的模式,建构对大学生身心健康发展起到积极作用的校园空间环境。
马靖森[8]（2020）在《碳金融的国际合作机制与政策研究》文中认为近年来全球经济复苏缓慢,部分国家或地区以发展等理由逐步放宽对碳减排的限制,导致碳金融发展热度消退,加之2020年新冠肺炎席卷全球更使得国际碳金融合作面临重大风险。为保护低碳发展成果,促进碳金融国际合作关系稳定发展,文章分析现有学者研究文献以及当前多变的国际政治经济环境,指出对碳金融国际合作的进化稳定策略研究的必要性,并借助演化博弈理论和前景理论,构建收益感知矩阵与演化博弈模型,针对感知价值及相关参数分析后得出保持稳定性的五个结论,即应当提高参与方对合作概率的主观认知和合作总收益、建立收益分配机制促进分配均衡、提高违约成本、降低合作成本以及实现外部性内部化等。以中欧碳金融市场为例对博弈模型进行模拟仿真分析,结合合作稳定性分析结论与碳金融市场建设问题,提出关于碳金融国际合作的机制与政策建议,包括退出与惩罚机制、碳价格调节机制、碳配额分配机制、沟通与对话四项合作机制,以及设置门槛提高违约成本、打通市场联系稳定碳价格、碳配额分配侧重公平原则等三项政策建议。图6幅;表2个;参57篇。
陈燕[9]（2020）在《鼠类抗药靶基因多态性及在黄胸鼠抗药性评估中的应用》文中研究指明啮齿目是世界上分布最广泛的哺乳类动物之一,其中的一些鼠类不仅危害农林牧业的生产,并且携带多种疾病,危害人类的生命健康。抗凝血类灭鼠剂是目前世界上应用最为广泛的灭鼠剂,但近年来鼠类的抗药性的问题愈发严重。鼠类产生抗性的形式主要有两种,多数鼠类抗性种群的产生是因为在抗凝血类灭鼠剂的选择作用下,导致种群中携带抗性突变的个体的频率逐渐升高;另外,一些生活在干旱地区的鼠类对抗凝血类灭鼠剂表现出天然的抗性。维生素K环氧化物还原酶复合物亚基1（Vitamin K epoxide reductase complex subunit 1,Vkorc1）是维生素K循环中的关键基因,也是抗凝血类灭鼠剂作用的靶基因,该基因上的突变可以导致鼠类的抗性。维生素K循环中的依赖还原型辅酶I（II）醌氧化还原酶（NAD（P）H Quinone Dehydrogenase 1,Nqo1）和与凝血因子活化相关的γ-谷氨酰羧化酶（Gamma-Glutamyl Carboxylase,Ggcx）也被认为与鼠类的抗药性相关。本文通过比较干旱地区和其它生境鼠类的Vkorc1、Ggcx、Nqo1基因多态性,结合系统进化分析和选择压分析,探讨3个基因在干旱区鼠类尤其是在天然抗性的鼠类中是否发生适应性进化及推测可能导致适应性进化的原因;同时以黄胸鼠为重点研究对象,利用Vkorc1基因多态性评估我国黄胸鼠种群的抗性水平,并以相对中性进化的线粒体基因D-loop为分子标记,分析我国抗性黄胸鼠抗性相关变异在种群间的基因流。主要结果如下:1.发现干旱区鼠类的Vkorc1基因进化速率（dN/dS值）要明显高于其它生境中的鼠类,并且在地中海小家鼠和嗜沙肥鼠的Vkorc1基因中检测到适应性进化的信号。然而,在干旱区鼠类的另外2个基因Ggcx和Nqo1均没有检测到选择信号。干旱区鼠类地中海小家鼠和嗜沙肥鼠Vkorc1基因的加速进化可能与适应缺乏维生素K的干旱环境相关。2.发现我国黄胸鼠种群的Vkorc1基因携带3个突变Ala26Thr、Ala41Ala和Tyr139Cys,其中Tyr139Cys已被证实可以导致不同鼠类对第一代和第二代抗凝血类灭鼠剂的抗性,在四川、广东、福建、湖南、西藏种群中都有发现,其中湖南突变频率最高可达66.7%。结合D-loop基因流分析发现,西藏地区黄胸鼠抗性突变可能是从四川输入的。我国多地区黄胸鼠Vkorc1出现Tyr139Cys抗性突变,该突变在种群中的频率可以用来监测种群的抗性水平。Ala26Thr突变可能会导致黄胸鼠的抗性,但仍需进行进一步的生理抗性检测。本研究通过分析不同鼠类Vkorc1基因的多态性,揭示了干旱区鼠类的Vkorc1与其它生境中鼠类相比更容易产生适应性进化,获得的Vkorc1突变数据也为后续开展不同鼠类抗药性机制研究提供了分子基础。同时通过对黄胸鼠种群内Vkorc1多态性分析,发现一个用于抗性检测的分子标记,有效评估了我国不同黄胸鼠种群的抗性水平,为抗凝血类灭鼠剂的科学使用提供理论指导。
吴杨[10]（2020）在《生态城模式产业结构多目标优化模型及复杂性研究》文中研究表明面对区域发展不平衡问题,“生态城”模式目前正在被作为一种全新的城市发展模式在一些地区进行探索性试验,并已经取得了较好的投资建设效果。本文将生态城这一新模式视为一个经济系统,在这个经济系统中,产业结构的形成与发展不是单方面的因素所致,也不是一个区域孤立存在的现象,而是受到各种外界环境的制约。宏观层面上,本文首先建立了“中心较发达城市”与“周边欠发达县市”间缓冲生态城的多目标产业结构优化模型,通过对“生态城”中各产业投资比例的优化,使生态城与其所连接的中心城市及周边县市的共同发展目标达到最优。将经典的非支配排序多目标遗传算法（NSGA-II）与本章优化问题的结构进行有机结合,进行求解。微观层面上,本文设计并建立了复杂产业网络的生长演化模型,构建了基于企业“影响力”及“多样性”的涌现演化机制,通过考察产业网络特征、网络影响力及网络熵值随演化规则的变化,发现并分析了产业网络产生、发展、涌现的不同阶段性特点。进一步,本文针对复杂产业网络进行了生态城模式下产业网络博弈分析,进一步引入企业群体理性特征,对投资策略的影响因素、产业网络内的博弈行为进行了分析,研究发现,产业网络内的市场需求阈值、企业群体的风险态度、企业群体间学习进化强度等因素均会带来产业网络内企业整体收益或效用的改变。研究发现,宏观方面,产业结构的优化结果可以作为政府对相关产业投入和政策支持的基本依据,合理的结构比例保证了对资源的最大程度利用和对环境最小限度的破坏,也是不同产业共同发展的基础,不同的产业之间也可相互联系、合作竞争、产生新的产业结构,政府进一步对其进行优化,形成合力发展的良性循环。微观方面,对于实际当中的生态城产业建设,应当鼓励各种企业之间开展广泛合作,尽量避免大量企业的合作集中于某些个别企业的情形;新进入企业的合作范围、与生态城内既有产业的联系强度并不是越大越好,而是在“影响力”与“多样性”等主要指标之间的一种权衡。
二、“IN”技术进化前景（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、“IN”技术进化前景（论文提纲范文）
（1）基于图像处理的自动聚焦技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 自动聚焦技术的国内外发展情况 |
| 1.2.1 国外自动聚焦技术发展情况 |
| 1.2.2 国内自动聚焦技术发展情况 |
| 1.3 本文的研究内容和架构 |
| 第二章 光学成像系统及自动聚焦原理 |
| 2.1 光学成像系统的基本构造及工作原理 |
| 2.2 光学成像系统的主要影响因素 |
| 2.2.1 像差 |
| 2.2.2 模糊圆 |
| 2.2.3 景深与焦深 |
| 2.3 自动聚焦技术原理 |
| 2.3.1 控距调节法 |
| 2.3.2 聚焦检测法 |
| 2.3.3 现代自动聚焦技术 |
| 2.4 本章小结 |
| 第三章 聚焦评价函数的研究与改进 |
| 3.1 传统聚焦评价函数 |
| 3.1.1 信息与统计类聚焦评价函数 |
| 3.1.2 空间域类聚焦评价函数 |
| 3.1.3 频域类聚焦评价函数 |
| 3.2 聚焦评价函数性能指标 |
| 3.2.1 定性性能评价指标 |
| 3.2.2 定量性能评价指标 |
| 3.3 基于动态分割及局部最大梯度的聚焦评价函数 |
| 3.3.1 图像动态分割 |
| 3.3.2 聚焦评价函数的原理及构建 |
| 3.4 聚焦函数仿真实验及分析 |
| 3.5 本章小结 |
| 第四章 聚焦窗口的选择与分析 |
| 4.1 聚焦窗口选择的影响因素分析 |
| 4.2 经典聚焦窗口选择方法 |
| 4.2.1 中心区域聚焦窗口选择法 |
| 4.2.2 多区分布聚焦窗口选择法 |
| 4.2.3 一阶矩聚焦窗口选择法 |
| 4.3 基于差分进化算法的聚焦窗口选择方法 |
| 4.3.1 差分进化算法原理及特征 |
| 4.3.2 差分进化算法基本框架 |
| 4.3.3 基于自适应优化的差分进化算法 |
| 4.3.4 自适应差分进化算法在聚焦窗口选择中的应用 |
| 4.4 窗口选择实验结果与分析 |
| 4.5 本章小结 |
| 第五章 一种新的自动聚焦方法 |
| 5.1 传统的聚焦搜索策略 |
| 5.1.1 传统聚焦搜索方法介绍 |
| 5.1.2 传统聚焦搜索方法优劣分析 |
| 5.2 改进的二阶混合搜索算法 |
| 5.3 一种新的自动聚焦方法 |
| 5.4 实验结果与分析 |
| 第六章 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的学术论文 |
| 学位论文评阅及答辩情况表 |
（2）基于进化计算的约束多目标优化算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 约束多目标优化问题与算法 |
| 1.1.2 约束多目标优化领域的挑战 |
| 1.2 国内外研究现状 |
| 1.2.1 处理BMOPs的CMEAs分类 |
| 1.2.2 处理复杂约束的技术分类 |
| 1.3 本文工作 |
| 1.4 后续章节安排 |
| 第二章 基本知识 |
| 2.1 CMOPs的数学描述 |
| 2.2 Pareto支配,Pareto解和Pareto前沿面 |
| 2.3 算法性能度量指标 |
| 2.4 基准测试问题 |
| 2.4.1 BMOPs的基准测试问题 |
| 2.4.2 CMOPs的基准测试问题 |
| 第三章 单纯形支配关系 |
| 3.1 基本描述 |
| 3.2 数学表达形式 |
| 3.3 算法框架 |
| 3.3.1 极大极小选择策略 |
| 3.3.2 所建议算法的主要框架 |
| 3.4 数值实验与分析 |
| 3.4.1 实验设置和评估指标 |
| 3.4.2 数值结果和分析 |
| 3.5 本章小结 |
| 第四章 基于有前景区域的进化算法 |
| 4.1 两种二元指标及其性质 |
| 4.2 所建议的选择和配对策略 |
| 4.2.1 有前景的区域和有价值的候选解 |
| 4.2.2 基于平行距离的散布维持机制 |
| 4.2.3 配对策略 |
| 4.3 所建议的算法 |
| 4.3.1 算法框架 |
| 4.3.2 算法复杂度 |
| 4.4 数值实验和结果分析 |
| 4.4.1 测试问题和对比算法 |
| 4.4.2 参数设置 |
| 4.4.3 实验结果分析 |
| 4.5 本章小结 |
| 第五章 识别有价值非可行解的准则 |
| 5.1 多准则技术TMSC |
| 5.1.1 非可行解分组 |
| 5.1.2 识别有价值非可行解 |
| 5.2 将TMSC嵌入进化算法 |
| 5.2.1 精英集 |
| 5.2.2 配对池 |
| 5.2.3 配对策略 |
| 5.2.4 所建议算法的框架 |
| 5.3 所建议新的CMOPs的基准测试问题 |
| 5.4 实验研究和分析 |
| 5.4.1 对比算法 |
| 5.4.2 测试问题 |
| 5.4.3 参数设计 |
| 5.4.4 性能分析 |
| 5.4.5 在现实工程优化上的应用 |
| 5.5 本章小结 |
| 第六章 一种新的基于指标的CMEA |
| 6.1 所建议的指标 |
| 6.1.1 基于代价值的距离 |
| 6.1.2 所建议的约束处理指标 |
| 6.2 所建议的算法框架 |
| 6.2.1 种群的更新方式 |
| 6.2.2 精英集 |
| 6.2.3 子代的产生 |
| 6.2.4 所建议算法的框架 |
| 6.3 数值实验和分析 |
| 6.3.1 对比算法 |
| 6.3.2 测试问题 |
| 6.3.3 在基准测试问题上的表现 |
| 6.3.4 在实际工程问题上的表现 |
| 6.4 本章小结 |
| 第七章 总结和展望 |
| 参考文献 |
| 攻读学位期间发表或完成的论文 |
| 致谢 |
（3）脊椎动物温度受体基因的适应性进化研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 第一章 绪论 |
| 1.1 温度感知 |
| 1.2 温度受体基因 |
| 1.2.1 冷激活温度受体基因 |
| 1.2.2 热激活温度受体基因 |
| 1.3 脊椎动物中温度受体基因的多样性 |
| 1.4 研究问题及意义 |
| 第二章 材料和方法 |
| 2.1 实验材料 |
| 2.1.1 研究对象及样本采集 |
| 2.1.2 实验设备和仪器 |
| 2.1.3 实验试剂 |
| 2.1.4 实验耗材 |
| 2.2 实验方法 |
| 2.2.1 获取测序组织样 |
| 2.2.2 转录组测序操作流程 |
| 2.2.3 序列的组装和分析 |
| 2.3 数据处理与分析 |
| 2.3.1 温度受体基因的获取 |
| 2.3.2 序列的比对与处理 |
| 2.3.3 选择压力分析 |
| 2.3.4 谱系发育分析 |
| 2.3.5 祖先序列重建及趋同进化位点分析 |
| 第三章 结果与分析 |
| 3.1 基因选择压力分析结果 |
| 3.1.1 a支正选择分析结果 |
| 3.1.2 b支正选择分析结果 |
| 3.1.3 d支正选择分析结果 |
| 3.1.4 e支正选择分析结果 |
| 3.1.5 f支正选择分析结果 |
| 3.1.6 g支正选择分析结果 |
| 3.1.7 i支正选择分析结果 |
| 3.1.8 j支正选择分析结果 |
| 3.1.9 k支正选择分析结果 |
| 3.1.10 l支正选择分析结果 |
| 3.1.11 m支正选择分析结果 |
| 3.2 基因谱系发育分析结果 |
| 3.3 祖先序列重建及趋同进化位点分析结果 |
| 第四章 讨论 |
| 第五章 结论 |
| 参考文献 |
| 致谢 |
（4）石莼属绿藻转录组测序及适应性进化机制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 引言 |
| 1.1 石莼属绿藻的研究概述 |
| 1.1.1 石莼属的分类与分布 |
| 1.1.2 石莼属绿藻的生态特征及其生活史 |
| 1.2 石莼属绿藻环境适应性机制 |
| 1.2.1 石莼属绿藻的适应性爆发机制 |
| 1.2.2 石莼属绿藻的适应性研究进展 |
| 1.3 进化与正选择 |
| 1.3.1 适应性进化原理与正选择 |
| 1.3.2 正选择研究方法 |
| 1.3.3 正选择分析在藻类中的应用 |
| 1.4 石莼属绿藻组学技术研究进展 |
| 1.4.1 石莼属绿藻基因组研究进展 |
| 1.4.2 石莼属绿藻转录组研究进展 |
| 1.4.3 石莼属绿藻蛋白组学和代谢组学研究进展 |
| 1.5 本课题研究技术路线与目的意义 |
| 1.5.1 选题依据 |
| 1.5.2 研究内容 |
| 1.5.3 技术路线 |
| 1.5.4 研究目的与意义 |
| 第二章 三种浒苔转录组DE NOVO测序与初步分析 |
| 2.1 材料与方法 |
| 2.1.1 样品采集与培养 |
| 2.1.2 实验仪器 |
| 2.1.3 实验试剂 |
| 2.1.4 实验方法 |
| 2.2 结果 |
| 2.2.1 测序数据质量评估 |
| 2.2.2 转录组拼接 |
| 2.2.3 unigenes注释 |
| 2.3 讨论 |
| 第三章 正选择分析 |
| 3.1 材料与方法 |
| 3.1.1 数据收集与整理 |
| 3.1.2 确定直系同源基因 |
| 3.1.3 物种树的构建 |
| 3.1.4 正选择的分析 |
| 3.1.4.1 确定正选择基因 |
| 3.1.4.2 正选择基因的功能分析 |
| 3.2 正选择结果分析 |
| 3.2.1 确定同源基因 |
| 3.2.2 物种树的构建 |
| 3.2.3 确定正选择基因 |
| 3.2.4 正选择基因功能富集分析 |
| 3.3 讨论 |
| 第四章 扁浒苔RNA-SEQ及正选择基因差异分析 |
| 4.1 材料与方法 |
| 4.1.1 扁浒苔样品采集及处理 |
| 4.1.2 实验仪器与器材 |
| 4.1.3 实验方法 |
| 4.1.3.1 样品处理 |
| 4.1.3.2 RNA提取,文库构建及测序 |
| 4.1.3.3 比对参考转录组 |
| 4.1.3.4 样本间相关性及聚类分析 |
| 4.1.3.5 基因表达量与差异表达基因 |
| 4.1.3.6 差异基因功能富集分析 |
| 4.1.3.7 正选择基因的差异分析 |
| 4.2 实验结果 |
| 4.2.1 不同胁迫条件下的表达特征 |
| 4.2.2 基因差异表达分析 |
| 4.2.3 基因功能富集分析 |
| 4.2.4 正选择基因差异表达分析 |
| 4.3 讨论 |
| 结论 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（5）花鲈Argonaute基因家族的快速进化与表达分析（论文提纲范文）
| 1 材料与方法 |
| 1.1 Argonaute家族基因的鉴定及结构分析 |
| 1.2 Argonaute家族基因系统发生分析 |
| 1.3 Argonaute家族基因共线性分析 |
| 1.4 分子进化分析 |
| 1.5 Argonaute家族基因表达分析 |
| 2 结果与分析 |
| 2.1 Argonaute家族基因的鉴定及拷贝数分析 |
| 2.2 花鲈Argonaute家族基因结构及蛋白质结构域分析 |
| 2.3 Argonaute家族基因系统发生分析 |
| 2.4 Argonaute基因共线性分析 |
| 2.5 Argonaute家族基因分子进化分析 |
| 2.5.1 点模型检验 |
| 2.5.2 枝模型检验 |
| 2.5.3 枝-点模型检验 |
| 2.5.4 花鲈与其它硬骨鱼Argonaute家族基因分子进化分析 |
| 2.6 Argonaute家族基因表达分析 |
| 3 讨论 |
| 3.1 Argonaute家族基因拷贝数及Ago3a/3b的功能分化 |
| 3.2 piRNA途径基因的快速进化 |
| 3.3 硬骨鱼类piRNA途径的功能探讨 |
（6）面向多峰值和多目标问题的多解进化算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 常见的进化算法 |
| 1.2.1 差分进化算法 |
| 1.2.2 粒子群优化算法 |
| 1.2.3 遗传算法 |
| 1.3 多解进化算法概述 |
| 1.3.1 多峰值问题 |
| 1.3.2 多目标问题 |
| 1.4 多解问题面临的困难和挑战 |
| 1.5 本文的研究内容与主要创新点 |
| 1.6 本文的论文结构与章节安排 |
| 第二章 基于局部二值模式的自适应多峰值差分进化算法 |
| 2.1 引言 |
| 2.2 LBPADE求解多峰值优化问题 |
| 2.2.1 图像处理中的LBP算子 |
| 2.2.2 NGI变异策略 |
| 2.2.3 APS 策略 |
| 2.2.4 BCS策略 |
| 2.2.5 完整的LBPADE算法 |
| 2.3 实验结果 |
| 2.3.1 测试函数和实验设置 |
| 2.3.2 与最先进多峰值算法的对比 |
| 2.3.3 NGI变异策略的影响 |
| 2.3.4 APS的优势 |
| 2.3.5 维持找到的最优解 |
| 2.3.6 参数设置的影响 |
| 2.3.7 与CEC竞赛冠军的比较 |
| 2.4 本章小结 |
| 第三章 基于自适应引导的多峰值差分进化算法 |
| 3.1 引言 |
| 3.2 AGDE求解多峰值优化问题 |
| 3.2.1 AMS策略 |
| 3.2.2 IFA策略 |
| 3.2.3 完整的AGDE算法 |
| 3.3 实验结果 |
| 3.3.1 测试函数和实验设置 |
| 3.3.2 与最先进的算法比较 |
| 3.3.3 参数设置的影响 |
| 3.4 本章小结 |
| 第四章 基于多角度分层的多峰值差分进化算法 |
| 4.1 引言 |
| 4.2 MaHDE求解多峰值优化问题 |
| 4.2.1 研究动机 |
| 4.2.2 FHM策略 |
| 4.2.3 DGS策略 |
| 4.2.4 ELS策略 |
| 4.2.5 完整的MaHDE算法 |
| 4.3 实验结果 |
| 4.3.1 测试函数和实验设置 |
| 4.3.2 MaHDE与最先进的算法比较 |
| 4.3.3 Ma HDE与 CEC冠军算法比较 |
| 4.3.4 参数设置对MaHDE的影响分析 |
| 4.4 本章小结 |
| 第五章 基于离群点感知的多峰值差分进化算法 |
| 5.1 引言 |
| 5.2 OADE求解多峰值优化问题 |
| 5.2.1 离群点的动机和检测 |
| 5.2.2 DGM策略 |
| 5.2.3 OBS策略 |
| 5.2.4 NORI策略 |
| 5.2.5 完整的OADE算法 |
| 5.3 实验结果 |
| 5.3.1 实验设置 |
| 5.3.2 OADE与最先进的算法比较 |
| 5.3.3 组件分析 |
| 5.3.4 参数分析 |
| 5.4 本章小结 |
| 第六章 基于混合选择的多目标遗传算法 |
| 6.1 引言 |
| 6.2 ISO求解多目标优化问题 |
| 6.2.1 ISO策略 |
| 6.2.2 完整的NSGA-II-ISO算法 |
| 6.3 实验结果 |
| 6.3.1 实验设置 |
| 6.3.2 实验对比结果分析 |
| 6.4 本章小结 |
| 第七章 多种群协同进化粒子群优化算法求解多目标基数约束投资组合优化问题 |
| 7.1 引言 |
| 7.2 问题建模 |
| 7.3 MPCo PSO求解多目标CCPOP |
| 7.3.1 为处理CC的 HBR编码方案和R3H约束策略 |
| 7.3.2 适应值评估 |
| 7.3.3 多种群框架 |
| 7.3.4 基于BLS的粒子更新 |
| 7.3.5 基于HEC的外部存档更新 |
| 7.3.6 完整的MPCo PSO算法 |
| 7.4 实验结果 |
| 7.4.1 实验设置 |
| 7.4.2 度量指标 |
| 7.4.3 实验结果 |
| 7.4.4 不同组件的影响分析 |
| 7.4.5 算法效率的分析 |
| 7.5 本章小结 |
| 总结与展望 |
| 工作总结 |
| 研究展望 |
| 参考文献 |
| 攻读博士期间取得的研究成果 |
| 致谢 |
| 附件 |
（7）注意力恢复目标下寒地大学校园空间环境设计策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 高压环境下大学生的心理危机 |
| 1.1.2 健康理念下大学校园设计趋势 |
| 1.1.3 恢复性环境设计方法的推广 |
| 1.1.4 寒冷气候下恢复性环境的缺失 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外相关研究 |
| 1.3.1 国外相关研究 |
| 1.3.2 国内相关研究 |
| 1.3.3 国内外相关研究综述 |
| 1.4 研究内容与方法 |
| 1.4.1 研究对象 |
| 1.4.2 研究方法 |
| 1.4.3 研究内容 |
| 1.4.4 研究框架 |
| 第2章 注意力恢复理论与寒地大学校园空间环境解析 |
| 2.1 注意力恢复的研究基础 |
| 2.1.1 人类认知机能的理论原点 |
| 2.1.2 定向注意力的研究突破 |
| 2.1.3 恢复的本质解析 |
| 2.1.4 注意力恢复效益的科学依据 |
| 2.2 注意力恢复的相关理论 |
| 2.2.1 注意力恢复理论与减压理论 |
| 2.2.2 亲生物设计理论 |
| 2.2.3 环境偏好相关理论 |
| 2.3 大学生心理精神层面的相关研究 |
| 2.3.1 心理健康内涵 |
| 2.3.2 现状及问题 |
| 2.3.3 空间环境的影响作用 |
| 2.4 寒地大学校园空间环境与注意力恢复的理论关联 |
| 2.4.1 恢复特征呼应校园环境的构成特点 |
| 2.4.2 恢复结果契合使用主体的空间需求 |
| 2.4.3 恢复效益匹配校园空间的功能价值 |
| 2.5 寒地大学校园空间环境与注意力恢复的实证关联 |
| 2.5.1 调查方案的制定 |
| 2.5.2 个体恢复需求与空间环境恢复性现状分析 |
| 2.5.3 研究结论 |
| 2.6 本章小结 |
| 第3章 注意力恢复目标下寒地大学校园空间环境设计推演 |
| 3.1 寒地大学校园空间环境恢复性的影响因素 |
| 3.1.1 寒地气候是恢复的强烈刺激 |
| 3.1.2 寒地景观是恢复的薄弱基础 |
| 3.1.3 人工建构是恢复的繁重负荷 |
| 3.2 寒地大学校园空间环境恢复注意力的作用机制 |
| 3.2.1 对寒地气候的趋利避害 |
| 3.2.2 对自然景观的激发拓展 |
| 3.2.3 对人工属性的削弱顺应 |
| 3.3 寒地大学校园空间环境恢复体系建构 |
| 3.3.1 构成要素——空间环境恢复属性差异 |
| 3.3.2 结构层级——空间环境恢复程度差异 |
| 3.3.3 运行机理——空间环境恢复机制差异 |
| 3.4 注意力恢复目标下寒地大学校园空间环境设计导向 |
| 3.4.1 阻御利导寒地气候——对注意力的积极调和 |
| 3.4.2 增效利用自然景观——对注意力的恢复强化 |
| 3.4.3 调适干预人工属性——对注意力的正向引导 |
| 3.5 本章小结 |
| 第4章 阻御利导寒地气候的校园空间环境设计策略 |
| 4.1 自然光照的诱导增补 |
| 4.1.1 诱导光线维系昼夜节律 |
| 4.1.2 光疗空间纾解冬季抑郁 |
| 4.1.3 强化光影提示时间感受 |
| 4.2 低温要素的消解转换 |
| 4.2.1 多元庇护单体保障必要活动 |
| 4.2.2 低温气流循环诱发唤醒状态 |
| 4.2.3 动态室内温度支持调控行为 |
| 4.3 风雪要素的激活强化 |
| 4.3.1 冰雪景观引发审美体验 |
| 4.3.2 风雪运动开启分心机制 |
| 4.3.3 冰雪活动建立地域联系 |
| 4.4 本章小结 |
| 第5章 增效利用自然景观的校园空间环境设计策略 |
| 5.1 寒地绿色资源的优化配适 |
| 5.1.1 夏季室外绿色资源的效力提升 |
| 5.1.2 冬季室内绿色资源的集成整合 |
| 5.1.3 全年性绿色花园的重点运用 |
| 5.2 寒地景观形态的提炼转译 |
| 5.2.1 转译冰雪景观形态 |
| 5.2.2 转译生物构型规律 |
| 5.2.3 转译自然变化特性 |
| 5.3 寒地自然模式的抽象再现 |
| 5.3.1 抽象“前景与避难”模式 |
| 5.3.2 抽象“诱惑与神秘”模式 |
| 5.3.3 抽象“冒险与刺激”模式 |
| 5.4 本章小结 |
| 第6章 调适干预人工属性的校园空间环境设计策略 |
| 6.1 日常生活感受的规避 |
| 6.1.1 心理内容的更新 |
| 6.1.2 身体位置的远离 |
| 6.1.3 学科环境的交互 |
| 6.2 持久环境引力的构筑 |
| 6.2.1 空间要素供给感知信息 |
| 6.2.2 空间形态激发审美体验 |
| 6.2.3 功能设置支持恢复活动 |
| 6.3 个体活动目标的兼容 |
| 6.3.1 多元化空间功能提升选择度 |
| 6.3.2 多级化空间设置提升参与度 |
| 6.3.3 智能化信息技术提升互动度 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（8）碳金融的国际合作机制与政策研究（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第1章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国外文献综述 |
| 1.2.1 关于碳金融发展的研究 |
| 1.2.2 关于碳金融国际合作问题的研究 |
| 1.2.3 关于碳金融合作方式的研究 |
| 1.3 国内文献综述 |
| 1.3.1 关于我国碳金融发展的研究 |
| 1.3.2 关于我国开展碳金融国际合作的研究 |
| 1.3.3 关于碳金融国际合作困境的研究 |
| 1.3.4 文献评述 |
| 1.4 研究思路与研究方法 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.4.3 创新点 |
| 第2章 核心概念与理论基础 |
| 2.1 碳金融的相关概念 |
| 2.1.1 碳金融 |
| 2.1.2 碳金融市场 |
| 2.1.3 碳金融国际合作 |
| 2.2 碳金融合作的理论基础 |
| 2.2.1 外部经济理论 |
| 2.2.2 产权交易理论 |
| 2.3 碳金融合作的制度基础 |
| 2.4 演化博弈理论与前景理论 |
| 第3章 碳金融国际合作演化博弈模型构建 |
| 3.1 碳金融国际合作动态博弈 |
| 3.1.1 博弈关系分析及基本假设 |
| 3.1.2 收益感知矩阵的构建 |
| 3.2 演化博弈模型的构建 |
| 3.3 演化博弈模型结果分析 |
| 3.3.1 复制动态方程分析 |
| 3.3.2 感知价值及相关参数分析 |
| 3.4 本章小结 |
| 第4章 碳金融国际合作演化博弈模型应用——以中欧为例 |
| 4.1 中欧模拟仿真参数取值分析 |
| 4.1.1 参数θ的初始值分析 |
| 4.1.2 参数γ的初始值分析 |
| 4.1.3 参数x、y的初始值分析 |
| 4.1.4 其他参数的初始值分析 |
| 4.2 中欧模拟仿真与验证 |
| 4.3 本章小结 |
| 第5章 碳金融国际合作机制建议 |
| 5.1 退出与惩罚机制 |
| 5.2 碳价格调节机制 |
| 5.3 碳配额分配机制 |
| 5.4 沟通与对话机制 |
| 第6章 碳金融国际合作政策建议 |
| 6.1 设置门槛与提高违约成本 |
| 6.2 打通市场联系稳定碳价格 |
| 6.3 碳配额分配侧重公平原则 |
| 结论 |
| 参考文献 |
| 致谢 |
| 在学期间研究成果 |
（9）鼠类抗药靶基因多态性及在黄胸鼠抗药性评估中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 常用灭鼠剂的种类及毒性概述 |
| 1.2 鼠类抗药性的产生与发展现状 |
| 1.3 鼠类抗药性的形成机制 |
| 1.3.1 天然抗性 |
| 1.3.2 后天获得抗性 |
| 1.4 研究目的与意义 |
| 第二章 干旱区鼠类抗性基因的多态性及选择信号分析 |
| 2.1 实验材料 |
| 2.1.1 实验样品 |
| 2.1.2 主要试剂 |
| 2.1.3 主要仪器 |
| 2.1.4 主要数据库和软件 |
| 2.2 实验方法 |
| 2.2.1 DNA的提取 |
| 2.2.2 引物设计和PCR扩增 |
| 2.2.3 序列的收集、拼接及比对 |
| 2.2.4 序列多态性及3D结构 |
| 2.2.5 系统发育分析 |
| 2.2.6 选择压分析 |
| 2.3 结果 |
| 2.3.1 序列特征 |
| 2.3.2 系统发育分析 |
| 2.3.3 维生素K循环相关基因的选择压分析结果 |
| 2.4 讨论 |
| 第三章 我国黄胸鼠Vkorc1基因多态性及抗药性 |
| 3.1 实验材料 |
| 3.1.1 实验样品 |
| 3.1.2 主要试剂 |
| 3.1.3 主要仪器 |
| 3.1.4 主要数据库和软件 |
| 3.2 实验方法 |
| 3.2.1 PCR扩增黄胸鼠Vkorc1 基因 |
| 3.2.2 我国黄胸鼠种群遗传多态性及系统发育分析 |
| 3.3 结果 |
| 3.3.1 黄胸鼠Vkorc1基因多态性分析 |
| 3.3.2 我国黄胸鼠种群遗传结构分析 |
| 3.4 讨论 |
| 第四章 结论 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（10）生态城模式产业结构多目标优化模型及复杂性研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容与框架 |
| 1.2.1 研究内容 |
| 1.2.2 研究框架 |
| 1.3 研究方法与技术路线 |
| 1.3.1 研究方法 |
| 1.3.2 技术路线 |
| 2 理论基础 |
| 2.1 产业结构优化理论 |
| 2.1.1 区域产业结构研究 |
| 2.1.2 产业结构合理化 |
| 2.1.3 产业结构高度化 |
| 2.2 多目标优化理论发展与产业结构 |
| 2.2.1 多目标优化的概念 |
| 2.2.2 多目标优化方法的分类 |
| 2.2.3 帕累托最优解思想 |
| 2.2.4 产业集群中的优化方法 |
| 2.3 复杂网络理论的产业优化应用 |
| 2.3.1 产业关联内涵 |
| 2.3.2 复杂网络模型 |
| 2.3.3 产业复杂网络研究 |
| 2.3.4 复杂网络博弈 |
| 2.4 生态城模式的产业结构研究 |
| 2.4.1 发展路径 |
| 2.4.2 生态城模式的探索与实践 |
| 2.4.3 生态城的精准定位与规划布局 |
| 2.4.4 生态城模式的经营策略 |
| 2.4.5 生态城模式发展的未来趋势 |
| 3 基于多目标的生态城产业结构优化模型 |
| 3.1 模型背景描述 |
| 3.1.1 建筑企业发展的新模式 |
| 3.1.2 基本假设 |
| 3.2 目标函数建立 |
| 3.2.1 生态城产业结构 |
| 3.2.2 生态城需求 |
| 3.2.3 A县发展需求 |
| 3.2.4 B市发展需求 |
| 3.3 约束条件 |
| 3.4 生态城产业结构优化模型构建 |
| 3.5 模型求解算法 |
| 3.6 实际案例分析——中铁国际生态城 |
| 3.6.1 参数设定 |
| 3.6.2 优化结果 |
| 3.6.3 参数灵敏度分析 |
| 3.7 结论及研究结果的现实意义 |
| 4 基于自组织复杂网络的生态城产业结构演化模型 |
| 4.1 生态城模式的产业特征描述 |
| 4.2 生态城产业复杂网络的现实基础与演化机制 |
| 4.2.1 生态城产业演化研究的复杂网络适用性分析 |
| 4.2.2 生态城产业复杂网络的现实基础 |
| 4.2.3 生态城产业复杂网络的构成要素 |
| 4.2.4 生态城产业复杂网络的演化机制 |
| 4.3 生态城产业复杂网络演化模型 |
| 4.3.1 建模思想 |
| 4.3.2 自组织产业网络模型设计 |
| 4.4 参数设置 |
| 4.5 模型演化分析 |
| 4.5.1 网络特征分析 |
| 4.5.2 产业网络影响力分析 |
| 4.5.3 产业网络熵值分析 |
| 4.5.4 新兴产业涌现分析 |
| 4.5.5 新产业涌现的政府宏观政策引导 |
| 4.6 结论 |
| 5 生态城模式下产业复杂网络博弈分析 |
| 5.1 建模背景 |
| 5.2 生态城产业网络的基本假设及博弈机制 |
| 5.3 模型建立 |
| 5.3.1 产业复杂网络的构造 |
| 5.3.2 复杂网络内基本博弈结构 |
| 5.3.3 企业利润参照点及风险态度 |
| 5.3.4 投资策略及其累积前景效用 |
| 5.3.5 投资策略更新规则 |
| 5.3.6 产业网络博弈模型演化流程 |
| 5.4 模型演化分析 |
| 5.4.1 参数设置 |
| 5.4.2 生态城产业网络内企业利润变化 |
| 5.4.3 市场需求阈值的影响 |
| 5.4.4 参照点依赖 |
| 5.4.5 学习进化强度 |
| 5.4.6 风险态度变化强度 |
| 5.5 结论 |
| 6 中铁国际生态城产业结构形成与演化中的政策分析 |
| 6.1 中铁国际生态城产业发展概况 |
| 6.2 中铁国际生态城产业结构演化过程 |
| 6.2.1 起步阶段 |
| 6.2.2 网络基础框架形成阶段 |
| 6.2.3 网络加速演化阶段 |
| 6.2.4 网络可持续发展阶段 |
| 6.3 中铁国际生态城产业结构的网络特征 |
| 6.3.1 节点的度分布 |
| 6.3.2 产业网络的聚合系数 |
| 6.3.3 节点的影响力 |
| 6.3.4 节点熵 |
| 6.4 中铁国际生态城产业复杂网络博弈分析 |
| 6.4.1 市场需求阈值 |
| 6.4.2 有限理性的影响 |
| 7 结论与展望 |
| 7.1 本文主要研究工作及结论 |
| 7.1.1 本文主要研究工作 |
| 7.1.2 本文主要结论 |
| 7.2 主要创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 附录A 产业网络模拟仿真程序 |
| 附录B 复杂网络博弈关键程序 |
| 作者简历及攻读博士学位期间取得的研究成果 |
| 学位论文数据集 |
四、“IN”技术进化前景（论文参考文献）
- [1]基于图像处理的自动聚焦技术研究[D]. 包丞啸. 山东大学, 2021(12)
- [2]基于进化计算的约束多目标优化算法研究[D]. 袁嘉蔚. 广东工业大学, 2021(08)
- [3]脊椎动物温度受体基因的适应性进化研究[D]. 闫伊. 东北师范大学, 2021(12)
- [4]石莼属绿藻转录组测序及适应性进化机制研究[D]. 张健. 青岛科技大学, 2021(01)
- [5]花鲈Argonaute基因家族的快速进化与表达分析[J]. 刘赛赛,刘泽宇,蒋朴莹,陆维,张全启,程洁. 中国海洋大学学报(自然科学版), 2021(04)
- [6]面向多峰值和多目标问题的多解进化算法研究[D]. 赵宏. 华南理工大学, 2020(05)
- [7]注意力恢复目标下寒地大学校园空间环境设计策略研究[D]. 王诗琪. 哈尔滨工业大学, 2020(02)
- [8]碳金融的国际合作机制与政策研究[D]. 马靖森. 华北理工大学, 2020(02)
- [9]鼠类抗药靶基因多态性及在黄胸鼠抗药性评估中的应用[D]. 陈燕. 中国农业科学院, 2020(01)
- [10]生态城模式产业结构多目标优化模型及复杂性研究[D]. 吴杨. 北京交通大学, 2020(06)