论文部分内容阅读
当前,我国林木工作已经获得不少成就,种子园的营建工作也正在向高世代改良发展,在发展过程中种子园内的林木种类和数量必然会不断减少,最终将面临近交衰退问题。为了减少无性系亲本及其分株之间的近交和自交繁殖,以及花期不遇和花粉量不足的现象,本文将基于樟子松无性的遗传距离,以及模拟的亲本花期和花粉量数据,进行无性系种子园设计。果蝇优化算法是一种简单且全局寻优能力强的智能优化算法,并已在不同领域上得到了广泛应用。本文采用了果蝇优化算法来解决无性系种子园设计问题,并针对种子园设计问题的特征对标准的果蝇优化算法进行了改进。首先,本文设计了步长改进型果蝇优化算法(Step-modified improved fruit fly optimization algorithm,SIFOA),应用在基于遗传算法的无性系种子园设计中,并与传统设计方法和其他智能优化算法进行对比。结果表明,所有算法分别执行200次之后SIFOA的最大值低于其他算法的最小值;在最终的种子园设计方案中,完全随机设计方案存在多处同一无性系的分株作为近邻,而SIFOA无此现象,实验数据中遗传距离最大的两个无性系出现比例高于遗传算法,可见SIFOA更利于无性系杂交。然后,设计了双种群改进型自适应步长果蝇优化算法(Two-population improved adaptive step-length fruit fly optimization algorithm,TIASFOA),将并将 SIFOA 和TIASFOA算法应用于综合了花期和花粉量的无性系种子园设计中。结果表明,在设计方案中,TIASFOA可以使无性系之间尽量保持花期一致和充足的花粉量;在种群规模在20-60范围内两个算法分别执行200次,平均、最大、最小和方差的适应度值TIASFOA比 SIFOA都更小,当种群较小时,TISFOA稳定性具有明显优势。