生物遗传学论文遗传基因论文有关遗传算法的论文
论文遗传算法的研究和改进
遗传算法的研究和改进遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法，其应用优势在于处理传统搜索方法难以解决的复杂和非线性问题，本论文研究内容包括：小生境遗传算法的改进、自适应遗传算子的设计、免疫的进化算法。
本文主要工作如下：（1）遗传算法的起源、其基本概念以及研究概况;（2）遗传算法的基本理论.主要介绍了模式定理、积木块假说、内在并行性、Walsh模式变换、欺骗问题等;（3）基本遗传算法.主要介绍了编码、适应度函数、遗传操作等.（4）遗传算法的改进.主要介绍了分层遗传算法、CHC算法、messy遗传算法、自适应遗传算法、基于小生境技术的遗传算法、混合遗传算法等几种遗传算法的改进.（5）遗传算法的应用.关键词：遗传算法;进化计算;进化规划;进化策略;遗传操作;适应度函数;Walsh函数ABSTRACTGenetic algorithm is a kind of random searching method using lives’ natural selection and genetic mechanism. Its application predominance lies in complicated and non-linear problems, which are difficult for traditional searching methods. Three improved algorithms are proposed in the dissertation: improved niche genetic algorithm, improved adaptive genetic algorithm, genetic algorithm based on immune mechanism. They are summarized as following:Firstly, the dissertation analyses characters of several traditional genetic algorithms for niche. Following this, a new method, combined parallelism evolution technique for niches based on local competition with parent mutation mechanism, is proposed which improved the genetic algorithms for niche. Compared with genetic algorithm with sharing, it has some improvements in both converging velocity and precision.Secondly, analyzing the inadequacies of the evaluation indices for premature convergence, a novel improved adaptive genetic algorithm (IAGA) is described. The calculation result of an example shows that IAGA is able to get the real-time information of population diversity during the process of evolution.Finally, applying the immune mechanism to genetic algorithm, the immune genetic algorithm expatiated on this paper comes over the phenomenon of premature in some extent. The result of experiment shows that the global convergence and searching velocity are both improved.Keyword: genetic algorithms, evolution strategy, Walsh function第一章 绪论§1.1 引言遗传算法（Genetic Algorithm ——GA ），是一类以达尔文的自然进化论与遗传变异理论为基础的求解复杂全局优化问题的仿生型算法[1]。
遗传算法及其应用浅析论文_本科论文
专业选修课期末考核（论文）遗传算法及其应用浅析学院：专业：班级：学号：学生姓名：指导教师：2015年 6 月 1 日贵州大学贵州大学论文（设计）诚信责任书本人郑重声明：本人所呈交的毕业论文（设计），是在导师的指导下独立进行研究所完成。
毕业论文（设计）中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。
特此声明。
论文（设计）作者签名：日期：目录第一章绪论 (4)第二章遗传算法介绍 (5)2.1遗传算法介绍 (5)2.2遗传算法的产生和发展 (5)2.3 遗传算法的基本求解步骤 (6)2.3.1 编码： (6)2.3.2初始化： (6)2.3.3估计适应度： (6)2.3.4再生(选择): (6)2.3.5 交叉: (6)2.3.6 变异： (6)2.3.7 重复： (7)2.4 遗传算法流程图： (7)第三章遗传算法的应用概述 (8)3.1 TSP 问题描述 (8)3.2 遗传算法用于TSP 问题 (9)3.2.1 编码表示 (9)3.2.2 初始化群体和适应度函数及其终止条件的设定 (9)3.2.3 选择算子 (10)3.2.4 交叉算子 (10)3.2.5 变异算子 (11)3.2.6 TSP问题的总结 (11)第四章应用举例 (12)4．1 问题陈述 (12)4．2 详细解答过程 (12)4.2.1 问题分析 (12)4.2.2 实验原理与数学模型 (13)4.2.3 MATLAB求解结果 (15)4．3 求解结果验证与反思 (16)第五章附录 (17)5．1 Matlab程序代码 (17)参考文献 (22)【摘要】：遗传算法（Genetic Algorithm,GA）是近年来迅速发展起来的一种全新的随机搜索与优化算法，是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应搜索算法。
它的研究历史比较短，早期是一种试图解释自然系统中生物的复杂适应过程入手，模拟生物进化的机制来构造人工系统的模型。
基于遗传算法的优化设计论文[5篇]
![基于遗传算法的优化设计论文[5篇]](https://img.taocdn.com/s3/m/cad20e2c974bcf84b9d528ea81c758f5f61f2985.png)
基于遗传算法的优化设计论文[5篇]第一篇：基于遗传算法的优化设计论文1数学模型的建立影响抄板落料特性的主要因素有:抄板的几何尺寸a和b、圆筒半径Ｒ、圆筒的转速n、抄板安装角β以及折弯抄板间的夹角θ等［4，9］。
在不同的参数a、β、θ下，抄板的安装会出现如图1所示的情况。
图1描述了不同参数组合下抄板的落料特性横截面示意图。
其中，图1(a)与图1(b)、图1(c)、图1(d)的区别在于其安装角为钝角。
当安装角不为钝角且OB与OC的夹角σ不小于OD与OC夹角ψ时(即σ≥ψ)，会出现图1(b)所示的安装情况;当σ＜ψ时，又会出现图1(c)与图1(d)所示的情况，而两者区别在于，η+θ是否超过180°，若不超过，则为图1(c)情况，反之则为图1(d)情况。
其中，点A为抄板上物料表面与筒壁的接触点或为物料表面与抄板横向长度b边的交点;点B为抄板的顶点;点C为抄板折弯点;点D为抄板边与筒壁的交点;点E为OB连线与圆筒内壁面的交点;点F为OC连线与圆筒内壁面的交点。
1．1动力学休止角(γ)［4，10］抄板上的物料表面在初始状态时保持稳定，直到物料表面与水平面的夹角大于物料的休止角(最大稳定角)时才发生落料情况。
随着转筒的转动，抄板上物料的坡度会一直发生改变。
当物料的坡度大于最大稳定角时，物料开始掉落。
此时，由于物料的下落，物料表面重新达到最大稳定角开始停止掉落。
然而，抄板一直随着转筒转动，使得抄板内物料的坡度一直发生改变，物料坡度又超过最大休止角。
这个过程一直持续到抄板转动到一定位置(即抄板位置处于最大落料角δL时)，此时抄板内的物料落空。
通常，在计算抄板持有量时，会采用动力学休止角来作为物料发生掉落的依据，即抄板内的物料坡度超过γ时，物料开始掉落。
该角主要与抄板在滚筒中的位置δ、动摩擦因数μ和弗劳德数Fr等有关。
1．2抄板持有量的计算随着抄板的转动，一般可以将落料过程划分为3部分(Ｒ－1，Ｒ－2，Ｒ－3)，如图1(a)所示。
遗传学论文范文精选3篇(全文)
遗传学论文范文精选3篇1教学内容改革传统的医学遗传学教学内容分为理论和实验两部分，以理论部分为主，涵盖遗传的物质基础、遗传突变、遗传病以及优生等内容；而实验部分较少，只有切片制作与观察、染色体制备与核型分析等几个实验。
虽然这样的设置内容覆盖面广，但受课时所限，面面俱到的讲解只如蜻蜓点水，不够深入，而且理论部分比重远高于实践部分，不利于学生综合能力培养。
因此，应优化理论教学内容，增加实验教学内容，突出讲授内容的针对性，提高教学效果。
基于该思路，可从以下几方面进行改进。
1.1优化理论内容，实行模块化教学对一些基本概念，例如基因的概念、遗传的物质基础、三大遗传学定律等，学生在高中已经学习过，应当删减；而关于细胞增殖、染色体等知识，学生也有一定了解，且在后续课程中还要涉及，可适当略讲，但要突出重点。
教学重点应集中在染色体畸变及单基因遗传方面，学生掌握这些原理后再学习相应的疾病，从而循序渐进地掌握不同类型遗传病的发病原因、临床症状、诊疗手段以及优生咨询等临床应用性较强的知识。
这样从原理深入临床，便于学生逐步理解并掌握医学遗传学知识。
除对知识点进行优化外，还应对教学内容进行模块化分类，使学生在整体上对知识进行学习和把握，提高学习效果。
教学内容可分为基本概念模块、基因遗传病模块、染色体遗传病模块以及遗传病的诊断治疗与优生模块。
其中基本概念模块主要包括绪论、细胞与遗传知识、基因的结构与功能、染色体结构与分类等，这些知识涉及大量遗传学概念、原理，是学习医学遗传学的基础，适合在课程初期进行教学；基因遗传病模块主要包括遗传突变与修复，单基因遗传病和多基因遗传病的发病机制、传递规律以及群体遗传相关知识；染色体遗传病模块主要包括染色体畸变、染色体病、造成染色体病的因素及防范措施；遗传病的诊断治疗与优生模块和临床联系紧密，可以作为一个整体在学期最后进行教学。
教学内容的模块化分类，使医学遗传学知识结构性、连贯性更强。
1.2调整实验项目，增加临床实践实验教学是将理论知识转化为实践技能的有效途径，但受课时限制，实验项目少，且以验证性实验为主，与临床联系不紧密。
遗传算法新论文【精品毕业设计】(完整版)
学校代码 10126 学号 00708037 分类号密级本科毕业论文基于遗传算法的图像阈值分割学院、系数学科学学院计算数学系专业名称信息与计算科学年级 2007级学生姓名刘家祥指导教师曹军2011年 5月 20 日内容摘要图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。
图像的分割是以灰度值作为分割的依据,通过各个像素的灰度值和事先确定的阈值的比较来分割图像。
如何确定最合适的阈值是处理好图像分割的关键,这自然成为一直以来分割算法研究的焦点。
遗传算法是对生物进化论中自然选择和遗传学机理中生物进化过程的模拟来计算最优解的方法。
遗传算法具有众多的优点,如鲁棒性、并行性、自适应性和快速收敛,可以应用在图像处理技术领域中图像分割技术来确定分割阈值。
本文主要介绍基于遗传算法的最小误差阈值法、最大类间方差法（Otsu法）以及最佳直方图熵法(KSW熵法)等三种方法分割图像。
关键词：图像分割，遗传算法，阈值分割AbstractImage segmentation refers to the image into regions each with characteristics and goals of the technology to extract and process of interest. Segmentation is a segmentation based on gray value, gray value of each pixel through the predetermined threshold value and comparing the image segmentation. How to determine the most appropriate threshold is the key to handling image segmentation, which has naturally become the focus of segmentation algorithms.Genetic algorithm is a biological theory of evolution and genetic mechanism of natural selection in biological evolution simulation method to calculate the optimal solution. Genetic algorithm has many advantages, such as robustness, parallel, adaptive, and fast convergence, can be used in the field of image processing image segmentation technique to determine the split threshold.In this paper, genetic algorithm based on minimum error threshold, the largest class variance (Otsu method) and the best histogram entropy (KSW entropy method) are three ways to split the image.Keywords : Image segmentation, genetic algorithms, threshold目录第一章绪论 .................................................. - 1 - 第二章遗传算法概述 ........................................ . - 2 -2.1遗传算法的研究历史....................................... - 2 -2.2生物背景................................................. - 2 -2.3遗传算法的基本思想....................................... - 3 -2.4遗传算法的几个概念....................................... - 4 -2.4.1适应度函数......................................... - 4 -2.4.2遗传算法最常用的算子............................... - 4 -2.5遗传算法运算的基本流程................................... - 5 - 第三章图像分割的现状 ........................................ - 7 -3.1图像分割简介............................................. - 7 -3.2图像分割方法............................................. - 8 -3.2.1基于边缘检测的分割................................. - 8 -3.2.2基于区域的分割..................................... - 8 -3.2.3边缘与区域相结合的分割............................. - 9 -3.3阈值选取................................................. - 9 - 第四章基于遗传算法的图像阈值分割 ........................... - 10 -4.1图像阈值................................................ - 10 -4.2阈值分割的原理.......................................... - 10 -4.3最小误差阈值法.......................................... - 11 -4.3.1最小误差法图像阈值分割............................ - 11 -4.3.2 利用遗传算法来改进最小误差法...................... - 12 -4.4 最大类间方差法（Otsu法）............................... - 13 -4.4.1最大类间方差法（Otsu法）阈值分割.................. - 13 -4.4.2 Otsu阈值分割的遗传算法设计........................ - 15 -4.5 KSW熵法................................................ - 17 -4.5.1 KSW熵阈值分割................................... - 17 -4.5.2 KSW单阈值分割的遗传算法设计..................... - 18 -4.5.3 KSW双阈值分割的遗传算法设计..................... - 19 - 第五章基于新的遗传算法的图像分割 ........................... - 25 -5.1混沌遗传算法............................................ - 25 -5.2量子遗传算法............................................ - 25 -5.3免疫遗传算法............................................ - 25 - 结论 .......................................................... - 26 - 致谢 .......................................................... - 27 - 参考文献: ..................................................... - 28 -内蒙古大学本科学年论文第- 1 - 页基于遗传算法的图像阈值分割第一章绪论图像分割是图像处理与计算机视觉的基本问题之一，是图像处理到图像分析的关键步骤。
遗传算法论文：浅谈遗传算法的研究与改进
遗传算法论文：浅谈遗传算法的研究与改进【摘要】遗传算法是模拟自然界生物进化机制的概率性搜索算法，可以处理传统搜索方法难以解决的非线性问题。
但是经典遗传算法存在局部收敛、收敛速度慢等缺点，这使得经典遗传算法有时很难找到全局最优解。
本文针对经典遗传算法中所存在的缺点，采用阶段式的适应度函数、基于竞争机制的交叉方式和仿粒子群变异操作，使遗传算法的收敛速率、全局收敛概率都得到了较大的提高。
【关键词】遗传算法适应度交叉操作仿粒子群变异一遗传算法遗传算法（genetic algorithm，简称ga）是holland 在研究自然遗传现象与人工系统的自适应行为时，模拟生物进化现象，并采用自然进化机制来表现复杂现象的一种全局群体搜索算法。
遗传算法的基本思想起源于darwin进化论和mendel的遗传学说。
作为一类智能计算工具和学习算法，由于其实现简单、对目标函数要求不高等特性，遗传算法已广泛应用于如人工智能、组合优化等研究领域。
1．遗传算法的优越性遗传算法（genetic algorithm）利用某种编码技术作用在称为染色体的二进制串上，模拟由这些串组成的个体的进化过程。
通过有组织的、随机的信息交换来重新结合那些适应性好的串，在每一代中，利用上一代串结构中适应性好的位和段来形成一个新的串的群体，同时在串结构中尝试用新的位和段来代替原来的部分以形成新的个体，以增加种群的多样性。
遗传算法的最大优点是能够通过群体间的相互作用，保存已经搜索到的信息，这是基于单次搜索过程的优化方法所无法比拟的。
但是，遗传算法也存在着计算速度较慢，并且容易陷入局部最优解的问题中。
遗传算法的优越性归功于它与传统搜索方法不同的特定结构。
第一，遗传算法的操作对象是编码，对问题的限制极少，对函数的一些约束条件如连续性、可导性等不做要求，减少了要解决问题的复杂性。
第二，遗传算法同时搜索解空间内的许多点，因而可以有效地防止搜索过程中收敛到局部最优解，并获得全局最优解，与其他单点搜索的方法相比，在计算时间上也有较大的优势。
关于遗传算法的研究毕业论文
摘要：在本篇论文主要讨论的是通过介绍生物的遗传问题，什么是遗传算法（genetic Algorithm），遗传算法的性质，应用，传统遗传算法的基本步骤和遗传算法的目前的发展趋向等等内容，使大家得到关于遗传算法的比较深厚的了解。
中文关键词：遗传；遗传算法；染色体；基因；基因地点；基因特征值；适应度英文关键词：Genetic；Genetic Algorithm；Chronmosome；Gene；Locus；Gene Feature；Fitness1、生物的遗传问题与自然选择：众所周知，生命的出现，变化以及其消亡是必然的。
在地球上最早的生命出现以来，在自然界中多种多样的生物一起存在着并且生命的形式与物种不断发生着变化。
由于不同原因，一些物种相继消亡，有一些物种得以生存到现在且还有一些生物改变到另一种生物。
那么到底是什么原因导致这种情况呢？我们先看一下达尔文的自然选择学说的主要内容。
达尔文的自然选择学说是一种被人们广泛接受的生物进化学说。
这种学说认为，生物要生存下去，就必须进行生存斗争。
生存斗争包括种内斗争、种间斗争以及生物跟无机环境之间的斗争三个方面。
在生存斗争中，具有有利变异的个体容易存活下来，并且有更多的机会将有利变异传给后代；具有不利变异的个体就容易被淘汰，产生后代的机会也少的多。
因此，凡是在生存斗争中获胜的个体都是对环境适应性比较强的。
达尔文把这种在生存斗争中适者生存，不适者淘汰的过程叫做自然选择。
它表明，遗传和变异是决定生物进化的内在因素。
自然界中的多种生物之所以能够适应环境而得以生存进化，是和遗传和变异生命现象分不开的。
总之，在这个问题中，我们把主要原因概括在下列两个方面：一个是自然界为生命存在方式所提供的条件即有些生物由于对自然界的适应能力比较强，它们都能适应自然环境的各种变化，反而，还有一些生物的适应能力比较弱，所以它们不能适应自然环境和资源的变化并且很容易就被自然界淘汰。
原因之二是生物自身的遗传与变异功能。
人工智能遗传算法论文
人工智能遗传算法论文本文对遗传算法在人工智能方面的应用进行介绍, 通过遗传算法对全局运动估计的解决方案进行分析, 最后就人工智能在算法的发展方向方面进行了展望和总结。
以下是店铺整理分享的人工智能遗传算法论文的相关资料, 欢迎阅读!人工智能遗传算法论文篇一摘要: 本文对遗传算法在人工智能方面的应用进行介绍, 通过遗传算法对全局运动估计的解决方案进行分析, 最后就人工智能在算法的发展方向方面进行了展望和总结。
所谓人工智能, 就是人工的方法通过计算机实现智能化功能, 或者说是人们使用机器模拟人类的智能。
由于人工智能是在机器上实现的, 所以又称为机器智能。
从另一个角度来看, 人工智能是研究怎样使计算机来模仿人脑从事的推理、证明、识别、理解、设计、学习、思考、规划及问题求解等思维活动, 来解决人类专家才能处理的复杂问题。
人工智能的算法很多, 包括遗传算法、进化算法、蚁群算法和专家系统、神经网络等。
1 遗传算法遗传算法的思想是先确定编码方案, 对待寻优的缺陷特征参数进行编码, 按一定规模初始化种群, 种群中的每一个各体就代表了一个可能的解;然后根据适应度值函数计算每一个各体的适应度值并依此决定遗传操作。
根据预先确定好的种群选择方案, 按一定的概率对种群进行交叉、变异得到下一代, 直到遗传算法的终止条件得到满足。
与传统的优化算法相比, 具有的优缺点如下:1.1 遗传算法优点。
不是从单个点, 而是从多个点构成的群体开始搜索。
之所以说是从多点而不是从单点出发, 那是因为整个算法的开始是从一个初始种群开始搜索演练最优解, 是从多个点开始搜索进化寻找, 这样的做的一个好处是避免局部寻找最优解, 从任一解出发, 按照某种机制, 以一定的概率在整个求解空间中探索最优解。
由于它们可以把搜索空间扩展到整个问题空间, 因而具有全局优化性能。
同时也缩短了整个搜寻额时间, 整体上效率更高、结果更接近最优解。
实现简单, 没有复杂的数学计算, 在算法中, 一般都有大量且复杂的计算作为整个算法的支撑, 同时数学计算也是一步比较耗资源和时间的操作, 然后在遗传算法中, 在搜索最优解过程中, 只需要由目标函数值转换得来的适应度信息再加上简单的比较, 而不需要导数等其它辅助信息, 操作流程也比较简单, 没有过多的转换控制操作, 中间也没有多少中间变量, 算法具有较强的自适应性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Theory Research学论理★★★★收稿日期：2010-10-10作者简介：李洪山（1965-），男，江苏盐城人，副教授，博士，从事生物学科教学与研究。
普通工科院校生物类专业遗传学课程体系的构建与优化李洪山，赵卫红，申玉香，封功能（江苏盐城工学院化学与生物工程学院，江苏盐城224051）遗传学是研究生物遗传和变异规律的科学，是生命科学体系中的一门十分重要的理论科学，也是一门联系生产实际的基础科学[1]。
在诸多生物学类专业如生物科学、生物技术、植物生产技术、海洋技术、生物工程等专业课程体系中是一门重要的专业基础课，遗传学课程建设状况、教学水平和研究水平是衡量生物学相关学科、专业整体水平的一个重要标准[2]，遗传学课程在不同层次的院校、不同的专业及专业的不同发展方向上有着不同的侧重内容，如在一些“985”、“211”院校中的生物类专业中注重于基础理论及研究技术，有些还开设双语教学，使用原版外文教材，目前在大多数普通院校中则在讲授遗传学基本知识的基础上，偏重于实践应用，高等院校遗传学课程体系不可能是千篇一律，在不同层次院校、不同生物类专业等方面各有要求，形成特色。
现以盐城工学院生物类专业为例探讨遗传学课程体系的构建与优化。
一、遗传学课程体系构建原则1.课程体系要与学校的发展方向相协调盐城工学院是一所省市共建、服务地方的普通院校，是以教学和应用型科研为主的普通工科院校,在学校发展上是注重应用型科学研究，培植和发扬产学研优势，在人才培养上是注重实践、服务地方、发展地方特色，要求学生较全面掌握相关的自然科学和工程技术科学的基本理论和规律,具有全面的专业知识,了解本专业和相关专业的学科前沿和发展动态,在能力上应具有较强把理论知识和技术转化为生产力的能力;具有较强的实践操作能力;具有较强的学习新知识和新技术的能力的本科应用型创新技术人才，盐城工学院诸多课程都是重在于基础，重在于实践，遗传学课程亦不例外。
2.课程体系要与生物类专业建设方向相协调盐城工学院目前开设有海洋技术、生物工程、农学及食品科学与工程四个生物类相关专业，在这些生物类专业建设中都具有一个共同点，即是以生物材料为研究对象，注重于应用,并不是钻研高端的生命科学理论。
盐城工学院的生物类专业建设中也应密切地方经济发展特色,开展复合型、技术应用型人才的培养,培养出可以以生物科学为基础,运用先进的科学原理和工程技术手段来研究生物应用的专门人才为主。
遗传学是课程体系中重要的专业基础课之一，是生物类课程的核心与纽带，其一方面是生物科学的基础理论，另一方面也是其他一些生物学课程的基础。
遗传学课程体系应该注重基础理论及能够实际应用。
3.课程体系要与学生的高中生物知识相协调盐城工学院的生源绝大多数是江苏省省内的，在本科第二批录取序列中，学生水平能力绝大多数处于中等，加之目前江苏省高中阶段实行了选科制度，入校生中部分选学了高中生物课，在高中生物课程中涉及了一些遗传学科普性知识，如遗传学中的细胞分裂、遗传三大定律，由此本科遗传学课程体系设置要考虑所在班级的生源实况，逐渐选招专修高中生物课程的学生就读生物类专业。
二、遗传学课程体系的构建遗传学是研究基因的结构、功能及其变异、传递和表达规律的学科。
遗传学的研究范围包括遗传物质的本质、遗传物质的传递和遗传信息的实现三个方面。
针对遗传学主干内容的理论性与实践性、基础性与前沿性，结合学校专业的发展特色，以朱军主编《遗传学》和张建民主编《现代遗传学》为主要教学资料[1,3]，将盐城工学院生物类专业遗传学课程体系分为核心知识模块、理论提高模块和专业摘要：遗传学是生物类专业课程体系中的主要组成部分，普通工科院校中遗传学课程体系设置要遵照与学校发展目标、专业建设方向和生源生物知识背景相协调的原则，课程体系由核心知识模块、理论提高模块和专业方向模块三部分组成，在不同专业中可适当调整，在实践中辅以讲授方法的改进，已取得良好效果。
关键词：普通工科院校；遗传学；课程体系；构建与优化中图分类号：G 642.3文献标志码：A 文章编号：1002-2589（2010）33-0274-02274Construction and Optimization of Genetics Course System in General Engineering CollegeLI Hong-Shan ，ZHAO Wei-hong,SHEN Yu-xiang,Feng Gong-neng （College of Chemistry and Biological Engineering ,Yancheng Institute of Technology,Yancheng 224051,China ）Abstract:G enet ics is a prim ary com ponent ??in biological specialt y courses syst em ,and t he cont ent of genet icscourse syst em should been in accord w it h t he developm ent goals of college,orient at ion of specialt y and biological background of st udent s.The genet ics course syst em w ere com posed of basic know ledge m odule??,t heory im proving m odule and specialt y orient at ion m odule.They could be adj ust ed in dif f erent specialt y.N ow t he bet t er ef f ect has been achieved w it h assist ant s of bet t erm ent of t eaching m et hods.Key words:G eneral Engineering C ollege;G enet ics;C ourse Syst em ;C onst ruct ion and O pt im izat ion（责任编辑/许广东）发展模块三个部分，全部课程讲授学时在60h 以上。
1.核心知识模块主要是遗传学的基础内容，由遗传学发展史、遗传的物质基础、遗传学三大定律、性状变异机制、细胞质遗传以及个体发育与基因调控等6方面组成，总授课时至少32h 。
具体来说遗传学发展史包括遗传学基本概念、发展简史和学习方法等内容；遗传的物质基础包括细胞学基础、分子基础两个方面，细胞学基础内容重点讲授染色体结构、细胞分裂和染色体周史，分子基础主要包括基因的本质、核酸的结构和复制、DNA 转录、蛋白质生物合成、遗传信息和遗传密码、中心法则及其发展等等，在其中涉及到分子生物学的内容，如复制过程、转录过程、蛋白质的合成过程及其加工等，这些则仅仅讲授纲领型和概念性内容；遗传学三大定律包括分离定律、自由组合定律、连锁交换定律以及性别决定与伴性遗传，并利用基因的概念解释三大定律；在性状变异机制方面主要包括染色体结构和数目的变异、基因突变以及变异的检测与修复等几个方面；细胞质遗传包括母体遗传、细胞质遗传的物质基础和植物雄性不育的遗传等内容；个体发育和基因调控内容主要包含细胞核和细胞质在个体发育中的作用、细胞的全能性、生物的基因调控等方面，将基因调控方面的主要内容分流在分子生物学课程中，在遗传学课程中仅仅从不同调控水平上讲授概述。
2.理论提高模块主要包括微生物遗传、数量遗传与杂交优势、群体遗传与生物进化、模式生物、生物种质资源、遗传学研究新技术等6个方面内容，讲授课时16h 以上。
微生物遗传主要包括真菌、细菌、病毒、噬菌体等生物的遗传分析，重点是遗传基因定位及遗传重组；数量遗传与杂交优势的内容主要包括数量性状、多基因遗传、遗传力分析、近亲繁殖、杂交优势等；群体遗传与生物进化方面主要包括群体的遗传结构和变化规律，主指群体的遗传平衡及其影响因素、物种形成；模式生物章节包括模式生物的特点、作用、主要模式生物种类及其在遗传学研究成果中作用；生物种质资源主要讲授遗传多样性，包括遗传多态性、染色体多态现象、限制性片段长度的多态性、蛋白质的遗传多态性；遗传学研究新技术与分子生物学研究技术有一定相容性，主要包括DNA 操作技术、PCR 技术和转基因技术为主的基因工程技术。
3.专业方向模块以各专业发展方向为主题内容开设5~6个专题讲座，总课时在12h 左右。
如在海洋技术专业方向上开设海洋资源藻类的筛选开发、鱼类育种、滩涂盐土植物资源育种、水产饲料高产发酵菌筛选、基因克隆技术等方面主题讲座；在农学专业方向开设作物育种方法与应用、转基因抗虫技术、遗传学研究进展与前沿、生物源农药工程菌的筛选等方面主题讲座。
三、课程体系优化及讲授方法的改进与实践盐城工学院生物类专业遗传学课程体系组成分为三个模块，其中核心知识模块是遗传学课程的必授内容，理论提高模块和专业发展模块可以在具体实践中根据专业总体课程计划有所取舍，在盐城工学院海洋技术专业遗传学课程教学实践中，根据这个理念构建了遗传学课程体系，将核心知识模块和理论提高模块作为主要讲授内容，总课时48h ，目前在学科前沿讲座中开设了部分专业发展模块的内容，在课程讲授过程中注重教学方法的改进，做到了理论讲授与课堂讨论相结合、灵活运用多媒体、开设专题讲座加深理解课程内容，并用大量标本图片展示弥补实验实践的不足，已经取得了良好的教学效果。
参考文献：[1]朱军.遗传学：第3版[M ].北京:中国农业出版社,2002.[2]李洪山,赵卫红.普通工科院校海洋技术专业《遗传学》教学实践与思考[J].学理论,2009,（2）:157-158.[3]张建民.现代遗传学[M ].北京:化学工业出版社,2005.J ia o Yu S h iJ ia n Ya n J i u ☆教育实践研究☆275。