传统的概率积分法求参方法虽能较为精确地反演参数,但存在对工作面的类型以及测站的布设要求高、计算工作量大、效率低等不足,智能算法为精确确定概率积分模型最优参数提供了新方法。为探究不同智能优化算法在概率积分法求参过程中的性能,采用Matlab编程语言编写了模矢法、遗传算法、文化-粒子群算法、粒子群算法、果蝇算法和蚁群算法的运算程序,或通过模拟试验,分别从算法的反演准确性、稳定性、抗误差干扰能力、全局寻优能力以及运行效率等方面进行了对比与分析。结果表明 当参数初值接近真值时,模矢法的反演准确性和效率最高;当参数初值与真值相差较大时,模矢法会陷入局部最优解,此时遗传算法的反演准确性和稳定性最强。从参数反演准确性和效率综合考虑,当参数范围已知时,最优算Tideglusib法为模矢法;当参数范围未知时,最优算法的选择依次为文化-粒子群算法、遗传算法、果蝇算法、粒子群算法、蚁群算法和模矢法。
形态学性状差异是物种遗传多样性的主要表现方式，为了探索引进文冠果种质的亲缘关系，以便对其育种和栽培利用进行深入研究。本实验对来自6个地区的11份文冠果(Xanthoceras sorbifSRT2104体外olium Bunge)种质进行形态学观察，并利用欧氏遗传距离聚类的方法进行亲缘关系分析。结果表明，11份供试种质在表型性状存在明显差异，采用综合指标分析后11份供试种质共分为3类：第Ⅰ类包括BD12、株系2、建34、BD16、G27、G13、G9、Q8、建2九份材料；第II类为BD特异一份种质；第III类为S3一份种质。本研究结果可为引进种质今后在引入地育种、新品种培育栽培利用过程中提供理论依据。