基于改进型果蝇算法的无性系种子园设计

种子园的规划设计是林木育种的基础工作,在亲本数量不确定的前提下,最大限度避免种子园内无性系之间近交繁殖,保证种子园具有较高的遗传效益,是种子园设计的目标。以内蒙古红花尔基樟子松(Pinussylvestris var.mongolica)国家良种基地的1、1. 5、2代种子园樟子松无性系通过SSR等技术分析得到的不同亲本之间的遗传距离为数据支撑,考虑复杂的亲本关系,通过改进的智能优化算法进行种子园设计,并将最终结果与其他智能优化算法和传统算法的结果进行对比分析。结果表明:改进型果蝇算法的收敛速度和效果优于其他算法,由所有算法分别执行200次之后的对比结果中可见,其最大值低于其他算法的最小值。在完全随机算法设计方案中存在多处同一无性系分株相邻出现,遗传算法和改进型果蝇算法设计方案并无同一无性系分株作为近邻出现且改进型果蝇算法设计方案的优先交配优于遗传算法设计方案。结果表明,基于遗传距离处理亲本复杂的亲缘关系,采用智能优化算法进行方案配置,可以为高世代种子园设计提供参考。

高世代种子园营建的一些技术问题

根据我国营建高世代种子园发展需要及现实中存在的问题,从种子园亲本材料选择、种子园设计、种子园植株管理、育种群体组建及长期育种计划制定等方面分析了营建高世代种子园的条件及需要注意的技术问题。

无性系种子园最小近交配置研究

为避免无性系之间自交和近交繁殖,使种子园内无性系尽可能保持花期一致性,促进亲本有效授粉,提高种子产量和质量,以内蒙古红花尔基樟子松(Pinus sylvestris var.mongolica Litv.)国家良种基地中的樟子松为无性系材料,随机选取13株无性系樟子松,采用SSR(Simple sequence repeats)分子标记法,利用Gene Marker V2.2软件得到樟子松亲本间的遗传距离,设定花期和花粉传播范围作为实验数据,进行种子园无性系设计。提出双种群改进型自适应步长的果蝇优化算法(Two-population improved adaptive step-length fruit fly optimization algorithm,TIASFOA),并与改进果蝇优化算法(Improved fruit fly optimization algorithm,IFOA)、粒子群算法(Particle swarm optimization,PSO)、遗传算法(Genetic algorithm,GA)进行对比实验,从适应度、收敛性和1~3 m授粉范围内花期相邻或相同的无性系数量3方面进行对比分析。在遗传距离、花期和花粉量已知的条件下,在种群规模为20~60的范围内分别执行200次迭代实验,对适应度进行分析,结果显示,TIASFOA算法的平均值、最大值、最小值和方差比IFOA、PSO、GA算法都小;当种群规模为20时,TIASFOA算法相同或相邻花期的无性系数量之和的平均值分别为125和204,大于其他3种算法,TIASFOA算法可以得到较优适应度为133.016,与种群规模为50时的最小值132.733相差0.283;TIASFOA算法可以获得较优的适应度,并使无性系之间尽量保持花期一致。以遗传距离、花期和花粉量作为种子园设计的约束条件,更贴近生产环境,为无性系种子园优化设计提供了参考。

营建加密初级种子园的方法

为了使初级种子园尽快改建成第一代无性系种子园,采用营建初级加密种子园的方案,并详细介绍了建立及疏伐改建的具体做法。