印度国家水稻研究所(ICAR)早在 1989 年开展系统研究之前就已率先在印度推广杂交水稻技术。自成立以来,研究所取得了令人瞩目的进展,并将三种流行的杂交品种商业化,即 Ajay(125-130 天)、Rajalaxmi(125-130 天;硼肥下 168 天)和 CR Dhan 701(140-145 天),用于灌溉和雨养浅低地生态系统。此外,该研究所还开发了 50 多个稳定的 CMS 系(WA、Kalinga-I 和 O. perennis 等 MS 细胞质)、保持系和 100 多个良好的恢复系,以进一步促进 HR 育种。杂交品种 CR Dhan-701 适合奥里萨邦、比哈尔邦和古吉拉特邦的灌溉和浅洼地地区,在低光照地区也能生长,因此在印度东部各邦具有广阔的发展空间,因为这些地区雨季的低光照限制了杂交品种/品种的潜在表现。中生杂交品种 Rajalaxmi 适合在奥里萨邦的灌溉和浅洼地地区以及阿萨姆邦和奥里萨邦的博罗地区种植。它具有幼苗期耐寒性,因此适合博罗地区。Ajay (CRHR7) 是一种中生杂交品种,结出细长 (LS) 谷粒,已在奥里萨邦的灌溉和浅洼地地区推出。
1.B.1. 使用遗传算法进行监督学习的有效特征选择(Hilda & Rajalaxmi,2015) 1.B.2. PHGA:用于二元分类特征选择的混合遗传算法(Khiabani & Sabbaghi,2017) 1.B.3. 使用改进的遗传算法和经验模态分解进行 ECG 信号处理的特征选择(Anderson,2015) 1.B.4. 用于支持向量机同时进行模型和特征选择的多目标遗传算法(Bouraoui、Jamoussi & BenAyed,2018) 1.B.5. 基于遗传算法的亲属关系验证特征选择(Alireza-zadeh、Fathi & Abdali-Mohammadi,2015) 1.B.6. 1.B.1. 基于遗传算法和粒子群优化混合的特征选择 (Ghamisi & Benediktsson, 2015) 1.B.2. 基于遗传算法和粒子群优化混合的特征选择 (Ghamisi & Benediktsson, 2015) 1.B.3. 基于遗传算法和粒子群优化混合的特征选择 (Ghamisi & Benediktsson, 2015) 1.B.4. 基于遗传算法和粒子群优化混合的特征选择 (Ghamisi & Benediktsson, 2015) 1.B.5. 基于遗传算法和粒子群优化混合的特征选择 (Ghamisi & Benediktsson, 2015) 1.B.6. 基于遗传算法和粒子群优化混合的特征选择 (Ghamisi & Benediktsson, 2015) 1.B.7. 基于遗传算法的特征选择结合双重分类用于增生性糖尿病视网膜病变的自动检测 (Welikala, Fraz, Dehmeshki, Hoppe, Tah, Mann, Williamson, & Barman, 2015b) 1.B.8. 基于增强遗传算法的混合特征选择用于文本分类 (Ghareb, Bakar, & Hamdan, 2016) 1.B.9. DWFS:一种基于并行遗传算法的包装器特征选择工具 (Soufan, Kleftogiannis, Kalnis, & Bajic, 2015) 1.B.10.基于遗传算法的特征选择方法用于高效的文本聚类和文本分类 (Hong, Lee, & Han, 2015) 1.B.11. 具有积极突变的遗传算法用于 BCI 特征空间中的特征选择 (Rejer, 2015)