log

xxx 打开日志文件xxx（如果重定向输出，请使用stdout）

+xxx 以追加模式打开/关闭当前日志文件

/ 关闭当前日志文件

lintrees

= 以 Linux 格式绘制树（默认）

- 不要

* 使用命令召回

length

N 报告树 N 的树长

!N 相同，但是软多分支（polytomies）

lik

T/C 计算树（T）和性状（C）的似然度（单一速率，仅适用于Jukes-Cantor）。使用lset设置。

lmark

映射和处理二维和三维数据（landmarks）。

ambig 在歧义情况下指定选择哪些点（很少需要，因为歧义很少出现）。

`   ambig YxZ C`    先选择`Y`最大值，如果歧义依然存在则选择`x`最小值，如果歧义依然存在则选择`Z`最大值（未指定坐标的歧义随机解决），适用于性状`C`。

    `ambig * C` 随机选择（=默认）。

    `ambig ;`   显示当前设置。

cells N 将网格划分为N个单元格

[no]confsample 计算相对Bremer支持率或重采样时，对整个配置进行采样（no=单个地标）

connect 定义显示点之间的连接。格式是lmark connect C La-Lb Ld-Le Ld-La ;。这定义了从地标A到B、D到E和D到A的线条（“线框”），适用于配置C。这仅用于图，不影响任何计算。要指定更多配置的连接，请使用斜杠分隔每个配置的规范（specifications）。每次发出此命令时，连接将重置为新规范。

dims 显示尺寸（dimensions）表（如果连续为1；如果离散为0）。

errmarg N 在分支交换搜索期间，使用比最初通过更快的快捷方式（shortcuts）计算的分数高出 N% 的容差。 N 值越高，搜索越安全，但搜索速度越慢，反之亦然（默认 N= 5%）。除了数字 N，符号+或-可用于在mult或bbreak搜索期间（分别）打开/关闭地标快捷方式的报告。请注意，实际误差是根据经过全面优化评估的案例计算的，其数量可能又取决于用户设置的误差范围。

    或者，您可以在搜索过程中指定变化的误差范围，使其在初始阶段低（可以轻易找到更好的树），在最后严格（因为您想确保没有由于计算错误而错过TBR或SPR邻近更好的树）。您可以指定2到6个错误阶段。语法是`lmark errmarg A-B-D/X-Y-Z`。

    这将使用误差为0，直到完成交换的X％数量的剪辑为止，误差为`A`在交换`X`和`Y`之间，交换`Y`和`Z`之间的误差为`B`，以及在最后阶段（完成`Z`％的交换后）的误差为`D`。要指定仅两个阶段，您可以执行：`lmark errmarg A / X`。这将使用误差0从开始到交换的`X`％，然后使用误差`A`。

    如果最后一个误差范围（例如在第一个示例中的`D`）之后跟着`<N`，那么最后的误差边界将是`D`和在计算过程中观察到的误差加上`N`个标准偏差中最小的一个；；同样地，如果是`>N`，也是如此。这是让误差边界在某种程度上由手头的数据确定的一种方法（（注意：在切换到最终误差边界后，观察到的误差仍在继续计算，因此报告可能与使用的最终误差不同）当此选项生效时，搜索状态报告会通知当前的误差边界（称为`em`）。可变误差边界在多个随机加法序列（使用`mult`或`xmult`）的初始阶段以及使用`hybrid`或`rebuild`命令重建树后使用。

factors 定义了各个地标的因子。然后使用这些“代替”自动确定的因素。语法为：factors =F C/L，对性状 C、地标 L 使用因子 F（如果未指定 C 或 L，则全部为 C 或 L；如果 F 为*，则对于 C/L 使用自动因子）。注意：仅当隐含权重关闭时才使用因子！当隐含权重关闭时，因子会乘以分数。当隐含权重打开时，因子始终是统一的。

[no]inscale [不]对各个地标进行加权，以便角色内每个地标的贡献相似（即给予范围较大的地标较低的权重）（默认=不）。请注意，通过基于地标范围和地标数量进行加权，这两个选择中的任何一个都会使地标性状（除非用lmark wts修改）的贡献类似于离散性状中的步骤的贡献。

[no]iter 在Sankoff近似方法的基础上，进行几何中位数的精确计算。对于二分法，这使用Fermat点（祖先-左右子孙）的精确解。对于多分枝现象，使用几何中位数的启发式近似。

list 列出性状列表。默认列表列出每个性状的坐标。

    `list -`    仅列出一维角色

    `list +`    相反

    `list N`    列出所有`N`维性状

[no]lowmem 使用低内存计算（可能更慢）

lscores N/C/L 在树 N ，性状 C，和地标 L中报告单独的地标分数（默认=全部）。

map N/C 映射性状 C 到树 N

maxiters N C 迭代 N 次，当改善低于 C 时切割

maxprec N 略过范围（最大距离）低于 N 的性状

multimap 显示点映射的分歧。语法 multimap R T C L 其中R重复，T树，C性状，L地标。可变性表明在优化中存在歧义（如果设置详尽），或优化算法中存在错误（如果设置浅）。

nest N W 嵌套 sankoff 近似 N 次，窗口包含 W 个单元

numlands 显示一个表格，其中包含每种配置中的地标数量

options 显示地标优化的所有当前设置

precision 精度报告Sankoff逼近下各个点的预期精度

[no]quickwag 在 Wagner 中添加每个分类单元后，从头开始重新计算每个点的位置（而不是使用 Farris 1970 年的“中值方法”）。这要慢得多，并且不会增加太多精度——不完整的分类单元子集比点位置的错误影响更大。不建议这样做，仅作为测试“中位数”方法准确性的一种方式。

refine BxR 在使用误差范围的分支交换搜索期间，通过增量地重新计算远离并集节点的费马（fermat）点，最多远离并集的 B 个分支，以及最多 R 轮的树，细化接近可接受的树的祖先点位置细化（默认=不）。

rescale 将每个数乘以一个因子。注意，这会修改内存中的矩阵。语法如下：rescale =F C/L，其中F=因子（如果F为*，则使用每个地标的当前因子），C=性状，L=地标。

shake N 在第一 sankoff 近似中，稍微扭曲（distort）网格 N 次

[no]showhtus 在映射后显示HTU的坐标（默认为不）。

[no]shrink 如果存在异常值（对于少表表格（8或更少）有用，对于表格数> 10可能没有帮助），则收缩网格。

swap XY 交换XY（或XZ、YZ）的值。

[no]skip 在第一个 sankoff 逼近期间，尝试快速识别不需要的表格（可能节省一些时间）。

[no]termpoints 确保第一个 Sankoff 矩阵包含终端点。

    `termpoints-`不使用网格，仅使用终端分类单元的点

    `termpoints+`重新连接网格使用。

threads N 在搜索过程中优化地标使用 N 个线程（默认处理器数量）。这是一个简单的并行化方法，用于在搜索过程中进行准确的分数检查。时间的节省取决于 Sankoff 近似使用的时间。因此，对于更多的分类单元，更多的网格单元，低内存算法，更多的嵌套和震动轮次（snake）以及3D而不是2D地标，可以节省更多的时间。

    `threads 0` 串行运行（即在单个处理器上运行）。

    `thread *`  自动设置处理器数量。

usmin 设置（或显示）隐含加权的当前最小值。默认值是任何三分类阶元的 Steiner 树的最大跨度。这很快就设定了实际最小值的上限，但可能会高估它。用户可以设置不同的值（例如，搜索每个单独的地标）。语法是：usmin = M C / L，其中M =最小值，C =性状，L =地标点。如果M为*，则使用默认值；这很快但通常会低估最小值，因此同源性会被高估，隐含权重会被低估。

    如果使用`!`而不是`*`，将构建指定地标的 Wagner 树加上TBR，然后使用所得到的值作为用户设置的最小值。这显然需要更多时间（您可以将所得到的值保存到日志文件中，以进行后续输入，这样最小值就不需要重新计算）。对于2D数据，通常仅需进行一次 Wagner 和TBR即可收敛到大多数单元数量和误差边际的实际最小值；对3D数据的收敛似乎不太常见。所获得的值与将隐含权重关闭、将除了感兴趣的地标外的所有权重（wts）设置为0（感兴趣的地标的权重设置为1）以及将因子设置为单位时所获得的分数相同；通过这种方式，您可以进行比 Wagner+TBR更详尽的搜索。请注意，大于实际最小值的用户最小值将低估同源数量并高估隐含权重（如果在运行过程中检测到，将进行更正）。

    通过使用我们的`usmin =(T) C/L`模型，不需要搜索，而是通过将指定的地标值优化到内存中的树`T`中。如果树`T`对于配置`C`是最短的，基于整体配置的同质性，则可以使用该树来设置整个配置的隐含权重的最小值（必须与每个配置的`xpiwe`和`weighting-set`一起使用）。

wts 定义单个地标的权重。然后将它们与自动确定的因素组合在一起。语法是：wts =W C/L，其中将权重W分配给性状C、地标L（如果没有指定C或L，则为全部C或L；如果W为*，则使用单位权重C/L）。这些权重会影响隐含权重下的得分，但对于那些作为加权集一部分的地标性状（请参见xpiwe下的说明），这些单个地标在集合内始终被平等地加权。

[no]xthread 处理树搜索的多线程是否一直等待xthread，或者它们对每次搜索进行上下调整noxthread。在您计划进行大量搜索且系统对程序可以启动的线程数有限制的情况下，这可能很有用（即非常特殊的情况）。

lmbox

将地标框（landmark box）保存到指定的 SVG 文件。应指定 SVG 扩展名；此图像文件可以在任何 Web 浏览器中打开。语法是lmbox filename T C = L;

其中 T 树编号，C 性状编号，L 为分类单元（终端或内部节点）列表。

在 = 符号之前可以指定线条、地标编号或其他参数的显示：

line +cgfplnsdo 打开每个选项的显示（将-替换为+关闭）

    `c` 连接线

    `g` 网格线

    `n` 地标数字

    `s` 用户定义的线

    `d` 后代

    `o` 重叠祖先

tilt F-L/N 设置倾斜（仅限3D）；这显示N个框，第一个为倾斜F，最后一个为倾斜L，每次增加(L-F)/N。

rot F-L/N 设置旋转（仅限3D）；这显示N个框，第一个为旋转F，最后一个为旋转L，每次增加(L-F)/N。

size N 绘制大小为N的框（默认值为120）；随着框大小的增加，点和线将按比例变得更小/更薄。

[no]bw [不要]绘制黑白框（默认为color）

[no]color [不要]绘制彩色框

bigframe 对于仅2D的大框架，扩展框架以使所有点都位于其中。

lmrealign

重新对齐指定的地标配置（=性状）请记住，重新对齐修改了存储在内存中的矩阵，因此除非重新读取数据文件，否则不可能回到原始坐标。

Twopoint (p1 p2)/C 使用基线注册考虑地标p1和p2作为参考对齐性状C。仅适用于2D性状。

Rftra [N]/C 使用重复中值程序将所有分类单元中的性状 C 与分类单元 N 对齐（Siegel & Benson 1982）。仅对 2D 性状有效。

Pairlin [N]/C 将除了分类单元N的所有分类单元中的性状C对齐，从而最小化线性距离之和。

Tree T cycles Y level L/C 使用基于树的对齐方式，以简约作为最优性标准，在树T上对齐性状C (Catalano & Goloboff 2012) Y= 改进/扰动（perturbation）的周期数。L= 改进步数的彻底性 (0-4) 。

Random N 在随机的情况下旋转/平移所有配置。进行N个随机周期对齐。用于探索数据和对齐算法的有效性。

! 也要调整大小（仅对Rftra和Pairlin有效）

pairlin 和 tree 选项考虑用户为每个地标定义的权重（带lmark wts）。这样可以通过考虑特定的地标进行对齐（例如，将其余地标的权重设为零）。

lquote

= 设置文字引用标志（请参见quote）

- 取消文字引用标志（请参见quote）

[ 在quote中将&N读作ASCII性状N，在非Windows版本中，&0擦除行并将光标放在行的开头，&1向后备份一个空格

] 不要

> 弹回引用到stderr（即使在后台）

< 不要

lset

更改可能性计算的设置。

passes I E 最大内部/外部通过次数

ldelta likelihood 的 delta

bdelta 单个分支的delta

[no]gstatespace [不]使用相同的状态空间为所有性状（仅用于形态数据），脚本表达为 implik，simplik和mklik（默认值= gstatespace）

display lik（默认值），brlen（可选）此影响脚本表达式implik，simplik和mklik的显示（仅当report为ON时）。当显示（性状）可能性或（分支）长度时，它们可以存储到用户变量中以在脚本中使用，使用maketable。

speed F 设置更改分支长度的初始因子为F。默认F为0.0666，较大的因子会更大程度地更改分支长度。