本文選題：模式發(fā)現(xiàn) + 進化計算��； 參考：《電子科技大學(xué)》2014年博士論文

【摘要】：生物序列中的模式發(fā)現(xiàn)問題是當(dāng)前生命科學(xué)領(lǐng)域中的熱門研究問題之一,對理解基因的功能與調(diào)控作用有重大價值�；谧址突诟怕实哪Ｊ桨l(fā)現(xiàn)方法雖已取得很大成功,但也存在一些問題,如基于字符串的方法僅適合發(fā)現(xiàn)一些短的完全有約束的模式和對長序列模式的發(fā)現(xiàn)性能不高;基于概率的方法對初始數(shù)據(jù)較敏感且不能保證全局最優(yōu)解。隨著智能計算技術(shù)的迅速發(fā)展,進化計算以較強的全局搜索能力、初始條件的低敏感性、領(lǐng)域知識的非依賴性等優(yōu)點受到關(guān)注,生物地理學(xué)優(yōu)化算法(Biogeography-Based Optimization,BBO)作為一種新型的模擬自然界生物物種遷徙過程的進化算法,在提出的短短幾年時間內(nèi)已在許多領(lǐng)域獲得成功應(yīng)用。本文針對生物序列模式發(fā)現(xiàn)問題,分析了目前序列模式發(fā)現(xiàn)方法存在的問題,設(shè)計了生物地理學(xué)優(yōu)化算法的三種改進算法,并將之應(yīng)用于序列模式發(fā)現(xiàn)問題,為序列模式的發(fā)現(xiàn)提供了新的有效解決方案。首先,本文通過分析BBO算法的特征,將其納入群體智能算法之中,并借鑒群體智能的統(tǒng)一模型設(shè)計了BBO算法的模式及BBO的群體智能框架模型。將BBO算法納入群體智能框架體系對BBO算法的理論及應(yīng)用研究都有重要指導(dǎo)意義,同時對智能算法規(guī)律的探究和設(shè)計新的進化算法提供一些有益啟示。其次,針對目前序列模式發(fā)現(xiàn)方法在發(fā)現(xiàn)模式的準(zhǔn)確性及運行時間存在的不足,考慮到BBO算法較強的局部開發(fā)能力和全局探測能力,提出一種針對序列模式發(fā)現(xiàn)問題的改進的生物地理學(xué)優(yōu)化算法。該算法改進了BBO算法的遷移算子和變異算子,同時使用集成化機制生成初始種群。提出的算法能以較快的收斂速度獲得有意義的模式。在兩個常用數(shù)據(jù)集上的實驗結(jié)果表明改進后的BBO算法用于模式發(fā)現(xiàn)問題的正確性和有效性,為序列模式發(fā)現(xiàn)問題提供了一種新的解決方案。再次,為了增強BBO算法的開發(fā)能力及探測能力,提出一種增強算子的混雜生物地理學(xué)優(yōu)化算法(Biogeography-Based Optimization/Differential Evolution/Generation,BBO/DE/GEN),BBO/DE/GEN算法利用差分進化算法的全局探測能力并結(jié)合生物地理學(xué)優(yōu)化算法的局部開發(fā)能力,即借鑒差分進化改進BBO算法的變異算子,基于迭代次數(shù)改進BBO算法的遷移算子,并將BBO/DE/GEN算法用于全局?jǐn)?shù)值優(yōu)化問題及序列模式發(fā)現(xiàn)問題。對于全局?jǐn)?shù)值優(yōu)化問題,使用基準(zhǔn)函數(shù)進行測試,并與BBO算法及BBO/DE(Biogeography-Based Optimization/Differential Evolution)算法比較,在求得的最優(yōu)值和平均值方面均優(yōu)于其它兩種算法。對于序列模式發(fā)現(xiàn)問題,在常用的三個實驗數(shù)據(jù)集上的實驗結(jié)果表明,對復(fù)雜的長序列數(shù)據(jù),BBO/DE/GEN算法能預(yù)測到更多有意義的模式。進而說明BBO/DE/GEN算法具有良好的性能。最后,針對BBO/DE/GEN算法對少數(shù)基準(zhǔn)函數(shù)的測試結(jié)果不理想,同時為了進一步提高預(yù)測模式的精度,提出了一種自適應(yīng)參數(shù)的混雜生物地理學(xué)優(yōu)化算法/差分進化算法(Adaptive Biogeography-Based Optimization/Differential Evolution/Generation,ABBO/DE/GEN),并將該算法應(yīng)用于數(shù)值優(yōu)化問題及序列模式發(fā)現(xiàn)問題。算法利用差分進化機制改進BBO算法的變異算子,基于迭代次數(shù)改進BBO算法的遷移算子,同時基于每一代適應(yīng)度函數(shù)值與平均值之間的關(guān)系自適應(yīng)的改變BBO算法的遷移概率和變異概率。在所有的基準(zhǔn)函數(shù)上與BBO/DE/GEN算法比較,根據(jù)獲得的最小值和平均值表明ABBO/DE/GEN算法有更好的性能。在序列模式發(fā)現(xiàn)問題上的實驗結(jié)果也顯示ABBO/DE/GEN算法比BBO/DE/GEN算法對長序列數(shù)據(jù)能發(fā)現(xiàn)更多的有意義的模式。
[Abstract]:鐢熺墿搴忓垪涓殑妯″紡鍙戠幇闂鏄綋鍓嶇敓鍛界瀛﹂鍩熶腑鐨勭儹闂ㄧ爺絀墮棶棰樹箣涓，

本文編號：2021087