学位论文 > 优秀研究生学位论文题录展示
模体发现模型设计与研究
作 者: 邵琳琳
导 师: 陈月辉
学 校: 济南大学
专 业: 计算机软件与理论
关键词: 模体发现 细菌群优化 禁忌搜索 差分/分布估计算法
分类号: TP18
类 型: 硕士论文
年 份: 2010年
下 载: 19次
引 用: 0次
阅 读: 论文下载
内容摘要
在脱氧核糖核酸的调控区域存在着一些对基因表达,转录,翻译具有特殊生物意义的基因段,即转录基因结合位点(TFBSs),它们具有保守性,重现性,并且相对较短.我们称为:motif。从而我们可将模体发现问题描述为:从一组相关DNA序列中找出具有某种特定功能的未知序列片段。它主要有3大难点:(1)由于突变,交叉,删除基因段的存在,motif出现形式不确定。(2)motif长度不确定。(3)某条序列中存在motif的条数不确定。通过我们的研究,构建了基于细菌群搜寻优化(BFO)的模体发现算法。基本建立了一种高效的模体发现模型,并对其进行了初步的完善。首先,将原BFO算法与Tabu Search(禁忌搜索)算法相整合成TS-BFO,通过建立self-control multi-length chemotactic step mechanism(自控趋向步调整机制)和引入Rao metric(Rao测度)来解决模体发现问题。即在趋向步阶段,利用搜索禁忌表,不再或有选择地搜索一些点。对禁忌表中的优秀结果的邻居进行彻底的,仔细的搜索。增加优秀个体的趋向步搜索次数。此方法优点:(1)可避免搜索进入循环状态。(2)不断增大搜索空间,避免陷入极值。(3)避免重复解,保持了种群的多样性。对于自控趋向步调整机制来说,新的自控趋向步调整机制,每个个体自动确定趋向步长,随迭代次数变化,依照准则(对某一个个体而言):准则一:初始设置较大趋向步长。准则二:如果K步未搜索到更优解,缩小其趋向步长。准则三:每代必设置一定比例的大趋向步搜索。另外我们还设置大趋向步随机检测个体,如新产生的个体的适应度值大于特赦准则,则搜索禁忌表且进行相应处理。其次,我们构建了一种混合初始种群,引入了新的操作算子(例如移位操作),使新算法达到更高的效果。最后,在之前算法的基础上,将DE/EDA算子引入,代替原BFO算法中的Reproduction环节,提高算法的搜索能力。在原BFO算法中,在Reproduction环节只是将优秀的半数种群复制成新的个体,并没有更优的个体产生,影响收敛速度的同时产生重复解使算法易陷入极值。我们引入DE/EDA算子代替原来方法,DE(Differential Evolution)通过从当前优秀种群个体中提取距离和方向信息,加入随机差分保持多样性来产生新的个体。再与我们所熟知的分布估计算法相结合,达到了很好的效果。从实验结果我们发现:将TS与BFO结合解决实际问题,实验结果表明引进禁忌搜索后的TSBFOMD算法的对于解决模体发现问题的有效性,在理想的时间内达到了满意的效果,所以她可以作为一种提取模体的方法。而对于TS-BF-DE/EDA算法,它的的搜索能力优于原始BFO算法和原始DE/EDA算法,可以作为一种全新的优化算法予以应用。在以后我们会并不断地在更多的实验中发现其优缺点并加以改正。对于Motif的长度自动确定;算法参数的确定问题;更多生物知识的引入等扩展领域,我们也进行了一些设想。
|
全文目录
摘要 6-8 ABSTRACT 8-10 第一章 绪论 10-15 1.1 研究背景 10 1.2 问题描述 10-12 1.3 国内外研究动态 12 1.4 论文内容安排 12-15 第二章 智能计算基础 15-25 2.1 概述 15-18 2.2 进化算法 18-20 2.2.1 编码与解码 18 2.2.2 适应度函数 18-19 2.2.3 遗传操作 19 2.2.4 遗传算法的步骤 19-20 2.2.5 遗传算法的特点 20 2.3 群体智能理论 20-25 2.3.1 粒子群优化算法 21-22 2.3.2 细菌生存优化算法 22-25 第三章 基于改进的BFO 算法的模体发现方法IBFO 25-37 3.1 创新点 25-30 3.1.1 混合初始种群 25-27 3.1.2 引入Rao 测度的适应值函数 27-29 3.1.3 新操作算子的引入 29-30 3.2 IBFO 算法描述 30-32 3.2.1 流程图 30-31 3.2.2 算法详细步骤 31-32 3.3 算法性能及实验结果 32-37 第四章 禁忌细菌群优化算法TS-BFO 用于模体发现 37-47 4.1 禁忌搜索 37-42 4.1.1 禁忌搜索思想 37-38 4.1.2 禁忌搜索算法流程 38-39 4.1.3 禁忌搜索特点 39-41 4.1.4 禁忌搜索用于模体发现 41-42 4.2 自控趋向步调整机制 42 4.3 TS-BFO 算法描述 42-43 4.4 TS-BFO 实验结果分析 43-47 第五章 一种新的优化算法TSBFD 47-59 5.1 差分/分布估计算法DE/EDA 47-52 5.1.1 差分进化算法DE 47-49 5.1.2 分布估计算法EDA 49-51 5.1.3 差分/分布估计算法DE/EDA 51-52 5.2 TSBFD 算法描述 52-53 5.3 TSBFD 优化基准函数结果分析 53-59 第六章 总结和展望 59-61 参考文献 61-66 致谢 66-67 攻读硕士期间发表论文目录 67
|
相似论文
- 基于炼油厂CSTR生产的循环调度与优化问题研究,F273
- 冶金企业生产与物流作业管理决策支持系统,F426.32
- 室内环境下的机器人自主导航研究,TP242
- 面向离散制造系统的多规则生产调度仿真优化,F273
- 鲁棒性资源调度方法及其在卫星任务规划中的应用,V474.26
- 多约束QoS选播路由算法的研究,TP393.02
- 基于子图密度的序列模体发现算法研究,TP301.6
- 模体发现问题中投影算法的研究,TP391.41
- 可重构系统中的一种动态软硬件划分算法,TN791
- 钢铁热链物流与能源调度,F252
- 钢铁成品水运配载物流计划模型与系统开发,TF758
- 敏捷卫星任务调度技术研究,V448.2
- 基于免疫克隆选择算法的作业车间调度问题研究,TP18
- 基于服务质量的组播路由算法研究,TP393.09
- 基于文化基因算法的图像检索研究,TP391.41
- 模体发现问题的若干算法及应用研究,TP301.6
- 元胞粒子群优化算法及其在柔性作业车间调度中的应用,TP301.6
- 和声策略禁忌搜索算法,TP301.6
- 基于多样化需求的订单指派问题研究,F224
- 重大突发事件应急物流中的定位-路径问题研究,F224
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|