進化算法及其在生物信息中的套用

《進化算法及其在生物信息中的套用》是2014年1月出版的圖書，作者是龍海俠。

基本介紹

• 中文名：進化算法及其在生物信息中的套用
• 作者：龍海俠
• 出版時間：2014年1月
• 出版社：國防工業出版社 
• 頁數：198 頁
• ISBN：978-7-118-09114-4
• 定價：59 元
• 開本：32 開
• 裝幀：平裝
• 版次：1版1次
• 出版：基金
• 字數：185
• 中圖分類：Q811.

內容簡介

本書共分7章，第1章介紹了進化算法的種類和生物信息的主要概念；第2章介紹了PSO和QPSO算法的基本原理和基本進化方程；第3章介紹了基於選擇操作的QPSO算法；並從理論上證明了算法具有全局收斂性；

第4章介紹了生物信息中多序列比對的問題；第5章介紹了代謝網路中代謝流的最佳化問題；第6章介紹了發酵中培養基的最佳化問題；第7章介紹了基於多樣性QPSO算法的基因數據聚類。本書可供計算機專業、人工智慧專業、生物信息專業從業人員參考。

目錄

第1章 緒論1

1.1 進化算法1

1.1.1 遺傳算法1

1.1.2 遺傳規劃2

1.1.3 進化策略4

1.1.4 進化規劃5

1.1.5 粒子群最佳化算法5

1.1.6 量子粒子群最佳化算法8

1.2 生物信息學10

1.2.1 生物信息學的起源10

1.2.2 生物信息學的概念11

1.2.3 生物信息學的主要研究內容12

1.3 最最佳化理論14

1.3.1 最最佳化問題15

1.3.2 局部最佳化算法16

1.3.3 全局最佳化算法17

1.3.4 最最佳化問題的求解17

1.4 本書的主要內容19

第2章 粒子群最佳化算法和量子粒子群最佳化算法21

2.1 粒子群最佳化算法21

2.1.1 基本粒子群算法21

2.1.2 帶慣性權重w的粒子群算法23

2.1.3 帶收縮因子χ的粒子群算法24

2.2 量子粒子群最佳化算法25

2.2.1 δ勢阱模型的建立25

2.2.2 粒子的基本進化方程28

2.2.3 QPSO算法的流程29

2.3 QPSO算法收斂性分析30

2.3.1 全局搜尋算法的收斂準則31

2.3.2 局部搜尋算法的收斂準則33

2.3.3 QPSO算法的全局收斂性33

第3章 基於選擇操作的QPSO算法36

3.1 引言36

3.2 採用錦標賽選擇操作的QPSO算法（QPSO-TS）37

3.3 採用輪盤賭選擇操作的QPSO算法（QPSO-RS）39

3.4 算法的收斂性分析40

3.4.1 全局收斂性準則40

3.4.2 基於選擇操作的QPSO算法的全局收斂性40

3.5 實驗結果及分析42

3.5.1 實驗設計42

3.5.2 實驗結果45

3.6 本章小結74

第4章 進化算法在多序列比對中的套用75

4.1 多序列比對的含義75

4.2 基於二進制QPSO算法的序列比對77

4.2.1 二進制的PSO算法（BPSO）77

4.2.2 二進制的QPSO算法（BQPSO）78

4.2.3 基於MBPSO或MBQPSO的多序列比對81

4.2.4 仿真實驗和結果84

4.2.5 結論94

4.3 基於隱馬爾柯夫模型和多樣性QPSO算法的多序列比對95

4.3.1 前言95

4.3.2 隱馬爾柯夫模型96

4.3.3 基於剖面HMM和QPSO的多序列比對100

4.3.4 融合多樣性的QPSO算法102

4.3.5 評估訓練算法的質量106

4.3.6 模型的聯配問題107

4.3.7 評估比對序列的質量109

4.3.8 實驗結果110

4.3.9 結論124

第5章 基於進化算法的代謝流的評估126

5.1 代謝流評估126

5.1.1 化學計量矩陣方法127

5.1.2 基於13C標記平衡的MFA130

5.2 基於自適應進化算法和單值分解的方法的

代謝通量分析135

5.2.1 自適應進化算法135

5.2.2 系統化學計量矩陣約束的單值分解137

5.2.3 進化算法中不等式約束的處理138

5.3 基於QPSO及其改進的QPSO算法和罰函式的

代謝通量分析139

5.3.1 罰函式的方法139

5.3.2 基於QPSO及其改進的QPSO和罰函式的

代謝流評估流程140

5.4 仿真實驗及其結果141

5.5 本章小結148

第6章 基於GP和QPSO算法的獸疫鏈球菌發酵透明

質酸培養基的最佳化150

6.1 引言150

6.2 原料和方法151

6.2.1 微生物和媒介151

6.2.2 在一個7−l發酵罐中的獸疫鏈球菌的一組培養基152

6.3 回響面分析法（RSM）152

6.4 仿真實驗和結果152

6.4.1 RSM的結果153

6.4.2 GP的結果154

6.4.3 使用QPSO算法最佳化GP評估方程式的參數的結果155

6.4.4 使用QPSO算法最佳化透明質酸產量的培養基的結果156

6.5 結論158

第7章 基於多樣性量子行為粒子群最佳化算法的基因數據聚類159

7.1 基因數據聚類研究現狀159

7.2 多樣性引導的量子粒子群最佳化算法160

7.3 基於DGQPSO的聚類算法設計165

7.4 基於多樣性量子行為粒子群算法的基因數據聚類167

7.4.1 實驗數據集167

7.4.2 基因表達數據聚類實驗分析171

7.4.3 基於粒子群最佳化的聚類算法比較171

7.4.4 與一些常用聚類算法的比較174

7.5 結論175

第8章 總結與展望176

附錄1 PSO算法程式代碼178

附錄2 QPSO算法程式代碼180

附錄3 多序列比對程式代碼182

參考文獻186