進化算法在生物多序列比對中的套用

《進化算法在生物多序列比對中的套用》是2017年清華大學出版社出版的圖書,作者龍海俠、李滿枝、王洪濤、付海艷。

基本介紹

  • 書名:進化算法在生物多序列比對中的套用
  • 作者:龍海俠、李滿枝、王洪濤、付海艷
  • 出版社:清華大學出版社
  • 出版時間:2017年
前言,內容簡介,作者簡介,目錄,

前言

隨著人類基因組計畫的實施和科技的發展,生物學數據呈爆炸式增長,這些海量的生物學數據必須通過生物信息學手段進行收集、分析和整理後,才能成為有用的信息。而如何有效分析和處理這些大型序列數據(即序列分析)成為生物信息學的首要任務。序列比對是生物序列分析的主要方法,也是生物信息學中挑戰性的問題之一。序列比對在序列裝配、序列注釋、基因和蛋白質的結構和功能預測以及系統發育和進化分析等方面均有廣泛套用,因此對它的研究一直以來都是熱點。
進化算法是一類借鑑生物界自然選擇和自然遺傳機制的隨機搜尋算法,主要包括遺傳算法(geneticalgorithm,GA)、遺傳規劃(geneticprogramming,GP)、進化策略(evolutionarystrategies,ES)、進化規劃(evolutionaryprogramming,EP)、粒子群最佳化(particleswarmoptimization,PSO)算法以及近年出現的量子粒子群最佳化(quantum-behavedparticleswarmoptimization,QPSO)算法,它們通過一系列的進化運算元和進化方程,尋找問題的最優解。本書把上述的進化算法及其改進的進化算法,結合數學模型,用於解決生物多序列比對問題。
全書正文各章節結構如下圖所示,共分為“多序列比對基礎篇”“多序列比對模擬篇”和“多序列比對參數篇”三個模組。

內容簡介

本書全面系統地介紹了進化算法在生物多序列比對中的套用,根據內容的分類,分為“多序列比對基礎篇”“多序列比對模擬篇”和“多序列比對參數篇”三個模組。首先介紹生物多序列比對的基礎知識,包括多序列比對的基本概念、原理、方法、常用資料庫、常用工具和套用等內容,並介紹進化算法和最最佳化理論的基礎知識,以及遺傳算法、粒子群最佳化算法和量子粒子群最佳化算法的最佳化過程及收斂性分析,為進行多序列比對的模擬提供理論基礎;然後詳細介紹各進化算法模擬多序列比對的過程與結果;最後對於多序列比對最重要的目標函式參數進行建模與分析。本書具有系統性強、可讀性強、可操作性強等特點。

作者簡介

龍海俠 1980年生,2007年獲江南大學計算機軟體與理論碩士學位,2010年獲江南大學輕工信息技術與工程博士學位,現就職于海南師範大學信息科學技術學院,副教授。研究方向:群體智慧型算法、進化算法、生物信息。碩士期間從事群體智慧型算法和進化算法的研究及其在聚類、圖像分割上的套用研究;博士期間從事生物信息的研究,重點研究多序列比對和培養基的最佳化;近5年從事深度學習算法和生物信息的研究。已出版教材1部、專著1部,發表論文30餘篇,主持省級課題2項,作為第一完成人獲得省級獎勵2項。
李滿枝 1979年生,2004年6月獲西北工業大學計算數學專業理學碩士學位,現就職于海南師範大學數學與統計學院,副教授。主要研究方向:生物信息學、計算機數值模擬、算法構造等。碩士期間從事基於蒙特卡羅方法的計算機模擬,近5年從事生物信息中的蛋白質功能預測研究。已在國內外核心期刊及學術會議上發表多篇論文,出版專著1部,並作為主要成員參與省級和國家級自然科學項目多項,現主持海南省自然科學基金“生物多序列比對的遺傳算法模擬及改進”。
王洪濤 1978年生,2008年6月獲海南師範大學套用數學專業理學碩士學位,現就職于海南師範大學數學與統計學院,副教授。主要研究方向:計算機數值模擬、算法構造、數學建模等。在國內外核心期刊及學術會議上發表多篇論文,出版專著1部,並作為主要成員參與海南省自然科學基金項目多項,目前是海南省自然科學基金“生物多序列比對的遺傳算法模擬及改進”的第二參與人。
付海艷 1978年生,2002年獲山東大學人工智慧與模式識別碩士學位,2009年獲山東大學系統理論博士學位,現就職于海南師範大學信息科學技術學院,教授。研究方向:評價理論與方法、決策理論與方法、不確定信息處理。碩士期間從事基於模糊集理論的評價方法和決策方法的研究,博士期間從事基於粗糙集理論和模糊集理論的不確定信息處理,近5年從事數據挖掘算法的研究。已出版教材2部、專著1部,發表論文30餘篇,主持國家級課題1項、省級課題6項,作為第一完成人獲得省級獎勵2項。

目錄

上篇多序列比對基礎篇
第1章生物多序列比對3
1.1生物信息學3
1.1.1生物信息學的起源3
1.1.2生物信息學的概念4
1.1.3生物信息學的主要研究內容4
1.2序列比對的概念及其發展歷史8
1.2.1序列比對的提出與基本概念8
1.2.2序列比對的目的和意義8
1.2.3國內外研究現狀10
1.2.4多序列比對面臨的挑戰10
1.3多序列比對的基本原理11
1.3.1多序列比對的相關概念11
1.3.2序列比對的分類12
1.3.3多序列比對的數學定義13
1.3.4多序列比對的打分方法14
1.4多序列比對方法22
1.4.1比對方法22
1.4.2多序列比對算法23
1.5多序列比對常用資料庫33
1.5.1綜合性資料庫34
1.5.2基準資料庫36
1.6多序列比對常用工具40
1.6.1搜尋工具40
1.6.2常用的線上多序列比對工具42
1.7多序列比對的套用45
1.8其他說明46
1.8.1多序列比對算法存在的問題46
1.8.2多序列比對算法的運算指標47
1.8.3多序列比對算法的展望48
1.9本章小結48
參考文獻49
第2章進化算法和最最佳化理論53
2.1進化算法53
2.1.1遺傳算法53
2.1.2遺傳規劃54
2.1.3進化策略56
2.1.4進化規劃57
2.1.5粒子群最佳化算法58
2.1.6量子粒子群最佳化算法61
2.2最最佳化理論63
2.2.1最最佳化問題64
2.2.2局部最佳化算法66
2.2.3全局最佳化算法67
2.2.4最最佳化問題的求解67
2.3本章小結69
參考文獻69
第3章遺傳算法、粒子群最佳化算法和量子粒子群最佳化算法73
3.1遺傳算法73
3.1.1遺傳算法的基本思想73
3.1.2遺傳算法中的基本術語74
3.1.3遺傳算法的步驟及流程圖75
3.1.4遺傳算法的構成要素76
3.1.5遺傳算法的優缺點82
3.1.6遺傳算法的套用現狀84
3.1.7遺傳算法的改進86
3.2粒子群最佳化算法87
3.2.1基本粒子群最佳化算法87
3.2.2帶慣性權重w的粒子群最佳化算法89
3.2.3帶收縮因子的粒子群最佳化算法91
3.3量子粒子群最佳化算法92
3.3.1勢阱模型的建立92
3.3.2粒子的基本進化方程95
3.3.3QPSO算法的流程96
3.3.4QPSO算法的收斂性分析97
3.4QPSO算法的改進——基於選擇操作的QPSO算法103
3.4.1引言103
3.4.2採用錦標賽選擇操作的QPSO算法(QPSO-TS)105
3.4.3採用輪盤賭選擇操作的QPSO算法(QPSO-RS)106
3.4.4算法的收斂性分析107
3.5本章小結110
參考文獻110
中篇多序列比對模擬篇
第4章遺傳算法在多序列比對中的套用115
4.1基本遺傳算法模擬多序列比對115
4.1.1引言115
4.1.2多序列比對問題及數學描述117
4.1.3算法設計117
4.1.4實驗算例與分析120
4.1.5結論123
4.2改進遺傳算法之初始種群最佳化124
4.2.1引言124
4.2.2最佳化原理125
4.2.3幾種初始化方法的構造127
4.2.4加入MAFFT種子的初始化130
4.2.5實驗算例與結果130
4.2.6結論135
4.3改進遺傳算法之交叉運算元最佳化136
4.3.1引言136
4.3.2交叉運算元設計137
4.3.3實驗算例與結果140
4.3.4結論143
4.4本章小結144
參考文獻144
第5章QPSO算法在多序列比對中的套用149
5.1多序列比對的含義149
5.2基於二進制QPSO算法的序列比對151
5.2.1二進制的PSO算法(BPSO)151
5.2.2二進制的QPSO算法(BQPSO)152
5.2.3基於BPSO或BQPSO的多序列比對156
5.3本章小結163
參考文獻165
第6章基於隱馬爾可夫模型和QPSO算法的多序列比對167
6.1引言167
6.2隱馬爾可夫模型168
6.2.1隱馬爾可夫模型的基本原理168
6.2.2隱馬爾可夫模型的基本問題與算法169
6.3基於剖面HMM和QPSO的多序列比對172
6.3.1融合多樣性的QPSO算法174
6.3.2評估訓練算法的質量179
6.3.3模型的聯配問題179
6.3.4評估比對序列的質量181
6.4本章小結191
參考文獻191
第7章多序列比對的並行計算193
7.1長序列首尾分段並行比對算法193
7.1.1引言193
7.1.2構造原理195
7.1.3數值模擬結果196
7.1.4結論198
7.2本章小結198
參考文獻199
下篇多序列比對參數篇
第8章多序列比對的參數研究203
8.1基於SP目標函式的多序列比對參數研究203
8.1.1引言203
8.1.2基本定義204
8.1.3公式推導206
8.1.4實驗結果與分析210
8.1.5結論217
8.2線上工具MAFFT參數研究218
8.2.1引言218
8.2.2基本定義220
8.2.3實驗結果與分析222
8.2.4結論229
8.3本章小結230
參考文獻231
附錄相關的原始碼235
附錄A基本遺傳算法總程式235
附錄B生成初始種群bio_var239
附錄C生成初始種群rand_var243
附錄D選擇運算元selection245
附錄E橫向多行交叉運算元hhor_crossover4to2248
附錄F縱向交叉運算元ver_crossover4to2253
附錄G變異運算元mutation259
附錄H適應度函式:SP函式262
附錄I多序列比對參數研究的相關程式264
附錄JHMM和QPSO算法用於多序列比對的程式266

相關詞條

熱門詞條

聯絡我們