《面向大規模蛋白質網路功能模組檢測的群智慧型算法研究》是依託北京工業大學，由冀俊忠擔任項目負責人的面上項目。
基本介紹
- 中文名：面向大規模蛋白質網路功能模組檢測的群智慧型算法研究
- 項目類別：面上項目
- 項目負責人：冀俊忠
- 依託單位：北京工業大學
項目摘要,結題摘要,
項目摘要
蛋白質網路功能模組檢測是近年來生物信息學中的一項前沿課題，基於群智慧型機理的檢測方法是新興起的一個研究熱點。然而，目前多數工作缺乏原理上深入細緻的研究，尤其是忽略或淡化了群智慧型算法在求解大規模問題時計算性能上的不足。為此，本項目圍繞群智慧型搜尋機制及其參數最佳化兩個關鍵問題進行如下研究：基於問題歸約思想，將粒度計算與群智慧型搜尋相結合，研究多粒度描述模型及其群智慧型最佳化的算法框架，旨在拓展群智慧型檢測算法的適用範圍；研究新的基於蟻群和蜂群聚類機理的檢測方法，探索近似線性時間複雜度的快速算法；基於種群內的解進化和不同種群間的信息交流與協同演化機理，研究群智慧型並行進化機制，創建高性能的檢測手段；利用關聯規則和貝葉斯網技術，建立群智慧型進化中的參數關聯模型，揭示參數間內在關係和相互影響的規律，為參數的同步最佳化提供理論依據。項目研究有望推動群智慧型理論的發展及其在生物信息學中的套用，具有重要的理論意義和套用價值。
結題摘要
蛋白質網路功能模組檢測是近年來生物信息學中的一項前沿課題，基於群智慧型機理的檢測方法是新興起的一個研究熱點。針對群智慧型算法在求解大規模問題時計算性能上的不足，本項目主要開展了如下幾方面的研究：1、對從PPI網路中進行功能模組檢測的計算方法進行了研究綜述;2、將粒度計算與群智慧型搜尋相結合，研究多粒度描述模型及其群智慧型最佳化的算法框架，拓展了群智慧型檢測算法的適用範圍；3、從簡化算法機制的角度，研究一些新的群智慧型最佳化機理的檢測方法，探索了低時間複雜度的快速算法；4、研究群智慧型並行進化機制，創建了高性能的檢測手段；5、為建立群智慧型進化中的參數關聯模型，研究貝葉斯網模型學習的新方法；6、拓展了群智慧型學習方法在腦效應連線網路學習中的新套用。總之,項目綜述了該領域的研究,並利用問題歸約、低複雜度的算法設計、並行計算等思想，從方法、機制和模型多層次對群智慧型檢測算法及相關技術進行了研究，探索了一些新方法和新途徑。取得的主要研究成果包括,在國際知名刊物《IEEE Transactions on Knowledge and Data Engineering (TKDE)》（CCF A類）、《IEEE/ACM Transactions on Computational Biology and Bioinformatics》、《Information Sciences》、《BMC Bioinformatics》、《Computational Intelligence》、《International Journal of Data Mining and Bioinformatics》、《International Journal of Approximate Reasoning》、《Soft Computing》、《PLoS ONE》等上發表論文30餘篇，其中，SCI期刊論文11篇，包括 CCF推薦的優秀國際刊物 8篇（1篇TKDE為頂級刊物），EI期刊論文4篇(含錄用)。這些研究推動了群智慧型理論的發展及其在蛋白質網路、腦網路等生物信息學中的套用，具有重要的理論意義和套用價值。
