资源描述：
《群体智能算法研究及其在生物序列比对中的应用（可编辑）》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、独创性声明本人声明所呈交的学位论文是拳人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含本:人为获得江南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。.。弓.‘箩签名:期:加盗垫塑筻日关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的规定:江南大学有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有
2、关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文,并且本人电子文档的内容和纸质论文的内容相一致.保密的学位论文在解密后也遵守此规定。签名:导师签名:蒸史塑量,日期:多口.弓.箩摘要本文首先对群体智能算法做了概述,深入研究了群体智能算法的原理和特点,在此基础上提出了改进智能优化算法,引入交叉算子到量子粒子群算法来保持算法在搜索后期的多样性,使算法具有更好的优化效果,通过对标准测试函数优化,实验结果显示新算法的优化效果较原算法大幅提高,表明了算法改进的有效性。然后本文对生物信息学中的多序列比对问题进行了研究,这是一个完全问题。文中对序列
3、比对概念和关键知识做了介绍,分析了基于隐马尔科夫模型的多序列比对的原理,介绍了的三个基本问题和基于隐马尔科夫模型的多序列比对原理,针对算法中算法容易陷入局部最优解、全局搜索能力差的问题,本文结合了有较强全局搜索能力的群体智能算法和具有快速局部搜索能力的算法对进行训练,并进一步用算法根据训练出的模型进行多序列比对。新算法兼备了的全局搜索能力和?算法的快速逼近局部最优解能力。用标准多序列比对库中的测试序列对文中提出的比对算法进行测试,通过和原算法的结果对比,表明文中提出的新比对算法的有效性。最后总结,根据对于不同的优化问题,单一的优化算法往往在执行速度或者优
4、化精度方面无法获得满意的效果,因此综合考虑多种优化算法的优势,取长补短能够获得较好的效果。关键词:优化算法、群体智能算法、隐马尔科夫模型、多重序列比对,,,.,.,.,...,谢谢,.’’.,.,’Ⅱ.:,,,目录目录摘要....?..第一章绪论?...优化问题概述?...经典优化算法.进化计算...群体智能算法?.:..群体智能简介...群体智能的基本特征..常见群体智能算法及其进展.生物序列比对?....生物序列比对的意义..序列比对算法研究的进展与存在的问题?..智能优化算法在中的应用?..本文内容安排第二章群体智能算法一.基本微粒群算法...粒子
5、群算法起源?一..粒子群算法原理?...粒子群算法流程?...改进粒子群算法..带有惯性因子的改进一..带有收缩因子的改进。.量子粒子群算法..量子力学基础??一..算法的提出....量子行为粒子群优化算法....算法流程.本章小结第三章改进的群体智能算法??...引言...遗传算法..遗传算法?...交叉算子?。.带有交叉算子的量子粒子群算法??目录..交叉操作..群体多样性度量?...改进算法流程??小??....实验设置?...实验结果分析??。.本章小结第四章隐马尔科夫模型在序列比对中的应用.生物序列比对?..生物序列比对概述。..生物序列比对定
6、义?..生物多序列比对的时间复杂性?...序列相似性..序列相似性打分矩阵??..生物序列比对评判准则...打分函数?..打分函数....比对结果评判.隐马尔科夫模型..原理?..三个基本问题..实现的算法..在生物序列比对中的应用??..本章小结.第五章基于混合优化算法和的生物多重序列比对.基于多序列比对..模型初始化?..训练...序列比对过程??...在多重序列比对中的讨论??...混合优化算法介绍??...量子粒子群算法和混合的优化.混合训练算法框架..混合训练算法??...实验结果及分析...实验比对结果数据....训练得分曲线?.:?。..序
7、列比对结果.目录..序列比对结果分析一.本章小结第六章总结与展望?..全文总结..未来工作展望?致谢??一参考文献??..附录:作者在攻读硕士学位期间发表的论文第一章绪论第一章绪论.优化问题概述最优化概念反应了人类实践活动中十分普遍的现象,即在尽可能小的花费代价下争取获得在可能范围内的最佳效果。因此最优化问题成为现代数学的一个重要课题,设计多种不同学科,其应用涉及多种不同学科,比如系统控制、人共智能、模式识别、生产调度和计算机工程等各种领域。优化方法的理论研究对改进算法、拓宽算法应用领域和完善算法体系具有重要作用,所以优化技术已作为一个重要的科学分支受到
8、众多学者的关注,已经出现了各种各样的最优化问题的优化算法。解决优化问题的优化算法
