基于文化进化粒子群算法的DNA序列设计

doi:10.3778/j.issn.1002-8331.2011.01.011

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (1): 40-42.DOI: 10.3778/j.issn.1002-8331.2011.01.011

基于文化进化粒子群算法的DNA序列设计

殷脂^1，2，叶春明¹，马慧民¹

1.上海理工大学管理学院，上海 200093
2.上海电力学院计算机信息工程学院，上海 200090

收稿日期:2009-09-09 修回日期:2009-11-09 出版日期:2011-01-01 发布日期:2011-01-01
通讯作者: 殷脂

Cultural evolution based particle swarm optimization algorithm for DNA sequence design

YIN Zhi^1，2，YE Chunming¹，MA Huimin¹

1.Business School，University of Shanghai for Science and Technology，Shanghai 200093，China
2.School of Computer and Information Engineering，Shanghai University of Electric Power，Shanghai 200090，China

Received:2009-09-09 Revised:2009-11-09 Online:2011-01-01 Published:2011-01-01
Contact: YIN Zhi

摘要/Abstract

摘要： DNA编码序列的设计是影响DNA计算可靠性的重要途径，从DNA编码应满足的多约束条件中选取适当的约束条件，针对这些约束条件提出每个DNA个体应满足的评估公式以及目标序列集合的评价函数，采用文化进化粒子群算法解决DNA序列设计的多目标优化问题，仿真结果表明该混合算法针对DNA序列设计问题，在求解最优值能力，解的稳定性方面都取得了不错的效果。

关键词: DNA序列, DNA编码, 多目标优化, 文化进化算法, 粒子群算法

Abstract: DNA sequence design is important way to influence reliability of DNA computing.Proper constrained items which DNA sequence should satisfy are selected，and then the evaluation formulas for each DNA individual and DNA sequence corresponding to the selected constrained terms are formulated.Cultural Evolution based Particle Swarm Optimization algorithm（CE-PSO） is proposed to solve the multi-objective optimization problem designed by DNA sequence.Simulation indicates that the hybrid algorithm does well on searching efficiency and key stability for DNA sequence design problem.

Key words: Deoxyribonucleic Acid（DNA） sequence, Deoxyribonucleic Acid（DNA） encode, multi-object optimization, cultural evolution, particle swarm optimization

中图分类号:

TP301

殷脂^1，2，叶春明¹，马慧民¹. 基于文化进化粒子群算法的DNA序列设计[J]. 计算机工程与应用, 2011, 47(1): 40-42.

YIN Zhi^1，2，YE Chunming¹，MA Huimin¹

. Cultural evolution based particle swarm optimization algorithm for DNA sequence design[J]. Computer Engineering and Applications, 2011, 47(1): 40-42.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[5]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[6]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[7]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[8]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[9]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[10]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[11]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[12]	于国龙，赵勇，吴恋，崔忠伟. QPSO算法的改进及其在DBN参数优化中应用[J]. 计算机工程与应用, 2021, 57(10): 154-162.
[13]	周蓉，李俊，王浩. 基于灰狼优化的反向学习粒子群算法[J]. 计算机工程与应用, 2020, 56(7): 48-56.
[14]	杨华龙，陆婷，辛禹辰. 基于改进粒子群算法的异质车队二级IRP优化[J]. 计算机工程与应用, 2020, 56(22): 272-278.
[15]	吴天纬，安斯光，孙崎岖，李梅，孙丽宏，申屠南瑛. 改进聚合树的高维多目标降维优化算法[J]. 计算机工程与应用, 2020, 56(21): 47-53.

基于文化进化粒子群算法的DNA序列设计

Cultural evolution based particle swarm optimization algorithm for DNA sequence design

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics