基于信息素智能更新的蚁群双序列比对算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (35): 166-168.

基于信息素智能更新的蚁群双序列比对算法

彭东海^1,2,骆嘉伟²,陈斐²

1.湖南人文科技学院计算机系，湖南娄底 417000
2.湖南大学计算机与通信学院，长沙 410082

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-11 发布日期:2007-12-11
通讯作者: 彭东海

Ant colony algorithm based on intelligent altering pheromone for pairwise sequence alignment

PENG Dong-hai^1,2,LUO Jia-wei²,CHEN Fei²

1.Department of Computer Science，Hunan Institute of Humanities and Science and Technology，Loudi，Hunan 417000，China
2.College of Computer and Communication，Hunan University，Changsha 410082，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-11 Published:2007-12-11
Contact: PENG Dong-hai

摘要/Abstract

摘要： 序列比对算法是生物信息学中重要的研究方向之一。提出了一种基于信息素智能更新的蚁群双序列比队算法，该算法利用历史最优信息来更新信息素，避免出现早熟现象，加速算法的后期收敛。实验表明该方法是有效性和可行的。

关键词: 蚁群算法, 序列比对, 信息素

Abstract: Sequence alignment algorithm is an important research direction in Bioinformatics.This paper proposes an ant colony algorithm based on Intelligent altering pheromone for pairwise sequence alignment.This new algorithm uses the history optimization information to update pheromone，avoids prematurity and accelerates the convergence of algorithm in later period．The results demonstrate that this new approach is reasonable and efficient.

Key words: ant colony algorithm, sequence alignment, pheromone

彭东海^1,2,骆嘉伟²,陈斐². 基于信息素智能更新的蚁群双序列比对算法[J]. 计算机工程与应用, 2007, 43(35): 166-168.

PENG Dong-hai^1,2,LUO Jia-wei²,CHEN Fei². Ant colony algorithm based on intelligent altering pheromone for pairwise sequence alignment[J]. Computer Engineering and Applications, 2007, 43(35): 166-168.

[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]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[4]	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.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[14]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[15]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.