最优搜索机制下寻找最优插入-删除种子

空位种子极大地提高了生物分子序列比对的灵敏度,但不适合大量存在插入和删除字符的序列.在空位种子的基础上,提出了带插入-删除的生物序列比对种子,进一步提高了生物序列比对的效率.实验表明,采用最优搜索算法可以有效地在给定约束条件下寻找到最优的插入-删除种子,并且插入-删除种子比同长度的最优空位种子具有更高的生物序列比对敏感...     

一种改进免疫遗传算法及在异常检测中的应用

该文针对免疫遗传算法的不足,在分析其特性的基础上,引入了隔离小生境技术,改进交叉算子和变异算子,提出一种改进算法。在基于模糊关联规则挖掘的异常检测中采用本算法优化后的隶属函数,能够扩大正常关联规则集之间的相似度,缩小正常与异常关联规则集之间的相似度,提高异常检测的性能。通过以网络流量为数据的异常检测实验仿真对算法进行了验证。实验结果说明了该算法的可行性和有效性。     

HGA-COFFEE:多序列比对问题的混合遗传算法求解

针对生物序列分析中的多序列比对问题，设计了一个求解多序列比对问题的混合遗传算法（与之相应的软件称为HGA-COFFEE），该算法采用COFFEE函数作为个体的适应度函数，构造了5种新的遗传算子，包括1种选择算子，2种交叉算子和2种变异算子，其中一种变异算子基于COFFEE的一致性信息设计，以改善算法的整体搜索能力；另一种变异算子基于动态规划方法设计，以增强其局部搜索能力。最后，通过对BAliBASE中144个测试例的测试，证明该算法是有效的，与已有的算法相比，该算法对处于朦胧区和具有N／C末端延伸的序列比对问题有更强的问题求解能力。     

基于小生境改进的遗传算法求解多序列比对问题

基于多核平台设计了一个求解多序列比对问题的改进遗传算法。该算法采用一致性函数作为个体的适应度函数,引进小生境技术,维持种群进化的多样性,以改善算法的整体搜索能力。考虑遗传算法本身具有较好的并行性,对其各算子针对多核平台进行了并行化设计。通过对BAliBASE中的测试例进行测试,与已有的算法相比取得了更优的结果,证明该算法是有效的。并行化设计使算法在多核平台的运行时间显著缩短,加速效果明显。     

基于遗传算法的HMM参数估计

隐马尔可夫模型(Hidden Markov model)用于多序列比对研究是生物信息学研究的新领域,其可以通过训练识别同一特征的蛋白质序列.然而,目前的HMM参数估计算法Viterbi算法和Baum-Welch算法,都只能找到局部最优比对,无法找到全局最优比对.针对此算法全局最优问题提出了基于遗传算法的HMM参数估计,与已有的训练算法相比,遗传算法在搜索全局最优时具有突出的优势.     

遗传算法在机器人路径规划中的应用研究

采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,应用遗传算法对机器人路径规划作了研究。文中引入间断无障碍路径新概念以简化初始种群产生,定义了插入算子和删除算子以保证路径的连续性和简明性。应用遗传算法工具箱ＮＰＵＧＡＴｏｏｌｂｏｘＶｌ．０对所提方法作的仿真研究结果表明,该方法可行。     

动态网络最佳路径的遗传算法求解

基于对动态最佳路径问题的分析，给出了离散网络最佳路径问题的一般化模型描述，并在此模型的基础上，将动态网络转换为静态网络；针对传统交叉算子可能产生无效路径，重排操作实现比较困难的缺陷，用基因插入和基因删除对单亲遗传算法进行了改进，改进后的算法染色体长度可变，不仅避免了无效路径的生成，还可节省存贮空间。仿真结果表明，本方法具有较好的鲁棒性。     

基于遗传算法的复杂网络社区结构探测

对于复杂网络社区结构的探测问题在多个应用领域引起了广泛关注。本文基于遗传算法提出了一种新的社区探测算法,该算法通过最大化网络模块度以探求最好的社区划分结果。本文采用字符串编码进行基因表示。在初始化种群时,通过将一部分节点的社区标识符传递给它的邻居节点保证了算法的收敛性,并且消除了不必要的迭代。对于交叉算子和变异算子也进行了优化,将单向交叉引入到交叉算子中,并在变异过程中保证了变异节点的连接有效性。将本算法与两种算法通过真实世界的复杂网络进行实验比较,实验结果表明,改进后的算法可以有效地应用于社区结构探测。     

关于DNA序列比对算法的简述

按照序列的数量，先对双序列比对中Smith-Waterman算法、FASTA算法、BLAST算法、MUMmer算法和遗传算法等进行了详细分析和比较，然后对多序列比对中的CLUSTAL算法和星比对算法也进行了比较全面的总结，并指出了当前的研究热点。     

基于布尔逻辑的双序列比对协处理器的设计与实现

文章针对基因研究中的快速完成双序列比对工作的需要,设计了一种双序列比对协处理器。该协处理器通过USB接口与主机进行通信,采用基于布尔逻辑的比对算法完成双序列的比对。对碱基进行优化编码,使得用简单的门电路实现比对规则;使用流水寄存器,使得读碱基和序列比对并行工作,从而快速地完成具有显著相似性的DNA序列的比对。实验表明该协处理器具有结构简单、高效稳定、升级方便等特点。     

遗传算法求解TSP问题的研究进展

文章介绍了TSP问题和遗传算法的基本原理以及特点；针对解决TSP问题，论述了遗传算法在编码表示和遗传操作算子等方面的应用情况，分别指出了顺序表示、路径表示和布尔矩阵表示的优缺点．阐述了三种基本的操作算子的应用现状；最后，简单说明了混合遗传算法在求解TSP问题中的应用并对遗传算法解决TSP问题的前景提出了展望．     

一种求解N皇后问题的优化组合遗传算法

基于遗传算子优化组合思想,采用二进制编码方式,选择矩阵遗传算子和布尔遗传算子组合应用对N皇后问题求解,避免了常规遗传算法的杂交率和变异率选取.从N皇后问题的约束条件角度,构造适应度评价函数,保证了算法的全局收敛性.实验结果表明,本文算法具有良好的搜索效率和求解质量,运行一次在收敛代数内可以搜索到多个解,当皇后数N较大时,搜索到解的效率越明显好于常规遗传算法.     

一种遗传算法的神经网络模型

提出了应用神经网络实现遗传算法的模型,将普通遗传算法中交叉操作和突变操作的概念进行推广,并提出了全交叉和多点突变的概念以及实现这两种操作的人工神经元模型。通过一组著名的测试函数将该算法与典型遗传算法就求解优化问题的性能作了比较研究。此研究对用硬件执行遗传算法,显式地实现遗传算法的内在并行性,从而提高遗传算法的实时性,拓宽遗传算法的应用领域具有重要的意义。     

非均匀线阵遗传优化方案的比较研究

为使等幅边射直线阵具有尽可能低的最大副辩电平，选择几种典型的选择算子和交叉算子组合构成遗传算法方案，进行遗传优化，并对24种算法方案的优化效果作比较研究．结果表明，遗传算法方案设计的关键在于保持合适的种群多样性。如选用截断 赌轮选择算子与均匀交叉算子组合的方案使48单元边射直线阵的最大副辩电平降低到-26．3dB。     

钢框架优化遗传算法的若干改进

将遗传算法应用于钢框架结构优化设计时，在实际的应用中，基本的遗传算法存在着收敛速度慢和稳定性差等缺陷。为克服这些问题，采用了改进的适应度函数和约束处理方法、自适应的交叉、变异概率和最优保存策略，提高了遗传算法的效率和可靠性。算例表明改进的遗传算法对离散变量结构优化是有效、可行的。     

柔性生产中人员配置模型及其调度算法

为减少柔性生产企业的劳务费用,提高运营效益,以合理的人工分配方案和最佳作业排序为目标建 立了数学模型,并设计一种多目标混合算法．将作业分解为子作业层和父作业层,采用遗传算法和动态规划 法获取最佳的人工分配方案．在人工优化模型的基础上利用模拟退火遗传算法,将搜索空间限制在第一工位 工件投产序列的置换向量空间内,并采用交叉算子和变异算子对选择算子进行了重新设计,生成最优作业排 序计划．一组测试问题的求解结果表明了所提出方法的有效性及鲁棒性     

桁架结构优化设计的遗传算法

本文提出桁架结构系统优化设计的新方法──遗传算法，它不同于常规优化算法的特点在于，从多个初始点开始寻优．并采用交迭和变异算子避免过早地收敛到局部最优解，可获得全局最优解，且不受初始值影响。该算法不必求导计算，编程简单，快捷，它尤其适用于具有离散变量的结构优化设计问题。     

基于加权启发式遗传算法的装配序列规划

传统遗传算法求解装配序列规划问题时会在初始化过程中产生大量非可行序列,影响求解速度并且导致最终得到的规划解质量不高.针对该问题,通过在初始化过程中加入启发式算子和基于无向图的广度优先搜索策略,保证了初始化个体的可行度和高适应度;在此基础上,对装配规划问题的特征重新对选择、交叉和变异算子进行了设计.实验表明,改进后的算法具有更好的稳定性和高效性,并且算法执行过程中不需要注入人工信息,使得装配过程更加自动化.     

一种基于遗传程序设计的数据拟合方法

提出了使用遗传程序设计来实现数据拟合的方法。用树的分层结构来进行个体染色体编码。给出了遗传操作算法框架以及选择、交叉、变异与种群评估算子的实现方法。通过计算实例表明遗传程序设计能有效地进行数据序列的复杂函数拟合,不需要对数据作深入的了解,在一定程度上实现了对数据变化规律的自动建模。