基于h-距离的DNA编码序列设计

针对DNA编码序列设计问题,将其转换为带约束的多目标优化问题,在单链DNA集合中引入h-距离,构造了DNA序列间的共享函数,应用小种群遗传算法,对DNA编码序列设计问题进行求解。与已有结果比较,算法可以得到更好的DNA序列且计算效率较高。算法可用于DNA计算中编码序列的具体设计。     

基于文化进化粒子群算法的DNA序列设计

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。     

基于遗传粒子群算法的DNA编码优化

DNA编码序列的设计是影响DNA计算可靠性的重要手段,该文从DNA编码设计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,采用遗传粒子群算法解决该多目标优化问题,并在不同的约束准则下将计算得到的序列与已有的DNA序列进行了对比。仿真结果证明了该方法的有效性。     

基于纠错码编码理论的DNA编码研究*

作为一种新的计算模式,DNA计算有着强大的计算能力,编码问题在DNA计算中占据重要的位置,有效的编码设计能够提高DNA计算的可靠性。基于纠错码编码理论,提出了一种新的DNA编码方法,该方法可以找出具有一定长度且满足汉明距离约束的DNA编码序列。最后,给出了该算法的仿真,结果表明了该算法的有效性。     

基于改进非支配遗传算法的DNA编码序列优化方法

针对DNA计算中的编码序列设计问题,分析了DNA编码序列设计的目标和需要满足的约束条件,并建立了相应的数学模型。通过将约束条件引入非支配排序过程,提出了一种改进的NSGA-Ⅱ算法。实验结果表明,该算法具有良好的收敛特性和种群多样性,能为可控的DNA计算提供可靠的编码序列。     

基于文化微粒群优化算法的DNA编码研究

对DNA编码约束进行研究,选择汉明测量以及相似度作为DNA序列集设计的主要约束,并结合连续性约束与GC Content约束,将序列集设计问题抽象为带有强约束的多目标优化问题,采用文化微粒群算法解决该多目标优化问题。仿真结果表明,该混合算法针对DNA编码序列设计问题,在求解最优值能力、解的稳定性方面都能取得较好的效果。     

基于文化遗传算法的DNA编码序列设计

DNA编码问题是DNA计算的关键,然而,它已被证明为NP困难问题,通常采用优化算法求解。针对传统遗传算法缺乏有效指导,容易陷入局部极值的缺点,结合文化算法采用种群空间和信念空间的双层进化结构进行寻优,提出了一种基于遗传算法和文化算法的混合优化算法用于解决DNA编码问题。仿真结果表明该混合算法能有效地用于DNA编码序列设计。     

基于离散粒子群的DNA编码序列组合优化方法

本文分析了DNA编码序列设计的目标及需要满足的约束条件H-measure、连续性、相似度、发夹结构、GC含量等约束,建立一种组合优化评价模型,通过引入基于权重的适应度函数来评价DNA序列集合的优劣,最后提出基于该模型的离散粒子群优化算法(DPSO)生成有效的DNA编码序列.根据优化问题的约束条件及离散量的特点,对粒子的...     

基于聚类小生境遗传算法的DNA编码优化

DNA编码优化问题是DNA计算中的核心问题。分析DNA编码优化的约束条件,在单链DNA序列集合上引入h距离,将聚类小生境技术应用于小种群遗传算法的构造,对DNA编码优化问题进行求解。基于h距离定义DNA序列间的相似函数,将碱基字母编码为4进制整数、DNA编码序列作为个体编码为4进制整数向量、种群编码为4进制整数矩阵,基于模4算术运算,构造相应的遗传算子,并给出DNA编码序列的具体计算结果。实验结果表明,与现有DNA编码序列优化结果相比,该算法可得到更好的DNA编码序列且计算效率较高。     

多目标0-1规划的混沌优化算法

多目标问题在现实中有广泛应用,如何获得更多非劣解具有重要意义。通过利用混沌运动的遍历性、随机性、规律性等特点,设计了一种求解多目标0-1规划问题的混沌优化算法,并在计算机上予以实现。该混沌优化算法计算时间复杂度较小,在计算效率上有一定优势。计算结果表明,与已有算法相比,该算法能求得较多非劣解,能够有效求解多目标0-1规划问题。     

用于测试序列优化的DPSO-WAO*算法研究

针对现有测试序列优化算法所存在的计算效率及优化性能间的矛盾,结合离散粒子群算法(DPSO),提出了基于加权Huffman编码的启发式评估函数,对传统AO*算法进行改进,提出了DPSO-WAO*(DPSO-Weight_AO*)算法。实例证明,基于加权Huffman编码的启发式评估函数更为准确地评估了全局测试成本,在取消了成本回溯的情况下,算法仍能保持较高的优化性能,且有效地降低了计算复杂度,对于大型系统的测试序列设计、可测试性分析及故障诊断等具有重要意义。     

DNA计算求解连续空间优化问题

首先构造了二进制编码的网络空间,其两个节点连接权的四条边对应到DNA编码,设计了相应的算子起到DNA计算酶的作用,该算法设计使得DNA计算能够求解连续空间优化问题。通过测试函数表明该算法具有较好的收敛速度和稳定性,求解结果非常好。     

多选择背包问题离散狼群算法研究

狼群算法是一种通过模拟狼群的捕食行为和猎物分配方式提出的群体智能算法,为求解复杂组合优化问题提供了一种新的思路。目前狼群算法不能解决离散问题,以NP难中的经典问题——多选择背包问题的求解为研究对象,设计了基于离散空间的狼群算法。对于离散空间的狼群算法,通过将人工狼编码,重新设计了狼群的游走、奔袭和围捕过程,并设计了三个过程中的步长。把学习机制引入离散狼群算法,实现了人工狼之间的交流,且确立了自适应步长公式。结果表明：离散狼群算法成功实现了对离散问题的求解,为组合优化问题的求解提供了新方法。     

基于SDNA-GA 优化的模糊神经网络控制

针对最新的生物DNA研究,病毒中同一DNA碱基顺序可以编码出2条或者3条不同的多肽链.在此基础上分析与模仿了重叠基因和重叠密码的机理,得到一种新的基于重叠基因编码框架,从而提高了问题求解的效率;同时,得到一种移码解读框架的DNA遗传算法(SDNA-GA)计算模型,并将其应用于一类广义隶属度型T-S模糊神经网络控制器(GTS-FNNC)的优化设计,实现了GTS-FNNC的在线学习.     

Multiobjective evolutionary optimization of DNA sequences for reliable DNA computing

DNA computing relies on biochemical reactions of DNA molecules and may result in incorrect or undesirable computations. Therefore, much work has focused on designing the DNA sequences to make the molecular computation more reliable. Sequence design involves with a number of heterogeneous and conflicting design criteria and traditional optimization methods may face difficulties. In this paper, we formulate the DNA sequence design as a multiobjective optimization problem and solve it using a constrained multiobjective evolutionary algorithm (EA). The method is implemented into the DNA sequence design system, NACST/Seq, with a suite of sequence-analysis tools to help choose the best solutions among many alternatives. The performance of NACST/Seq is compared with other sequence design methods, and analyzed on a traveling salesman problem solved by bio-lab experiments. Our experimental results show that the evolutionary sequence design by NACST/Seq outperforms in its reliability the existing sequence design techniques such as conventional EAs, simulated annealing, and specialized heuristic methods.     

Design optimization with chaos embedded great deluge algorithm

In this paper, the great deluge algorithm (GDA), which has not been previously used in constrained mechanical design optimization problems is employed to solve several design optimization problems selected from the literature. The GDA algorithm needs only one basic parameter to setup, which makes it very attractive for solving optimization problems. First time in this paper, an attempt is made to see whether it is possible to enhance the performance of a very simple algorithm like GDA to solve complex constrained non-linear design optimization problems by embedding chaotic maps in its neighborhood generation mechanism. Eight different chaotic maps are tested and compared in this paper. It is observed that chaotic maps can considerably improve the performance of GDA and enables it to find the best possible solutions for the studied problems.     

遗传算法的编码理论与应用

编码是遗传算法求解问题的前提,文章分析了二进制编码、格雷码编码、实数编码、符号编码、排列编码、二倍体编码、DNA编码、混合编码、二维染色体编码或矩阵编码等编码的实质内容,在树编码和可变长编码基础上阐述了自适应编码的基本理论,提出了基于相似度的可变长编码和基于结构的agent编码方式,给出了函数优化、TSP、KP、JSP、机器人路径规划、图的划分和倒立摆等典型优化问题的编码方案。