基于隐Markov模型的RNA二级结构预测新方法

有效预测RNA二级结构是生物信息学中的重要研究领域.提出一种基于隐Markov模型预测RNA二级结构的新方法.首先,应用前后缀匹配算法快速找到所有可能(包括假结)的茎区,建立RNA-HMM,寻找最优的茎区组合方法,得到包含假结的RNA二级结构.实验结果表明,提出的新方法降低了计算复杂性,提高了预测的特异性和敏感性,具有较高的准确率,可以预测RNA的假结结构.     

遗传算法结合蚁群算法电力系统故障浅析

根据蚁群算法与遗传算法的特性,提出了与遗传算法混合的蚁群算法（G3A）：由遗传算法生成初始信息素分布,在蚁群算法寻优中,利用蚁群算法信息素轨迹更新求精确解,保持了遗传算法的全面搜索能力,从而获得在时间效率与精解效率都更优的一种新的启发式方法。     

基于离散Hopfield网络求解极大独立集的茎区选择算法以及在RNA二级结构预测中的应用

提出了一种利用离散Hopfield网络求解图论极大独立集的启发式算法,并将其应用于RNA二级结构的茎区选择和预测当中.算法通过映射RNA序列的茎区为无向图中的节点,将预测RNA二级结构的问题转化为求解图的极大独立集的问题.定义了合理的能量变化函数,利用离散Hopfield网络进行迭代,以获得能量最优的预测结构.文中将算法与传统的最大匹配数算法以及最小自由能算法在运行时间上进行比较,并且选择特定的序列在茎区和碱基对水平上进行精度测试,结果证明该算法在效率和精度上具有一定的优势.算法的时间复杂性为max{O(n2),O(N2)},空间复杂度为O(N2),其中n为RNA序列长度,N为RNA的茎区段个数.     

混合遗传算法和蚁群算法在HP模型中的应用

遗传算法和蚁群算法在HP模型中已经有了大量的研究及成果,蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。提出了一种先用遗传算法生成信息素分布,再利用蚁群算法求优化解的新的混合算法。将该算法用于二维HP模型中,计算结果显示该算法在寻优能力和收敛速度上都比单一的遗传算法和蚁群算法有所提高。     

基于茎区组合的RNA二级结构预测算法

RNA二级结构预测是生物信息学的研究热点和难点,特别是对于含假结的RNA二级结构的预测,已经被证明是NP问题。根据RNA折叠的特点,提出了一种基于茎区组合的智能优化算法来预测RNA 的二级结构。该算法以RNA的茎区为基本单元,结合图论思想,通过二元关系的基本理论,依据自由能最小原则获取茎区的最优组合。该算法的时间复杂度为O(n3),空间复杂度为O(n2),而且可以发现假结。实验结果证明了算法的有效性。     

用带蚁群搜索的多种群遗传算法求解作业车间调度问题

结合遗传算法和蚁群算法的优点，提出一种带蚁群搜索的多种群遗传算法．多个种群各自遗传进化，用蚁群搜索得到的解替代各种群中的较劣个体，增加种群的多样性，提高种群的质量；根据各种群最优个体设定初始信息素，大大缩短信息素的累积过程，加快蚁群搜索的速度．利用算法对典型作业车间调度问题进行求解,仿真计算结果表明,该算法是有效的.     

基于遗传算法和蚁群算法融合的QoS路由算法*

面向QoS路由问题,设计了一种基于遗传算法和蚁群算法融合的QoS路由算法(QoS routing algorithm according to the combination of the genetic algorithm and ant colony algorithm,GAACO_QoS).利用遗传算法生成初始解,将其转换为蚁群算法所需的信息素初值,然后利用蚁群算法求取最优解.设置遗传算法控制函数来控制遗传算法和蚁群算法融合的适当时机.通过与遗传算法以及蚁群算法的比较,进一步说明算法的有效性.     

混合智能算法在多约束优化问题中的应用*

提出了一种将蚁群算法、遗传算法和粒子种群优化融合的混合智能算法来解决多约束最优路径和QoS路由问题。采用蚁群算法进行寻径生成初始群体,利用遗传算法对路径进行优化,利用PSO算法来优化蚁群算法中的信息素,优势互补。仿真结果表明该算法是可行、有效的。     

基于灰预测和正态云的参数自适应蚁群遗传算法

基于正反馈机制的蚁群算法,在进行全局搜索时,具有很强的全局收敛能力;遗传算法则具有快速的全局搜索能力.为了充分利用两种算法在寻优过程中的优势,提出一种带有参数自适应调节能力的混合算法.该算法利用灰预测对最大最小蚁群策略中的信息素上(下)界进行估计,以达到实时控制信息素限界、避免算法陷入局部最优的目的.同时,通过云模型建立了一系列的关联规则,利用算法在迭代过程中的反馈信息,可实现算法参数的自适应控制,有效减小算法对参数初始设置的依赖.最后,对车间调度问题(JSP)和旅行商问题(TSP)算例的仿真结果证明了算法的有效性.     

基于茎区的自由能算法预测RNA二级结构

预测RNA分子的二级结构是计算生物学中的一个重要研究内容,本文在传统的最小自由能算法的基础上,提出了基于茎区的自由能算法,该算法时间复杂度O(n<'3>),空间复杂度O(n<'2>),能够预测RNA二级结构及其假结.     

一种新的RNA二级结构特征序列表示及相似性分析*

针对目前不同的RNA二级结构可能对应相同特征序列的问题,本文提出了一种新的RNA二级结构特征序列表示法,根据不同的RNA二级结构的子结构类型,分别给出相应的字符表示并由此得到新的特征序列。利用Lempel-Ziv复杂度对两组RNA二级结构进行了相似性分析,实验结果表明了该表示法可以有效的提取RNA二级结构的结构信息,避免了不同RNA二级结构可能对应相同特征序列的问题。     

RNA二级结构预测的支持向量机模型研究

RNA二级结构预测问题是生物信息学的一个研究重点,本文主要利用支持向量机(SVM)模型来研究RNA 二级结构预测问题.通过改进NSSEL标签[4],形成了能表示平面伪结结构的E-NSSEL标签,该标签作为SVM模型输出端的类别标识,因此,测试序列经过SVM模型预测后得到相应的E-NSSEL序列,该序列可以恢复为二级结构.此算法能有效地解决传统算法中存在的时间复杂性的问题和长链分子的预测问题.     

基于词汇化随机文法模型的RNA二级结构预测

针对经典的随机文法模型预测RNA二级结构存在精度不高的问题,本文给出了一种词汇化随机文法模型预测RNA二级结构的方法。首先,用最大熵模型获取RNA序列中的词条信息,通过Viterbi算法搜索每个词条被标注为某种二级结构类型的最大概率;然后,将这些词条信息作为先验信息在随机文法模型训练过程中引入,从而加快对二级结构的搜索过程,提高准确率。     

含伪结的RNA分子二级结构预测

预测含伪结的RNA分子二级结构是生物信息学的一个研究难点。利用多分类支持向量机结合贝叶斯神经网络针对含伪结的RNA分子二级结构进行预测。利用多分类支持向量机进行预测,输出端得到相应碱基的平面伪结结构的E-NSSEL（Extend New Secondary Structure Element Label）类别标签。使用碱基已预测的结果通过贝叶斯神经网络进行修正,并恢复RNA分子二级结构。使用该方法能有效地改善含伪结的RNA分子二级结构的预测效果。     

基于免疫粒子群集成的RNA二级结构预测算法

RNA二级结构预测在计算生物学中具有重要意义,针对RNA二级结构预测,提出了一种新的免疫粒子群集成算法,根据个体的浓度和适应值概率,利用免疫机制,在粒子群优化算法中设计了免疫替换算子,有效防止了粒子群优化算法易陷入局部最优的缺陷;通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后用免疫粒子群集成算法去预测RNA二级结构,实验证明了算法的有效性。     

使用角色反演句法分析器RNA二级结构的预测

RNA二级结构预测问题是生物信息学的一个研究重点。该文主要利用自然语言理解中旬法分析的方法来研究RNA二级结构预测。使用基于角色反演算法建立起来的，采用概率上下文无关文法进行分析的句法分析器，来预测RNA二级结构。结合传统Chart算法分析器和广义LR算法分析器的优点，建立角色反演句法分析器；根据RNA二级结构的构建方法建立相应的概率上下文无关文法；给出对RNA二级结构进行预测的具体实例。     

A massively parallel genetic algorithm for RNA secondary structure prediction

We present a new method for predicting RNA secondary structure based on a genetic algorithm. The algorithm is designed to run on a massively parallel SIMD computer. Statistical analysis shows that the program performs well when compared to a dynamic programming algorithm used to solve the same problem. The program has also pointed out a long-standing simplification in the implementation of the original dynamic programming algorithm that sometimes causes it not to find the optimal secondary structure.     

利用混沌差分进化算法预测RNA二级结构

RNA二级结构预测在生物信息学中具有重要意义。本文针对RNA二级结构预测,提出了一种混沌差分进化算法。算法对种群进行混沌初始化,利用混沌扰动产生新的个体,缩小搜索空间;根据个体的适应值和种群密度自适应地对个体进行混沌更新,改善了种群的多样性。该算法充分利用了差分进化算法速度快以及混沌的遍历性、随机性和规律性等特点,有效克服了早熟现象,提高了算法的全局搜索能力。实验证明了算法的有效性。     

Graphics of RNA secondary structure; towards an object-oriented algorithm

We present a new algorithm for the display of RNA secondary structure. The principle of the algorithm is entirely different from those currently in use in that our algorithm is 'object oriented' while current algorithms are 'procedural'. The circular RNA molecule of chrysanthemum stunt viroid was used as input data for demonstrating the operation of the program. The major interest of this method will be found in its potential use in simulation graphics of RNA folding processes.