基于剖面隐马氏模型的多序列比对

多序列比对被称为NP完全问题,是生物信息中最基本的问题之一.目前,广泛使用剖面隐马尔可夫模型解决多序列比对问题.作者在粒子群优化算法的基础上,提出了将量子粒子群优化算法用于剖面隐马尔可夫模型的训练过程,进而构建了一种基于剖面隐马氏模型和量子粒子群优化算法的多序列比对算法.从核酸序列和BaliBASE比对数据库中选取了一些比对例子进行了模拟实验,并与其他算法进行了比较,结果表明,所提出的算法能在有限的时间内不仅能找到理想的隐隐马尔可夫模型,而且能得到最优的比对结果.     

基于全局层次的自适应QPSO算法

阐明了具有量子行为的粒子群优化算法理论（QPSO）,并提出了一种基于全局领域的参数控制方法。在QPSO中引入多样性控制模型,使PSO系统成为一个开放式的进化粒子群,从而提出了自适应具有量子行为的粒子群优化算法（AQPSO）。最后,用若干个标准函数进行测试,比较了AQPSO算法与标准PSO（SPSO）和传统QPSO算法的性能。实验结果表明,AQPSO算法具有强的全局搜索能力,其性能优于其它两个算法,尤其体现在解决高维的优化问题。     

多目标蚁群优化网格调度算法

提出基于蚁群算法的网格调度算法,优化作业完成时间。同时局部升级和全局升级采用不同策略,解决资源负载均衡问题,满足网格的多目标优化。最后通过Gridsim仿真环境和其他算法进行比较分析。     

基于RUP的J2EE应用建模研究

RUP即Rational统一过程,它是综合而详尽的软件开发流程框架,根据这一框架可以定制专用的软件开发流程.通过对RUP进行适当定制,给出了基于RUP开发J2EE应用的建模方法,并用一个纺织行业B2B网上订购系统作为实例,对该建模方法进行了验证.实践表明,在该建模方法指导下可以快速构建强壮、高效、可复用的J2EE应用.     

基于QPSO的上证指数ARCH模型

介绍一种利用量子行为粒子群算法(QPSO)建立上证指数收益的 ARCH模型,利用不同的算法精确地估计模型中的参数,验证QPSO算法的优越性。利用得到的估计模型对指数收益进行预测,得到大致跟随指数实际走势的预测值。试验结果表明,QPSO算法比粒子群算法、遗传算法能更好地解决此类问题。     

不完备信息系统的Rough模型扩充

在处理不完备信息系统时,需要对经典粗糙集理论进行扩充。目前有一般容差关心,相似关系,限制容差关系等Rough集模型,然而这些模型还存在一定的局限性。本文对此进行了分析和改进,建立了基于k等价度容差关系的Rough模型。并通过实例说明了该模型具有很好的灵活性,得到的结果也更加符合实际情况。     

粒子群优化多处理机任务调度算法

提出基于粒子群优化的多处理机调度算法,采用列表调度,同时把粒子群的矢量表达方式转换为基于调度优先级的模型。调度结果显示能提高全局搜索能力,加快进化速度,优于模拟退火等启发式算法结果。     

基于Web的证券数据库查询系统的实现

探讨了Internet/Intranet上实现数据库发布的几种解决方案的不同特点，详细地阐述了ASP/ADO技术在开发基于Web的证券信息数据库查询系统中的应用，同时给出了不同数据库系统之间进行转换的技术。     

DCS与MIS互连方法的实现

介绍了3种DCS与MIS互连方法，通过对不同互连方法及其实现的介绍，揭示出信息互通、网络互连的发展变化及其趋势。