多目標(biāo)DNA核酸編碼優(yōu)化算法

目錄
第1章 緒論 1
1.1 DNA計算 1
1.1.1 DNA計算的產(chǎn)生和特點(diǎn) 1
1.1.2 DNA計算的基本原理 2
1.1.3 DNA計算中的編碼問題 4
1.2 DNA編碼 4
1.2.1 DNA編碼算法的研究現(xiàn)狀 4
1.2.2 DNA編碼問題的約束條件 6
第2章 DNA編碼約束條件與傳統(tǒng)多目標(biāo)粒子群算法 9
2.1 DNA編碼約束 9
2.1.1 DNA編碼約束的分類 9
2.1.2 DNA編碼問題的數(shù)學(xué)模型 18
2.2 多目標(biāo)優(yōu)化問題 20
2.2.1 多目標(biāo)優(yōu)化的相關(guān)概念 20
2.2.2 多目標(biāo)優(yōu)化算法 22
2.2.3 多目標(biāo)進(jìn)化算法的基本框架 23
2.3 粒子群算法 24
2.3.1 算法思想 25
2.3.2 算法流程 26
2.3.3 多目標(biāo)粒子群優(yōu)化算法 26
第3章 動態(tài)多目標(biāo)粒子群DNA編碼算法研究 28
3.1 算法思想 28
3.2 算法流程 29
3.3 動態(tài)精英選擇算法 30
3.3.1 最小曼哈頓距離選擇算法 30
3.3.2 基于最小曼哈頓距離的動態(tài)精英選擇算法 32
3.4 主要算子設(shè)計 34
3.4.1 問題編碼 34
3.4.2 粒子更新 35
3.4.3 離散處理和邊界約束 35
3.4.4 適應(yīng)度計算 36
3.4.5 個體極值更新 37
3.4.6 全局極值更新 37
第4章 動態(tài)多目標(biāo)粒子群DNA編碼算法實(shí)驗(yàn) 38
4.1 DNA序列評價方法 38
4.2 算法參數(shù)選擇 39
4.2.1 種群參數(shù) 40
4.2.2 粒子群參數(shù) 41
4.2.3 各目標(biāo)的曼哈頓距離權(quán)重參數(shù) 44
4.3 實(shí)驗(yàn)結(jié)果與分析 45
4.3.1 長度為20的7條DNA編碼結(jié)果比較 46
4.3.2 長度為20的14條DNA編碼結(jié)果比較 48
4.3.3 長度為15的20條DNA編碼結(jié)果比較 51
第5章 核酸分子二級結(jié)構(gòu)預(yù)測 55
5.1 核算分子二級結(jié)構(gòu)預(yù)測研究進(jìn)展 55
5.2 核酸分子的二級結(jié)構(gòu)簡介 57
5.2.1 核酸分子基本結(jié)構(gòu) 57
5.2.2 核酸分子的結(jié)構(gòu)分級 58
5.2.3 二級結(jié)構(gòu)的表示方法 59
5.2.4 假結(jié)結(jié)構(gòu) 61
5.3 二級結(jié)構(gòu)預(yù)測方法 62
5.3.1 基于比較序列分析方法 63
5.3.2 基于最小自由能方法 63
第6章 遺傳算法和CUDA技術(shù)簡介 66
6.1 遺傳算法 66
6.1.1 遺傳算法簡介 66
6.1.2 遺傳算法的特點(diǎn) 67
6.1.3 遺傳算法的應(yīng)用 69
6.2 CUDA并行技術(shù) 70
6.2.1 并行技術(shù)的發(fā)展 70
6.2.2 CUDA編程模型 72
6.2.3 CUDA線程結(jié)構(gòu) 74
6.2.4 CUDA軟件體系 75
6.2.5 CUDA存儲器模型 76
第7章 基于遺傳算法的核酸二級結(jié)構(gòu)預(yù)測研究 78
7.1 基于遺傳算法的核酸二級結(jié)構(gòu)預(yù)測 78
7.1.1 問題的編碼 79
7.1.2 假結(jié)預(yù)測問題 80
7.1.3 適應(yīng)度函數(shù) 84
7.1.4 種群的初始化 85
7.1.5 種群優(yōu)化 89
7.1.6 選擇算子 92
7.1.7 交叉算子 94
7.1.8 變異算子 97
7.2 算法描述 98
7.3 實(shí)驗(yàn)與結(jié)果分析 100
第8章 基于CUDA的并行遺傳算法預(yù)測核酸分子二級結(jié)構(gòu)的研究 106
8.1 并行算法 106
8.1.1 適應(yīng)度函數(shù) 106
8.1.2 種群的初始化 107
8.1.3 并行選擇算子 109
8.1.4 并行交叉算子 110
8.1.5 并行變異算子 111
8.2 算法描述 111
8.3 實(shí)驗(yàn)結(jié)果與分析 112
參考文獻(xiàn) 115