进化算法及其在生物信息中的应用【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

进化算法及其在生物信息中的应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 绪论1

1.1进化算法1

1.1.1遗传算法1

1.1.2遗传规划2

1.1.3进化策略4

1.1.4进化规划5

1.1.5粒子群优化算法5

1.1.6量子粒子群优化算法8

1.2生物信息学10

1.2.1生物信息学的起源10

1.2.2生物信息学的概念11

1.2.3生物信息学的主要研究内容12

1.3最优化理论14

1.3.1最优化问题15

1.3.2局部优化算法16

1.3.3全局优化算法17

1.3.4最优化问题的求解17

1.4本书的主要内容19

第2章 粒子群优化算法和量子粒子群优化算法21

2.1粒子群优化算法21

2.1.1基本粒子群算法21

2.1.2带惯性权重w的粒子群算法23

2.1.3带收缩因子x的粒子群算法24

2.2量子粒子群优化算法25

2.2.1δ势阱模型的建立25

2.2.2粒子的基本进化方程28

2.2.3QPSO算法的流程29

2.3QPSO算法收敛性分析30

2.3.1全局搜索算法的收敛准则31

2.3.2局部搜索算法的收敛准则33

2.3.3QPSO算法的全局收敛性33

第3章 基于选择操作的QPSO算法36

3.1引言36

3.2采用锦标赛选择操作的QPSO算法（QPSO-TS）37

3.3采用轮盘赌选择操作的QPSO算法（QPSO-RS）39

3.4算法的收敛性分析40

3.4.1全局收敛性准则40

3.4.2基于选择操作的QPSO算法的全局收敛性40

3.5实验结果及分析42

3.5.1实验设计42

3.5.2实验结果45

3.6本章小结74

第4章 进化算法在多序列比对中的应用75

4.1多序列比对的含义75

4.2基于二进制QPSO算法的序列比对77

4.2.1二进制的PSO算法（BPSO）77

4.2.2二进制的QPSO算法（BQPSO）78

4.2.3基于MBPSO或MBQPSO的多序列比对81

4.2.4仿真实验和结果84

4.2.5结论94

4.3基于隐马尔柯夫模型和多样性QPSO算法的多序列比对95

4.3.1前言95

4.3.2隐马尔柯夫模型96

4.3.3基于剖面HMM和QPSO的多序列比对100

4.3.4融合多样性的QPSO算法102

4.3.5评估训练算法的质量106

4.3.6模型的联配问题107

4.3.7评估比对序列的质量109

4.3.8实验结果110

4.3.9结论124

第5章 基于进化算法的代谢流的评估126

5.1代谢流评估126

5.1.1化学计量矩阵方法127

5.1.2基于13C标记平衡的MFA130

5.2基于自适应进化算法和单值分解的方法的135

代谢通量分析135

5.2.1自适应进化算法135

5.2.2系统化学计量矩阵约束的单值分解137

5.2.3进化算法中不等式约束的处理138

5.3基于QPSO及其改进的QPSO算法和罚函数的代谢通量分析139

5.3.1罚函数的方法139

5.3.2基于QPSO及其改进的QPSO和罚函数的代谢流评估流程140

5.4仿真实验及其结果141

5.5本章 小结148

第6章 基于GP和QPSO算法的兽疫链球菌发酵透明质酸培养基的优化150

6.1引言150

6.2原料和方法151

6.2.1微生物和媒介151

6.2.2在一个7-1发酵罐中的兽疫链球菌的一组培养基152

6.3响应面分析法（RSM）152

6.4仿真实验和结果152

6.4.1RSM的结果153

6.4.2GP的结果154

6.4.3使用QPSO算法优化GP评估方程式的参数的结果155

6.4.4使用QPSO算法优化透明质酸产量的培养基的结果156

6.5结论158

第7章 基于多样性量子行为粒子群优化算法的基因数据聚类159

7.1基因数据聚类研究现状159

7.2多样性引导的量子粒子群优化算法160

7.3基于DGQPSO的聚类算法设计165

7.4基于多样性量子行为粒子群算法的基因数据聚类167

7.4.1实验数据集167

7.4.2基因表达数据聚类实验分析171

7.4.3基于粒子群优化的聚类算法比较171

7.4.4与一些常用聚类算法的比较174

7.5结论175

第8章 总结与展望176

附录1 PSO算法程序代码178

附录2 QPSO算法程序代码180

附录3 多序列比对程序代码182

参考文献186