进化算法在生物多序列比对中的应用 本书特色

本书全面系统地介绍了进化算法在生物多序列比对中的应用，根据内容的分类，分为“多序列比对基础篇”“多序列比对模拟篇”和“多序列比对参数篇”三个模块。首先介绍生物多序列比对的基础知识，包括多序列比对的基本概念、原理、方法、常用数据库、常用工具和应用等内容，并介绍进化算法和*化理论的基础知识，以及遗传算法、粒子群优化算法和量子粒子群优化算法的优化过程及收敛性分析，为进行多序列比对的模拟提供理论基础；然后详细介绍各进化算法模拟多序列比对的过程与结果；*后对于多序列比对*重要的目标函数参数进行建模与分析。本书具有系统性强、可读性强、可操作性强等特点。

进化算法在生物多序列比对中的应用 内容简介

介绍生物多序列比对的基础知识，包括多序列比对的基本概念、原理、方法、常用数据库、常用工具和应用等内容，并介绍进化算法和*化理论的基础知识，以及遗传算法、粒子群优化算法和量子粒子群优化算法的优化过程及收敛性分析，为进行多序列比对的模拟提供理论基础；然后详细介绍各进化算法模拟多序列比对的过程与结果；*后对于多序列比对*重要的目标函数参数进行建模与分析。本书具有系统性强、可读性强、可操作性强等特点。

进化算法在生物多序列比对中的应用 目录

上篇 多序列比对基础篇 第1章 生物多序列比对 3 1.1 生物信息学 3 1.1.1 生物信息学的起源 3 1.1.2 生物信息学的概念 4 1.1.3 生物信息学的主要研究内容 4 1.2 序列比对的概念及其发展历史 8 1.2.1 序列比对的提出与基本概念 8 1.2.2 序列比对的目的和意义 8 1.2.3 国内外研究现状 10 1.2.4 多序列比对面临的挑战 10 1.3 多序列比对的基本原理 11 1.3.1 多序列比对的相关概念 11 1.3.2 序列比对的分类 12 1.3.3 多序列比对的数学定义 13 1.3.4 多序列比对的打分方法 14 1.4 多序列比对方法 22 1.4.1 比对方法 22 1.4.2 多序列比对算法 23 1.5 多序列比对常用数据库 33 1.5.1 综合性数据库 34 1.5.2 基准数据库 36 1.6 多序列比对常用工具 40 1.6.1 搜索工具 40 1.6.2 常用的在线多序列比对工具 42 1.7 多序列比对的应用 45 1.8 其他说明 46 1.8.1 多序列比对算法存在的问题 46 1.8.2 多序列比对算法的运算指标 47 1.8.3 多序列比对算法的展望 48 1.9 本章小结 48 参考文献 49 第2章 进化算法和*优化理论 53 2.1 进化算法 53 2.1.1 遗传算法 53 2.1.2 遗传规划 54 2.1.3 进化策略 56 2.1.4 进化规划 57 2.1.5 粒子群优化算法 58 2.1.6 量子粒子群优化算法 61 2.2 *优化理论 63 2.2.1 *优化问题 64 2.2.2 局部优化算法 66 2.2.3 全局优化算法 67 2.2.4 *优化问题的求解 67 2.3 本章小结 69 参考文献 69 第3章 遗传算法、粒子群优化算法和量子粒子群优化算法 73 3.1 遗传算法 73 3.1.1 遗传算法的基本思想 73 3.1.2 遗传算法中的基本术语 74 3.1.3 遗传算法的步骤及流程图 75 3.1.4 遗传算法的构成要素 76 3.1.5 遗传算法的优缺点 82 3.1.6 遗传算法的应用现状 84 3.1.7 遗传算法的改进 86 3.2 粒子群优化算法 87 3.2.1 基本粒子群优化算法 87 3.2.2 带惯性权重w的粒子群优化算法 89 3.2.3 带收缩因子 的粒子群优化算法 91 3.3 量子粒子群优化算法 92 3.3.1 势阱模型的建立 92 3.3.2 粒子的基本进化方程 95 3.3.3 QPSO算法的流程 96 3.3.4 QPSO算法的收敛性分析 97 3.4 QPSO算法的改进——基于选择操作的QPSO算法 103 3.4.1 引言 103 3.4.2 采用锦标赛选择操作的QPSO算法(QPSO-TS) 105 3.4.3 采用轮盘赌选择操作的QPSO算法(QPSO-RS) 106 3.4.4 算法的收敛性分析 107 3.5 本章小结 110 参考文献 110 中篇 多序列比对模拟篇 第4章 遗传算法在多序列比对中的应用 115 4.1 基本遗传算法模拟多序列比对 115 4.1.1 引言 115 4.1.2 多序列比对问题及数学描述 117 4.1.3 算法设计 117 4.1.4 实验算例与分析 120 4.1.5 结论 123 4.2 改进遗传算法之初始种群优化 124 4.2.1 引言 124 4.2.2 优化原理 125 4.2.3 几种初始化方法的构造 127 4.2.4 加入MAFFT种子的初始化 130 4.2.5 实验算例与结果 130 4.2.6 结论 135 4.3 改进遗传算法之交叉算子优化 136 4.3.1 引言 136 4.3.2 交叉算子设计 137 4.3.3 实验算例与结果 140 4.3.4 结论 143 4.4 本章小结 144 参考文献 144 第5章 QPSO算法在多序列比对中的应用 149 5.1 多序列比对的含义 149 5.2 基于二进制QPSO算法的序列比对 151 5.2.1 二进制的PSO算法(BPSO) 151 5.2.2 二进制的QPSO算法(BQPSO) 152 5.2.3 基于BPSO或BQPSO的多序列比对 156 5.3 本章小结 163 参考文献 165 第6章 基于隐马尔可夫模型和QPSO算法的多序列比对 167 6.1 引言 167 6.2 隐马尔可夫模型 168 6.2.1 隐马尔可夫模型的基本原理 168 6.2.2 隐马尔可夫模型的基本问题与算法 169 6.3 基于剖面HMM和QPSO的多序列比对 172 6.3.1 融合多样性的QPSO算法 174 6.3.2 评估训练算法的质量 179 6.3.3 模型的联配问题 179 6.3.4 评估比对序列的质量 181 6.4 本章小结 191 参考文献 191 第7章 多序列比对的并行计算 193 7.1 长序列首尾分段并行比对算法 193 7.1.1 引言 193 7.1.2 构造原理 195 7.1.3 数值模拟结果 196 7.1.4 结论 198 7.2 本章小结 198 参考文献 199 下篇 多序列比对参数篇 第8章 多序列比对的参数研究 203 8.1 基于SP目标函数的多序列比对参数研究 203 8.1.1 引言 203 8.1.2 基本定义 204 8.1.3 公式推导 206 8.1.4 实验结果与分析 210 8.1.5 结论 217 8.2 在线工具MAFFT参数研究 218 8.2.1 引言 218 8.2.2 基本定义 220 8.2.3 实验结果与分析 222 8.2.4 结论 229 8.3 本章小结 230 参考文献 231 附录 相关的源代码 235 附录A 基本遗传算法总程序 235 附录B 生成初始种群bio_var 239 附录C 生成初始种群rand_var 243 附录D 选择算子selection 245 附录E 横向多行交叉算子hhor_crossover4to2 248 附录F 纵向交叉算子ver_crossover4to2 253 附录G 变异算子mutation 259 附录H 适应度函数：SP函数 262 附录I 多序列比对参数研究的相关程序 264 附录J HMM和QPSO算法用于多序列比对的程序 266

 1/2    1 2 下一页 尾页

自然科学 生物科学 生物科学的理论与方法

在线阅读