进化算法及其在生物信息中的应用 本书特色

　　《进化算法及其在生物信息中的应用/计算机应用与教育丛书》编著者龙海侠、吴兴惠。 　　《进化算法及其在生物信息中的应用/计算机应用与教育丛书》共分7章，第1章介绍了进化算法的种类和生物信息的主要概念；第2章介绍了ps0和ops0算法的基本原理和基本进化方程；第3章介绍了基于选择操作的qps0算法；并从理论上证明了算法具有全局收敛性；第4章介绍了生物信息中多序列比对的问题；第5章介绍了代谢网络中代谢流的优化问题；第6章介绍了发酵中培养基的优化问题；第7章介绍了基于多样性qpso算法的基因数据聚类。 　　本书可供计算机专业、人工智能专业、生物信息专业从业人员参考。

进化算法及其在生物信息中的应用 目录

第1章 绪论  
  1.1 进化算法 
  1.1.1 遗传算法  
  1.1.2 遗传规划  
  1.1.3 进化策略  
  1.1.4 进化规划  
  1.1.5 粒子群优化算法 
  1.1.6 量子粒子群优化算法 
  1.2 生物信息学  
  1.2.1 生物信息学的起源  
  1.2.2 生物信息学的概念  
  1.2.3 生物信息学的主要研究内容  
  1.3 *优化理论  
  1.3.1 *优化问题 
  1.3.2 局部优化算法  
  1.3.3 全局优化算法  
  1.3.4 *优化问题的求解  
  1.4 本书的主要内容 
第2章 粒子群优化算法和量子粒子群优化算法
  2.1 粒子群优化算法 
  2.1.1 基本粒子群算法 
  2.1.2 带惯性权重w的粒子群算法  
  2.1.3 带收缩因子x的粒子群算法
  2.2 量子粒子群优化算法  
  2.2.1 d势阱模型的建立  
  2.2.2 粒子的基本进化方程 
  2.2.3 ops0算法的流程  
  2.3 ops0算法收敛性分析 
  2.3.1 全局搜索算法的收敛准则 
  2.3.2 局部搜索算法的收敛准则 
  2.3.3 ops0算法的全局收敛性 
第3章  基于选择操作的qpso算法  
  3.1 引言  
  3.2 采用锦标赛选择操作的qpso算法(qps0.ts) 
  3.3 采用轮盘赌选择操作的qpso算法(qpso—rs) 
  3.4 算法的收敛性分析 
  3.4.1 全局收敛性准则 
  3.4.2 基于选择操作的qps0算法的全局收敛性  
  3.5 实验结果及分析 
  3.5.1 实验设计  
  3.5.2 实验结果  
  3.6 本章 小结 
第4章 进化算法在多序列比对中的应用  
  4.1 多序列比对的含义  
  4.2 基于二进制opso算法的序列比对 
  4.2.1 二进制的ps0算法(bps0)  
  4.2.2 二进制的qps0算法(bqpso) 
  4.2.3 基于mbps0或mbops0的多序列比对  
  4.2.4 仿真实验和结果  
  4.2.5 结论  
  4.3  基于隐马尔柯夫模型和多样性qpso算法的多序列比对
  4.3.1 前言  
  4.3.2 隐马尔柯夫模型 
  4.3.3 基于剖面hmm和qpso的多序列比对  
  4.3.4 融合多样性的0pso算法 
  4.3.5 评估训练算法的质量 
  4.3.6 模型的联配问题 
  4.3.7 评估比对序列的质量 
  4.3.8 实验结果  
  4.3.9 结论  
第5章 基于进化算法的代谢流的评估 
  5.1 代谢流评估  
  5.1.1 化学计量矩阵方法  
  5.1.2 基于13c标记平衡的mfa 
  5.2 基于白适应进化算法和单值分解的方法的代谢通量分析  
  5.2.1 自适应进化算法 
  5.2.2 系统化学计量矩阵约束的单值分解 
  5.2.3 进化算法中不等式约束的处理 
  5.3 基于qpso及其改进的qpso算法和罚函数的代谢通量分析  
  5.3.1 罚函数的方法  
  5.3.2 基于qpso及其改进的qps0和罚函数的代谢流评估流程 
  5.4 仿真实验及其结果  
  5.5 本章 小结 
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 
  6.1 引言 
  6.2 原料和方法  
  6.2.1 微生物和媒介
  6.2.2 在一个7一1发酵罐中的兽疫链球菌的一组培养基
  6.3 响应面分析法(rsm)  

 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