导读:本文包含了混合基因算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,基因,阵列,后缀,邻域,特征,瑞典。
混合基因算法论文文献综述
马国娟,吴辰文,刘文祎[1]（2019）在《基因数据集混合特征选择算法研究》一文中研究指出基因数据的特点是高维度、小样本、大噪声,在处理过程中容易造成维数灾难和过度拟合等问题。针对这种情况提出一种新的基因数据集的特征选择方法,第一步是通过ReliefF算法对基因特征进行权重重要度的筛选;第二步是对筛选过的特征集合进行mRMR算法判断,留下与目标类别高度相关而其间相关性较小的基因特征;第叁步利用邻域粗糙集特征选择算法对简化后的基因数据集进行寻优处理,选出最优化的特征基因子集。为了证明新算法的有效性,以SVM为分类器,使用外部交叉验证法对整个过程来计算,从而验证本文新特征选择方法的有效性。(本文来源于《测控技术》期刊2019年10期）
李鹏,郑苗苗,陈安伟,韩建沛[2]（2018）在《基于文化基因算法的交直流混合微网优化运行》一文中研究指出随着负荷种类逐渐增多,电力系统中直流负荷比例越来越大。交直流混合微网可以同时满足交流负荷和直流负荷需求,是目前研究的热点和难点。合理优化交直流混合微网中微源出力对于供电可靠性和微网运行成本至关重要。该文综合考虑微源燃料成本、电网购电成本、环境效益成本、网损、运行维护成本、微源初期建设成本及发电补贴,建立多目标、多约束优化运行数学模型。利用文化基因算法中特有的局部搜索和全局搜索理念,引入竞争和协作方法对目标函数展开迭代,从而提高算法收敛精度。将文化基因算法应用到求解交直流混合微网优化运行目标函数中,优化交直流混合微网运行成本,通过算例运行结果验证该算法的正确性和可行性。(本文来源于《中国电机工程学报》期刊2018年11期）
许晶,陈建利[3]（2017）在《求解边坡最小安全系数的混合文化基因算法》一文中研究指出基于瑞典圆弧法的数学模型,提出一种有效用于求解边坡稳定最小安全系数的混合文化基因算法.该算法结合了遗传算法优秀的全局搜索能力与低温状态下模拟退火算法的快速局部收敛特性,使算法在全局搜索和局部搜索之间达到较好平衡.通过典型工程实例分析,验证了该混合文化基因算法在搜索边坡最小安全系数及其所对应的最危险滑动面位置的有效性.(本文来源于《福州大学学报(自然科学版)》期刊2017年04期）
董文娟[4]（2017）在《微阵列基因表达数据混合特征算法研究》一文中研究指出DNA微阵列技术是由生物学,融微电子学、计算机科学和广电化学为一体,在原来核酸杂交的基础上发展起来的一项新技术,在医学和生物学的研究中得到了高度重视。近几年来,随着大规模高通量微阵列技术的快速发展,在一次实验中获得成千上万个基因的表达水平成为现实。这种高新的技术为基因表达数据的搜集提供了便利,从一次实验获得大量的反应基因产物mRNA丰度的数据,通过微阵列技术得到的反应mRNA丰度的数据通常称为微阵列基因表达数据,简称微阵列。自上个世纪90年代以来微阵列技术逐步形成,对生物领域产生深远影响,它的出现使基因活性的检测成为可能,将微阵列技术应用病理诊断分析的实验便由此开始。此后,在经历了20多年的不断发展,将生物医学,计算机等领域将其融合。如今,微阵列技术不断完善,成为生物信息学中热门话题,为人类探索生物信息提供了新的篇章。由于微阵列的维数高,噪声大,及冗余性强等特性,这种特征给基因选择的实验带来了挑战;本文提出一种面向高维微阵列数据的混合特征算法,根据信噪比方法,Lasso方法,Filter方法及Wrapper方法混合优势对微阵列基因表达数据分析,提出混合Relief-PSO方法对数据分析研究。本文首先回顾微阵列数据分析的一些方法,然后介绍集成系统学习的方法。最后是关于新的集成技术在微阵列数据上的应用。主要工作如下:(1)微阵列算法的介绍,以及对于单独的信噪比方法,Lasso方法,Filter方法,Wrapper方法的特征在微阵列的应用。借于结合的信噪比和Lasso法、Filter法和Wrapper法混合。最后阐明本文的主要研究内容。(2)单个实验产生的微阵列数据难免会达不到理想状态,也会影响到数据学习训练分类器的效果和泛化能力,将多个实验的方法集成起来可以提高分类器泛化能力和实验数据的高效性,也更加接近基因表达数据的分析能力,在处理高维小样本、高冗余、高噪声的基因微阵列数据时,无法采用传统特征选择方法进行分析。本文针对该问题提出了一种结合Relief算法和粒子群优化算法(Relief-PSO)的混合特征选择方法,检测这种算法对数据的分类效果,产生泛化能力更好的集成算法。(本文来源于《沈阳工业大学》期刊2017-05-21）
杜洪波,董文娟[5]（2016）在《Relief-PSO混合算法在基因微阵列特征选择中的应用》一文中研究指出在处理高维小样本、高冗余、高噪声的基因微阵列数据时,无法采用传统特征选择方法进行分析。针对该问题提出了一种结合Relief和粒子群优化算法(Relief-PSO)的混合特征选择方法。首先采用Relief预选滤除部分特征,然后以SVM-PSO封装算法选择出最优特征子集,采用典型的小样本高维公共微阵列数据测试算法。结果表明,总体分类精度不低于85%,与SVMRFE,SVMDEA特征选择算法进行了比较,基于Relief和PSO的混合特征选择算法精度较高,能够有效应用于基因微阵列数据的分析。(本文来源于《沈阳工程学院学报(自然科学版)》期刊2016年03期）
郑明,卓慕瑰,张树功,周柚,刘桂霞[6]（2017）在《基于混合并行遗传算法和阈值限定法的基因调控网络构建》一文中研究指出为了解决传统基因调控网络构建算法准确度不高的问题,提出了一种基于混合并行遗传算法和阈值限定法的新型基因调控网络构建算法。该算法分缩小解空间和参数拟合两部分,缩小解空间阶段先用奇异值分解法限定数学上可行的基因调控网络,减少不必要计算,然后用阈值限定法将每个基因的控制基因限定到一定规模,提高计算效率的同时更合乎生物信息学规则。参数拟合部分先用并行遗传算法在整个解空间快速寻优,而后采用爬山法进行小范围细致求解,提高计算精度。实验部分将本文算法应用于人类复杂疾病的皮肤黑色素瘤和2型糖尿病基因调控网络的构建上。本文计算结果与真实网络作对比,验证了本文算法的有效性。同时将本文计算结果与传统遗传算法,粒子群算法进行比较,证明本文算法具有更高的执行效率。(本文来源于《吉林大学学报(工学版)》期刊2017年02期）
丁一[7]（2016）在《粒子对与和声搜索混合算法在基因聚类的应用研究》一文中研究指出随着生命科学研究的不断深入,人类对于生命起源,物种进化等领域的探索受到越来越多学者的关注。面对繁绪复杂的数据分析,统计和运算,使得集成生物科学,数学计算,计算机科学,化学分析研究等领域于一体的生物信息学应运而生。这也标志着人类基因组计划已步入后基因组时代。在后基因组时代,关于基因组研究的重点也由基因组测序转变为：确定生物体中每条基因在生命过程中所起到的功能,以及不同基因之间相互协调和相互引导的关系上。由于研究重点的转变,传统的实验技术和实验方法对于海量基因组序列数据的处理显得越来越乏力。随着人工智能的迅猛发展和生命科学的兴旺,人们迫切需要寻求更为高效便捷的基因表达处理方法。而要揭示生命科学的本源,就要对海量基因组进行精确测序和统计分析,微阵列技术在这种研究背景下应运而生。微阵列(microarray)技术,常被称为芯片技术,是由“人类基因组计划”的发展而兴起的一项新技术,广泛应用于基因序列分析、基因突变检测和多态性分析以及疾病的基因诊断等诸多领域。聚类分析是微阵列数据分析中广泛使用的方法之一,具有较高的研究价值。原有的聚类算法虽然顺利的攻克了低维,数据量小的聚类难关。但由于规模和交互程度的不断扩张,以及分析探索的不断深入,现有的算法通常不能取得理想的聚类效果,也很难满足人们对于数据分析效率和准确性的要求。随着人们对算法效率的要求不断攀升,群智能算法的兴起(如遗传算法、粒子群优化算法(PSO)、粒子对算法、免疫算法、人工蜂群算法等)为数据分析提供了新方向。群智能算法具有模拟生物群体进化学习的特性,在解决复杂优化问题方面显示出了其独有的优势,已在社会科学、自然科学、经济管理学、医学、生物学、计算机等众多领域得到了成功的应用。基因表达数据聚类算法的研究还处在不断研究和探索中,作为目前比较新颖的基因聚类算法——粒子对算法(PPO),具有群体规模小,便于协调粒子之间的位置关系,能获得较好的聚类效果等优势,是目前广泛使用且效果较好的基因聚类算法之一。但同样PPO算法也存在着过早陷入局部最优、全局搜索能力不强等缺点,针对PPO算法的这些不足,本文建议了一种新的基于PPO优化算法与和声算法(HS)的混合算法(DPPO-HS)。在算法初代形成精英粒子对的迭代过程中,引入PSO算法对其中一个精英粒子进行一次快速初始化,而另外一个精英粒子则沿用标准PPO聚类算法进行初始化,通过将两个不同初始化的粒子组成精英粒子对,增强了精英粒子对间的交流学习能力,在一定程度上改善了精英粒子对的解质量和搜优能力。混合算法在获得精英粒子对后,针对PPO算法易陷入局部最优解的不足,在第二阶段的迭代过程中,尝试引入以信息熵动态调整HS算法微调概率的和声优化算法,提高混合算法的全局搜索能力和跳出局部最优区域的能力。在此思路的基础上,通过四组不同的国际通用标准基因表达数据集,以MSE均方差函数,D1类内紧致度,D2类间分离度为检测指标,将本文的混合算法DPPO-HS与当前较为流行K-Means算法,标准PPO粒子对聚类算法,DPPO算法,以及聚类效果较好的PPO-DE混合算法做了详尽的实验对比分析,将五种算法通过四组不同数据集的叁项检测指标,进行了较为详尽的对比试验。实验结果表明,本文的混合算法DPPO-HS与其他四种对比算法相比,取得了较好的聚类精度、类内紧致度和类间分离度,证明本文提出的混合算法是有效的。(本文来源于《广西师范大学》期刊2016-05-01）
刘飞[8]（2016）在《一种构建基因调控网络的混合算法》一文中研究指出基因调控网络的重构是系统生物学一个热门研究领域,其中条件互信息是一种很实用的方法。文中提出一种基于条件互信息和爬山搜索策略相结合的混合算法,并应用于大量的基因表达数据,结果证明能提高基因调控网络构建的精确度。条件互信息可以确定变量之间的条件独立性,既可以识别变量间线性关系,也可以识别变量间的非线性关系。这种方法使用打分搜索策略来确定变量X或者Y的邻接点。在有n个变量和n个样本的DREAM数据集以及包含9个变量和9个样本的大肠杆菌数据集中,应用文中方法进行仿真测试,结果显示文中方法能提高基因调控网络的构建精度。(本文来源于《信息技术》期刊2016年01期）
欧阳高翔,王小丽,孙成明,杨新[9]（2015）在《基于隐式基因混合遗传算法的多脉冲交会导引》一文中研究指出针对航天器交会远程导引段时间非固定多脉冲轨道转移问题,研究多约束条件下且脉冲数未知的共面椭圆交会燃料最省导引律设计。因不同脉冲数将造成多脉冲优化问题求解变量和约束条件个数随之变化,为此在遗传算法中引入隐式基因使得种群中样本个体的基因具有长度可变特性,在单层迭代框架下可同时解出最优脉冲数和脉冲矢量。为进一步改善性能指标还将端点滑行时间作为优化变量,使得在最佳转移时刻进行离轨脉冲作用。寻优过程首先由遗传算法给出设计变量估计值,再由序列二次规划(sequential quadratic programming,SQP)求解全局最优解。最后基于主矢量和最优控制判据,表明所设计的含隐式基因混合遗传算法是求解复杂问题的有效全局优化方法,可解决一类优化变量个数可变的最优多脉冲远程导引律设计问题。(本文来源于《系统工程与电子技术》期刊2015年12期）
焦雅[10]（2015）在《基于后缀树与后缀数组混合结构的基因序列比对算法研究》一文中研究指出随着基因测序技术的迅猛发展,基因数据库中序列公共数据量呈指数形式增长。对于基因数据最基础但最重要的分析方法为序列比对。本文通过对现今常用的分析算法和分析软件在序列的类型、特点和功能等方面研究和比较,发现序列比对算法的重点是对基因数据结构进行有效组织。目前这些数据结构有哈希表和后缀树、后缀数组,本文在此研究基础上提出了新的算法BWL。BWL算法的特点：(1)采用了新的数据结构,即后缀树与后缀数组混合的新的数据结构,这种数据结构不仅占用内存空间比较小,解决了基因数据文件因内存受限的问题,而且能减少与外存频繁交互,提高比对运算速度。(2)BWL算法在序列比对过程中引进空位种子模型,提高算法敏感度。对于没有完全匹配的序列,采用加入空位的方法,相对于精确的动态规划法或对模型逐位循环进行增、删、改再比对的试探方法在运算速度方面有了进一步提升,算法有效性明显提高。最后本文做了序列比对仿真实验,并对实验结果进行了详细的分析分析结果表明,本文提出的后缀树与后缀数组混合的数据结构占用内存不会随着基因数据的大小而改变,索引构建速度也较其他算法更快。另外,序列比对上提出的引入空位种子模型的方法在实验比较中得出本文提出的改进具有有效性并且实际性能的提升很显着。(本文来源于《内蒙古农业大学》期刊2015-06-01）
混合基因算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着负荷种类逐渐增多,电力系统中直流负荷比例越来越大。交直流混合微网可以同时满足交流负荷和直流负荷需求,是目前研究的热点和难点。合理优化交直流混合微网中微源出力对于供电可靠性和微网运行成本至关重要。该文综合考虑微源燃料成本、电网购电成本、环境效益成本、网损、运行维护成本、微源初期建设成本及发电补贴,建立多目标、多约束优化运行数学模型。利用文化基因算法中特有的局部搜索和全局搜索理念,引入竞争和协作方法对目标函数展开迭代,从而提高算法收敛精度。将文化基因算法应用到求解交直流混合微网优化运行目标函数中,优化交直流混合微网运行成本,通过算例运行结果验证该算法的正确性和可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合基因算法论文参考文献
[1].马国娟,吴辰文,刘文祎.基因数据集混合特征选择算法研究[J].测控技术.2019
[2].李鹏,郑苗苗,陈安伟,韩建沛.基于文化基因算法的交直流混合微网优化运行[J].中国电机工程学报.2018
[3].许晶,陈建利.求解边坡最小安全系数的混合文化基因算法[J].福州大学学报(自然科学版).2017
[4].董文娟.微阵列基因表达数据混合特征算法研究[D].沈阳工业大学.2017
[5].杜洪波,董文娟.Relief-PSO混合算法在基因微阵列特征选择中的应用[J].沈阳工程学院学报(自然科学版).2016
[6].郑明,卓慕瑰,张树功,周柚,刘桂霞.基于混合并行遗传算法和阈值限定法的基因调控网络构建[J].吉林大学学报(工学版).2017
[7].丁一.粒子对与和声搜索混合算法在基因聚类的应用研究[D].广西师范大学.2016
[8].刘飞.一种构建基因调控网络的混合算法[J].信息技术.2016
[9].欧阳高翔,王小丽,孙成明,杨新.基于隐式基因混合遗传算法的多脉冲交会导引[J].系统工程与电子技术.2015
[10].焦雅.基于后缀树与后缀数组混合结构的基因序列比对算法研究[D].内蒙古农业大学.2015
论文知识图
