基于模型的多目标算法研究及其在基因网络的应用

论文摘要

在工程、生产、科研等各个领域中存在大量的优化问题,其中存在着一类需要同时优化多个目标的优化问题,简称多目标优化问题。在这类多目标优化问题中每个目标往往都具有非线性、不可微的特性,并且这些目标之间相互牵制。因此传统解决单目标优化问题的方法已不再适用于处理多目标优化问题。目前处理这类问题使用最多的方法是多目标进化算法。它在每次优化中得到的不再是某个单一的最优解,而是一组权衡各个目标信息折中的解的集合（在目标空间称为Pareto前沿）。多目标进化算法是基于自然界中生物进化理论而提出的,算法中主要包括选择、交叉、变异三大步骤。近年来,学者们基于这三个步骤,探究了很多相关算法。本文首先对交叉操作中的传统重组算子（Simulated Binary Crossover,SBX;Differential Evolution,DE）进行了分析,然后利用数理统计知识将重组算子模型化,改变了传统重组算子一直被人质疑缺乏数学理论基础的看法。该方法主要是利用分析出来的搜索模式,使用数理统计中采样点的方式重新构建重组算子的搜索模式,最后再利用构建的搜索模型产生子代。这样模型化的重组算子不仅能保证重组算子原本的搜索特性,而且能增加重组算子的多样性,让重组算子的适用范围更加广泛。接着本文介绍基于概率模型的高斯重组算子并总结当前使用高斯重组算子的研究方法,提出了一种自适应使用高斯重组算子的进化算法。该算法避免了只使用一种（0,1）分布的高斯模型,同时为了保证个体信息不丢失,迭代过程中我们使用MOEA/D框架中邻居内所有个体完成建模。最后本文利用多目标算法的思想去解决现实生活中基因网络（如:protein-protein interaction network,简称PPI）比对的实际问题。首先是从PPI网络建模出两个优化的目标（生物相似性和结构相似性）,之后提出一种基于多目标算法中分解思想的MOEA/D-Net算法。该算法首次将多目标算法中的分解思想融入其中,并提出在初始化阶段调整边和节点比对关系的方式,来得到多样性较强的初始种群;然后在交叉阶段,通过类似贪婪算法的方式去调整节点与其对应领域内节点比对关系,使得每个子问题对应的解向着权重向量方向收敛,得到收敛性和多样性都较强的候选解集。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 研究背景和意义
•   1.2 多目标算法研究的相关信息
•   1.3 本文的研究内容与论文结构
•     1.3.1 主要工作
•     1.3.2 论文结构
• 第2章 相关概念和研究现状
•   2.1 多目标优化算法的基本概念
•     2.1.1 多目标优化算法的基本概念
•     2.1.2 多目标优化算法基本流程
•   2.2 多目标算法研究的相关方法
•   2.3 重组算子的介绍
•     2.3.1 传统重组算子
•     2.3.2 基于概率模型的重组算子
•     2.3.3 逆模型重组算子
• 第3章 传统重组算子在多目标算法中的模型化
•   3.1 引言
•   3.2 相关数学知识的介绍
•     3.2.1 期望和协方差计算
•     3.2.2 随机数生成方法
•   3.3 传统重组算子模型化
•     3.3.1 SBX重组算子及其模型化方法介绍
•     3.3.2 DE重组算子及其模型化方法介绍
•   3.4 模型化算子在算法框架中的应用
•     3.4.1 模型化算子在NSGA-Ⅱ的使用
•     3.4.2 模型化算子在MOEA/D的使用
•   3.5 实验结果
•     3.5.1 参数的设置以及评价指标的介绍
•     3.5.2 传统重组算子与模型化算子的比较
•   3.6 本章小结
• 第4章 高斯重组算子介绍与改进
•   4.1 引言
•   4.2 高斯重组算子介绍
•   4.3 高斯重组算子相关研究
•   4.4 MOEA/D-AMG算法介绍
•     4.4.1 自适应策略
•     4.4.2 MOEA/D-AMG算法框架
•   4.5 实验结果分析
•     4.5.1 MOEA/D-AMG与其他算法比较
•     4.5.2 自适应方法分析
•   4.6 本章小结
• 第5章 多目标算法在基因网络比对的应用
•   5.1 引言
•   5.2 问题定义和模型构建
•     5.2.1 问题描述
•     5.2.2 模型的构建
•   5.3 算法的介绍
•     5.3.1 编码方式
•     5.3.2 相关概念定义
•     5.3.3 算法框架
•     5.3.4 初始化和交叉操作
•   5.4 实验结果与分析
•     5.4.1 数据集介绍
•     5.4.2 比较算法说明
•     5.4.3 评价指标
•     5.4.4 参数设置
•     5.4.5 实验结果与分析
•   5.5 本章小结
• 第6章 总结与展望
•   6.1 总结
•   6.2 展望
• 参考文献
• 致谢
• 攻读硕士学位期间的研究成果

文章来源

类型: 硕士论文

作者: 张世文

导师: 陈剑勇,林秋镇

关键词: 多目标优化,传统重组算子,模型化算子,高斯重组算子,基因网络对比

来源: 深圳大学

年度: 2019

分类: 基础科学

专业: 数学,生物学

单位: 深圳大学

分类号: Q811.4;O224

DOI: 10.27321/d.cnki.gszdu.2019.000432

总页数: 60

文件大小: 1885k

下载量: 11