混合群智能算法在模体识别中的应用

J4 ›› 2012, Vol. 30 ›› Issue (1): 56-59.

混合群智能算法在模体识别中的应用

杨柳¹,刘铁英²,李雪莲³

(1.吉林工商学院信息工程分院|长春 130062；2.长春职业技术学院信息分院|长春 130033；3.吉林省财政厅吉林省财税信息中心|长春 130021)

收稿日期:2011-09-01 出版日期:2012-01-29 发布日期:2012-03-20
作者简介:杨柳 (1979—)|女|长春人|吉林工商学院讲师|硕士|主要从事智能算法研究|(Tel)86-15584279857(Ｅ-mail)yangliu7025@sina.com。
基金资助:
吉林省教育厅“十二五”科学技术研究基金资助项目（吉教科合字［2012］第371号）

Application of |Hybrid Swarm Intelligence Alogrithm on Finding Motif Problem

YANG Liu¹,LIU Tie-ying²,LI Xue-lian³

1.Department of Information Engineering,Jilin Business and Technology College,Changchun 130062,China;2.School of Information Technology|Changchun Vocational Institute of Technology|Changchun 130033,China;3.Jilin Taxation Information Center,Jilin Provincial Finance Department|Changchun 130021,China

Received:2011-09-01 Online:2012-01-29 Published:2012-03-20

摘要/Abstract

摘要：

为了避免传统吉布斯算法的诸多缺陷，提高算法的求解能力，对蚁群算法(ACO:Ant Colony Optimization)进行了改进:引入粒子群算法(PSO:Particle Swarm Optimization)动态调节ACO函数中的参数获得最优解。在奔腾PC机的实验平台上、Windows 2003 Server操作系统下、开发工具为VB的模拟实验中，结果证明，混合的群智能算法使经典旅行商问题求解的计算时间缩短，提高了算法的收敛速度，有较好的发展前景。利用PSO处理连续优化问题的优点，将混合算法应用于生物信息学的模体识别中,可实现更加快速的基序发现处理。

关键词: 吉布斯算法, 粒子群算法, 模体识别

Abstract:

In order to avoid many Gibbs algorithm defects,improve the ability of problem solving,improvements the ACO (Ant Colony Optimization)：PSO (Particle Swarm Optimization) is made to optimize the parameters in the ACO.Pentium PC machine is the experiment platform,operating system is Windows 2003 Server,development tools is VB,the traveling salesman problem is tsimalated.Results show that the computing time of the algorithm can be reduced by new methods.It had great effects in practicality and rapid processing of motif discovary.

Key words: Gibbs algorithn, particle swarm optimization, finding motif

中图分类号:

TP313

杨柳, 刘铁英, 李雪莲. 混合群智能算法在模体识别中的应用[J]. J4, 2012, 30(1): 56-59.

YANG Liu, LIU Tie-Yang, LI Xue-Lian. Application of |Hybrid Swarm Intelligence Alogrithm on Finding Motif Problem[J]. J4, 2012, 30(1): 56-59.

[1]	孟钏楠，隋阳，张杰，王悦，董玮，张歆东，阮圣平. 基于YSPSO-ＲBFN 的布里渊散射谱特征提取[J]. 吉林大学学报(信息科学版), 2018, 36(4): 372-380.
[2]	康朝海,李鹏娜,张永丰,陈建玲. 基于混合蛙跳粒子群算法的 TSP 问题求解[J]. 吉林大学学报(信息科学版), 2017, 35(5): 498-506.
[3]	陈倩,李华涛,于银辉 . 基于功率控制的异构蜂窝网络基站节能机制[J]. 吉林大学学报(信息科学版), 2017, 35(1): 14-19.
[4]	任晓琳,李洪文 . 复杂多关节机械臂建模及逆运动学比较分析[J]. 吉林大学学报(信息科学版), 2016, 34(6): 753-760.
[5]	梅钦, 许芳, 陈虹, 李宗俐. 基于FPGA 的车辆横摆稳定预测控制器设计实现[J]. 吉林大学学报(信息科学版), 2016, 34(3): 359-366.
[6]	邢吉生, 武海巍. 基于支持向量机的啤酒企业能源消耗预测模型[J]. 吉林大学学报(信息科学版), 2014, 32(6): 664-669.
[7]	王琼, 王磊, 任伟建. 基于FPSO-SA算法的威布尔分布参数估计研究[J]. 吉林大学学报(信息科学版), 2014, 32(5): 476-483.
[8]	刘伟, 赵丹, 孙宏伟. 基于新型Memetic算法的多目标优化[J]. J4, 2012, 30(2): 131-137.
[9]	马建华\|张星奇\|张辉. 参数优化支持向量机的人参价格预测模型[J]. J4, 2012, 30(2): 218-222.