一种改进的自适应遗传算法在多序列比对中的应用

文摘

英文文摘

声明

引言

第一章生物信息学基础

1.1生物信息学概述

1.2基因组序列分析

1.3核酸序列数据库

1.3.1 GenBanK

1.3.2 EMBL

1.3.3 DDBJ

第二章生物序列比对基础

2.1序列比对概述

2.2空位罚分与相似性得分矩阵

2.2.1空位罚分

2.2.2相似性得分矩

2.3 SP模型

2.4双序列比对

2.5多序列比对

2.6几种常见的多序列比对算法

2.6.1动态规划多序列比对算法

2.6.2树形比对算法和星形比对算法

2.6.3 ClustalW算法

第三章遗传算法基础

3.1遗传算法发展史

3.2遗传算法的一个简单例子

3.3遗传算法的模式理论和积木块假设

3.3.1遗传算法的模式理论

3.3.2遗传算法的积木块假

3.4群体规模对遗传算法的影响

3.5遗传算法的编码与适应度函数

3.5.1编码

3.5.2适应度的计算

3.6遗传算法的主要算子及终止条件

3.6.1复制

3.6.2交叉

3.6.3突变

3.6.4算法的终止条件

3.7遗传算法的工作步骤及流程

3.7.1遗传算法的工作步骤

3.7.2遗传算法的流程

第四章改进的自适应遗传算法

4.1自适应遗传算法(Adaptive GA)

4.2改进的自适应遗传算法

4.2.1抑制算法陷入局部收敛采用的改进方

4.2.2交叉率和突变率的非线性自适应调整

4.2.3改进的自适应遗传算法的工作步骤和算法流程

4.3实验及分析

4.3.1测试函数

4.3.2算法性能

4.3.3算法性能评价

第五章位爬山策略与改进自适应遗传算法的结合

5.1位爬山算法

5.1.1位爬山算法简介

5.1.2位变异顺序按随机位序列集合进行的位爬山

5.1.3位变异顺序按随机位序列集合进行的位爬山改进及实现

5.2位爬山法与改进自适应遗传算法的结合与实现

5.2.1位爬山法与改进自适应遗传算法的结合

5.2.2算法实现

第六章改进的自适应遗传算法在多序列比对中的分析应用

6.1改进的自适应遗传算法在多序列比对中的分析应用

6.1.1改进的自适应遗传算法的编码方式

6.1.2适应度函数和遗传操作

6.1.3实验步骤

6.2实验分析及其与其它遗传算法的比较

6.2.1实验数据

6.2.2开发环境

6.2.3程序实现

6.2.4实验数据

6.2.5实验结果分析

结论

附录

参考文献

后记