分享到:

基于遗传算法和位置特异性得分矩阵的动态转录因子结合位点识别方法

目前,生物信息学已经步入了后基因组时代,对基因非编码区的研究已经成为后基因组时代生物信息学研究的热点问题之一,其中一个主要研究方向就是对转录因子结合位点的研究。转录因子结合位点是一种重要的转录调控元件,是基因组中具有调控功能的DNA序列片段。对转录调控元件进行识别与预测,将有助于探寻基因表达调控的规律,促进基因调控网络的研究。随着研究的深入和计算机技术的发展,计算识别的方法已逐渐成为传统实验预测方法的有力辅助工具。准确的预测、识别算法有助于人们识别不同转录因子的目标基因,进而研究转录因子结合位点在上游调控区中的位置对转录调控的影响,为生物实验提供较准确的数据,促进实验研究。目前,已经开发出许多识别和预测转录因子结合位点的算法和软件,如MetInspector、MEME、AlignACE、Gibbs Sampler等。本文探求一种结合两种识别方法的转录因子结合位点预测方法,即将遗传算法和位置特异性得分矩阵结合在一起,并兼顾这两种方  (本文共45页) 本文目录 | 阅读全文>>

《电脑与电信》2017年Z1期
电脑与电信

一种基于隔离自适应算子的遗传算法研究

1基本遗传算法及其存在的问题遗传算法(Genetic Algorithm,简称GA)是由美国密执根(Michigan)大学的Holland教授提出的一种模拟自然界生物进化过程的自适应全局优化搜索算法。它是基于群体并行搜索的一种优化算法,利用编码技术,对解群中的初始个体进行编码,然后通过选择复制、交叉、变异等遗传算子对初始个体进行处理,产生新一代个体,利用迭代技术,使种群逐代进化到优秀的群体,最后根据个体的适应度值选出适应度最高的个体作为最优个体。作为一种新兴的优化算法,尤其是它的通用性强,不受具体问题类型的限制,并行处理搜索空间,速度快,高效实用,不受搜索空间是否连续、是否可微的限制等优点,为实际工程生产中的优化问题提供了一个通用的解决算法。目前,遗传算法已经在图像处理、自动控制、模式识别、函数优化、数据挖掘、规划设计、机器人学以及社会科学等众多领域中得到了广泛的应用,并取得了良好的效果。然而,在实际应用过程中,人们发现了基本遗...  (本文共4页) 阅读全文>>

东北师范大学
东北师范大学

一种基于遗传算法的转录因子结合位点识别方法

作为一种重要的转录调控元件,转录因子结合位点的识别已经成为当前的研究热点。准确的预测、识别算法有助于人们识别不同转录因子的目标基因,进而研究转录因子结合位点在上游调控区中的位置对转录调控的影响。转录因子的结合位点不是唯一的,为某一转录因子的结合位点建立一个统一的表述模型,称为Motif。目前的转录因子结合位点识别方法就是基于为已知的转录因子结合位点建立Motif模型,在基因组序列中对同类位点进行预测。本文研究了遗传算法在处理转录因子结合位点识别问题方面的可行性,提出了一种新的方法——基于遗传算法的转录因子结合位点识别方法(GATFBS)。遗传算法是模拟自然界生物进化过程的计算模型,是一种自组织与自适应的人工智能技术。作为一种全局优化搜索算法,遗传算法以其简单通用、鲁棒性强,适于并行处理以及应用范围广等显著特点,日益受到普遍重视。本文将遗传算法与转录因子结合位点识别问题相结合,以一致性序列模型作为保守序列Motif的描述模型,通过...  (本文共47页) 本文目录 | 阅读全文>>

《南京航空航天大学学报》2016年06期
南京航空航天大学学报

基于改进遗传算法的机器人动态路径规划

引用格式:王雷,李明,唐敦兵,等.基于改进遗传算法的机器人动态路径规划[J].南京航空航天大学学报,2016,48(6):841-846.Wang Lei,Li Ming,Tang Dunbing,et al.Dynamic path planning for mobile robot based on improvedgenetic algorithm[J].Journal of Nanjing University of Aeronautics&Astronautics,2016,48(6):841-846.移动机器人路径规划是在一个存在障碍物的有界工作空间内,依据相应的评价标准(路径长度、能量消耗等)规划出一条安全无碰撞而且较优的可行路径[1]。一般来说,可将路径规划分为静态[2-3]和动态路径规划两类。在实际中,机器人所处的大多数是一种动态变化的工作环境,因此,研究动态路径规划问题更具有实用价值。目前,已有不少学者对此进...  (本文共6页) 阅读全文>>

重庆大学
重庆大学

长模式遗传算法及其应用

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法,它提供了一种求解复杂系统优化问题的通用框架,目前已广泛应用于许多学科。在对遗传算法进行深入研究的基础上,针对传统遗传算法在求解一类容易用0-1表示的问题时存在的不足,提出了一种改进的遗传算法——长模式遗传算法。针对定义距较长的模式提出了三个具体的再生算子,并以再生算子代替交叉算子,采用简单位变异算子,从而获得长模式遗传算法,它在一类容易用0-1来表示的问题中比采用交叉算子的传统遗传算法具有更好的反映问题特性的特点。长模式遗传算法的编码方式主要有二进制编码、格雷编码和符号编码,而选择方式、运行过程、适应度计算等与传统遗传算法基本相同;并且针对问题的需要提出了三种终止条件以满足不同需求。为了研究编码方式、选择方式、再生算子、再生概率和变异概率等因素对长模式遗传算法性能的影响,采用多个通用的测试函数,提出了成功比例、平均世代数、平均运行时间等具有平均...  (本文共73页) 本文目录 | 阅读全文>>

《计算机应用》2017年02期
计算机应用

基于偏好矩阵遗传算法求解长期车辆合乘问题

0引言随着社会经济持续快速发展,我国城市私家车保有量持续大幅增长。私家车的大量使用所引发的交通拥堵、环境污染等问题日益严重[1-3],因此车辆合乘问题成为近年来研究的热点。目前车辆合乘问题的研究多是单次车辆合乘问题,具有随机性和临时性。本文所提出的长期车辆合乘是为大中型企事业单位、政府机关设计的一种长期而固定的合乘方式,旨在减少职工上下班时驾驶的私家车道路行驶数量,进而提高城市运输效率,缓解城市交通压力。关于车辆合乘问题的研究,多数采用依据距离将客户配对的方法,缺乏全局优化[4]。较少研究提出了全局优化的方法,如Yan等[5]提出了一种基于拉格朗日松弛的分组方法用于求解长期车辆合乘问题(Long-Term Car Pooling Problem,LTCPP),采用网络流技术,系统地开发了一个长期的多到多的汽车模型。拉格朗日松弛方法解决模型证实了实用性模型和启发式算法在实践中是可用的。Maniezzo等[6]提出了一种蚁群优化(A...  (本文共6页) 阅读全文>>