多目标DNA核酸编码优化算法

目录 第1章 绪论 1 1.1 DNA计算 1 1.1.1 DNA计算的产生和特点 1 1.1.2 DNA计算的基本原理 2 1.1.3 DNA计算中的编码问题 4 1.2 DNA编码 4 1.2.1 DNA编码算法的研究现状 4 1.2.2 DNA编码问题的约束条件 6 第2章 DNA编码约束条件与传统多目标粒子群算法 9 2.1 DNA编码约束 9 2.1.1 DNA编码约束的分类 9 2.1.2 DNA编码问题的数学模型 18 2.2 多目标优化问题 20 2.2.1 多目标优化的相关概念 20 2.2.2 多目标优化算法 22 2.2.3 多目标进化算法的基本框架 23 2.3 粒子群算法 24 2.3.1 算法思想 25 2.3.2 算法流程 26 2.3.3 多目标粒子群优化算法 26 第3章 动态多目标粒子群DNA编码算法研究 28 3.1 算法思想 28 3.2 算法流程 29 3.3 动态精英选择算法 30 3.3.1 *小曼哈顿距离选择算法 30 3.3.2 基于*小曼哈顿距离的动态精英选择算法 32 3.4 主要算子设计 34 3.4.1 问题编码 34 3.4.2 粒子更新 35 3.4.3 离散处理和边界约束 35 3.4.4 适应度计算 36 3.4.5 个体极值更新 37 3.4.6 全局极值更新 37 第4章 动态多目标粒子群DNA编码算法实验 38 4.1 DNA序列评价方法 38 4.2 算法参数选择 39 4.2.1 种群参数 40 4.2.2 粒子群参数 41 4.2.3 各目标的曼哈顿距离权重参数 44 4.3 实验结果与分析 45 4.3.1 长度为20的7条DNA编码结果比较 46 4.3.2 长度为20的14条DNA编码结果比较 48 4.3.3 长度为15的20条DNA编码结果比较 51 第5章 核酸分子二级结构预测 55 5.1 核算分子二级结构预测研究进展 55 5.2 核酸分子的二级结构简介 57 5.2.1 核酸分子基本结构 57 5.2.2 核酸分子的结构分级 58 5.2.3 二级结构的表示方法 59 5.2.4 假结结构 61 5.3 二级结构预测方法 62 5.3.1 基于比较序列分析方法 63 5.3.2 基于*小自由能方法 63 第6章 遗传算法和CUDA技术简介 66 6.1 遗传算法 66 6.1.1 遗传算法简介 66 6.1.2 遗传算法的特点 67 6.1.3 遗传算法的应用 69 6.2 CUDA并行技术 70 6.2.1 并行技术的发展 70 6.2.2 CUDA编程模型 72 6.2.3 CUDA线程结构 74 6.2.4 CUDA软件体系 75 6.2.5 CUDA存储器模型 76 第7章 基于遗传算法的核酸二级结构预测研究 78 7.1 基于遗传算法的核酸二级结构预测 78 7.1.1 问题的编码 79 7.1.2 假结预测问题 80 7.1.3 适应度函数 84 7.1.4 种群的初始化 85 7.1.5 种群优化 89 7.1.6 选择算子 92 7.1.7 交叉算子 94 7.1.8 变异算子 97 7.2 算法描述 98 7.3 实验与结果分析 100 第8章 基于CUDA的并行遗传算法预测核酸分子二级结构的研究 106 8.1 并行算法 106 8.1.1 适应度函数 106 8.1.2 种群的初始化 107 8.1.3 并行选择算子 109 8.1.4 并行交叉算子 110 8.1.5 并行变异算子 111 8.2 算法描述 111 8.3 实验结果与分析 112 参考文献 115