自适应分工微粒群优化算法及其在蛋白质折叠预测中的应用

来源 :2007中国计算机大会 | 被引量 : 0次 | 上传用户:lovechenhua
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
蛋白质折叠预测方法的难点主要在于优化计算问题。本文以Toy模型为基础,提出自适应分工微粒群优化算法。该算法构造了一种新的算法结构,通过建立“局部环境因数” 模型,并利用集中式处理模式,动态分配全局勘探和局部开采子种群比例,有效地实现分工目的,平衡算法的局部和全局搜索能力。将自适应微粒群优化算法应用于蛋白质折叠预测问题中进行验证,实验结果表明,自适应粒子群优化算法比其他改进算法,在计算精度、效率、鲁棒性上都有很大的提高。
其他文献
从矩阵变换器的换流问题入手,引出了解决换流问题的三种方法即:四步换流法、三步换流法、两步换流法;而后分别对四步换流法、三步换流法、两步换流法的基本原理和换流步骤进行了详细分析,通过分析证明了三种换流方法的可行性;最后研究了换流时间对矩阵变换器输出的影响。
传统的控制系统软件开发是以平台为中心自底向上的设计方式,虽然结构简单清晰,但存在控制模型与代码之间不一致、系统脆弱、软件移植性差等缺点。本文提出一种基于Giotto和中间件的嵌入式控制系统软件框架。Giotto用一种简单可靠的方式保证代码与模型的一致性,并确保系统行为的实时性;软件中间件屏蔽底层异构,增加系统开发的灵活性,为非实时计算提供便利.文章进一步简要指出两者结合后任务调度和通信的解决方法。
软件测试是一种检测软件缺陷,提高可靠性水平的重要手段。证明、检测和预防是软件测试追求的目标,人们可以从不同角度设计软件测试来实现测试目标。软件测试策略主要包括如何选择测试用例及确定最佳停止测试时间来达到测试目的。软件测试的优化就是优化软件测试策略,关心如何设计软件测试,使得测试中每个行动都是达到测试目的的最优行动.一个最优测试剖面是指在适当时刻选择合适的测试用例(或测试技术或行为),实现测试目标的
基于构件的软件工程能够有效地提高软件开发的质量和效率.但传统的软件构件技术不能适应当前开放、动态、多变的Internet环境,软件构件需要具有更强的自治性、自适应性和智能性。Web构件是在软件构件技术、Web Service和软件Agent技术基础上发展而来的,是一个具有结构自组织和行为自适应能力的面向服务的智能软件实体。本文在分析Internet环境下的软件实体新特性的基础上,结合当前的Web服
文中提出一种能屏蔽冗余测试码序列的新型BIST结构。通过重用并行数据端口控制可控长度计数器的计数值,进一步控制特征分析器的测试响应数据输入,从而达到屏蔽冗余序列,降低功耗的目的。仿真结果表明可以任意跳过冗余的测试序列.这种BIST结构已经应用于数字内插滤波器的测试,集成该数字内插滤波器的14位130MSPSD/A转换器芯片已经参加MPW流片,应用目标为移动通信领域。
挖掘频繁元素是数据流研究领域的一个重要问题。由于数据流具有高速流动、规模无限等特点,因此在数据流上挖掘频繁元素很具挑战性,主要有:动态的维护概要数据结构;使用远小于数据规模的内存空间;快速的响应用户查询。本文提出了一种新的确定的基于滑动窗口的数据流频繁元素挖掘算法。该算法将固定元素个数的滑动窗口划分为若干基本窗口,在每个基本窗口上用较小的空间维护较高精度的概要数据结构。算法既能够以基本窗口为单位定
越来越多的XML应用以XPath来查询XML文档中的数据,如何有效的处理XPath查询成为这些应用的关键。本文充分考虑XML和XPath数据模型的特点,设计并实现了一个高效查询引擎OnceXPath。由于基于遍历DOM树的查询机制效率低下,为了提高查询的性能,本文提出了一种结合了先序索引和名字索引的PN索引结构,并设计了相应的高效查询算法。测试结果表明OncexPath的性能优越,其平均查询速度比
为解决企业信息化建设中的“信息孤岛”问题、治理混乱的数据环境,需要通过梳理业务流程,建立主题数据库,使采购、生产、销售、设计等各部门的数据流畅通,实现信息共享。本丈提出了基于实体亲和度的主题数据库的规划算法,在规划过程中引进了教学公式,实现了规划过程的半自动化,使整个建立主题数据库的过程更加严谨、规范和便捷,同时对于今后相关问题的研究和企业数据环境的改造与重建工作起到一定的指导作用。
多重序列比对在生物信息学中应用广泛,起着非常关键的作用。Kalign一种常见的多重序列比对算法,它使用Wu-Manber字符匹配算法来改善比对的质量和速度,对大量序列和距离较远的序列的比对有较明显的速度优势。然而由于对序列的距离估计不准导致比对的质量不高。本文提出了一种改进Kalign比对质量的算法,根据Kalign最初比对的结果,利用Scoredist方法计算出新的两两序列之间的距离,然后使用U
许多蛋白质通过与DNA分子相互作用而实现其功能,例如基因的调控与修复等。本文中我们从氨基酸的物化特征、残基的二级结构信息、蛋白质序列的进化信息等13种特征中选取出最优的特征组合:蛋白质残基的PI值、最低自由能、蛋白质序列的二级结构和进化信息--位置特异性打分矩阵值(PSSMs)。然后利用支持向量机(SVM)方法预测蛋白质序列中的DNA结合位点。其预测的准确率达到80.48%,敏感性72.88%,特