两种群体智能算的研究及其应用.pdf

摘要 群体智能是模拟自然界生物的群体行为而构造的随机优化算法，它为寻找一些复 杂问题如约束性，非线性和求极值等的解决方案提供了新的思路。蚁群算法与粒子群优 化算法是群体智能中的两种最重要的方法，将其应用到生物信息学中的基础任务序列比 对中正是本文的研究内容。 一方面，蚁群算法已被应用到序列比对中，但传统蚁群算法只能应用于相近长度的 序列比对且容易陷入局部最优。为通过蚁群算法获得一个准确的基因序列比对算法，本 文给出了一种新的基于蚁群算法的DNA序列比对方法。该方法通过在不同时刻调节蚂蚁 起、止位置，修正信息素，来避免局部最优，特别是可以根据行走路径去除比对差异大 的路径得分，使算法具有较好比对不同长度序列的能力，一定程度上摆脱了传统方法的 应用局限性。实验结果表明这种新颖的序列比对算法是有效的和可行的。另一方面，粒 子群优化算法源于对鸟群运动行为的模拟，其特点是简单、需调整参数较少、收敛速度 快且易于实现，本文首先介绍了粒子群优化算法求解问题的优越性，并提出了一种粒子 群优化算法的改进：根据不同应用给出相应的自适性惯性权重，同时参考其它优秀粒子 的位置，均衡该粒子的当前最优位置，改进的粒子群算法具有使粒子更符合进化特点、 加快算法的收敛速度、改善粒子群优化算法的