Ch6-粒子群优化算法.pptVIP

机器学习Machine Learning 粒子群拓扑结构 全局版本PSO和局部版本的PSO 全局版本PSO 粒子跟踪两个极值，自身极值pbesti和种群全局极值gbest。按上述思想的PSO是全局版的，虽然收敛快，但是有时会陷入局部最优。 局部版本的PSO 通过保持多个吸引子来避免早熟，指粒子除了追随自身极值外，不跟踪全局极值，而是追随拓扑近邻粒子当中的局部极值了lbest 四、随机生成各个粒子的初始位置向量；群体结构为全 互联结构。五、按照PSO算法进行求解，直到达到最大迭代次数。 RNA（核糖核酸）二级结构预测问题产生的背景 RNA二级结构简介 RNA(核糖核酸)，其化学构成如下： 三叶草的RNA二级结构图 碱基间的配对 碱基配对类型：“G≡C”，“A=U”与“G=U”。 稳定性: “G≡C”“A=U”“G=U”。 定义： RNA二级结构的预测 RNA二级结构的模体 基于粒子群算法的RNA二级结构预测方法 编码 每个茎区结构的定义如下： struct Stem{ int start; //茎区的起点 int end; //茎区的终点 int length; //茎区的长度 float free_energy; //该茎区的自由能 } 结构体数组stem[]用来记录RNA序列所有可能的茎区，则优化 算法的计算实质就是对该结构体数组进行操作。从中挑选出一组相容的茎 区序列Si={stem[i1],stem[i2],???,stem[ik]}，1?i1,i2,???,ik?SUM，即可表示问题 的一个可行解。 最小自由能算法 这类方法是以分子热力学原理为基础，假定RNA处于稳定的环境中，因而自由能最低的结构最稳定。 RNA二级结构的不同的结构单元应赋以不同的能量值。这里的能量包括碱基对的两个碱基之间或两个碱基对之间的自由能，以及碱基对的堆积能量。对于每种折叠结果，根据结构单元的组成计算自由能的总和，当自由能最小时便认为该折叠为最优折叠。 对于给定的RNA序列，设SP（stem pool，SP）表示该序列所有可能的茎区集合，Etotal(S)表示一个二级结构S的总体自由能，则问题描述如下： 求茎区子集，使得由该子集构成的二级结构 有： s.t.茎区子集 满足相容性条件。 其中Etotal=Estack+Ehairpin+Ebulge+Emulti，即一个RNA二级结 构S的总体自由能等于其各结构单元自由能之和。对于多分支环 能量采用如下线性近似： 通过点阵法计算出一个RNA分子中所有可能存在的茎区，并对 这些茎区按照碱基起始位置递增的次序排序，同时对这些茎区 按照十进制整数进行编号，依次地为结构体数组stem[]赋初值 ，为了方便后续处理，我们将stem[0]的所有属性赋值为0，从 stem[1]开始，每个stem[i]将描述位于排序后的第i位的茎区 （1? i?SUM），SUM表示该RNA分子可能存在的茎区的总数。因 此该算法的搜索空间可以由有限个状态点构成的，如果将每个 状态点看作是一个集合，则搜索空间可使用公式（5.8）表示 为： 搜索空间中的每个点Xi={xi1,xi2,…,xin}的具体含义 为：Xi是当前被预测的RNA分子的一种相容的茎区集合 ，当xij为的整数K时，表示选择了位于stem[]数据中 下标为K的茎区。此时，粒子群的速度公式和状态公式 定义如下： ① “?1”运算 A?1B：表示将B集合中的所有茎区加入到集合A中。需要注意的是：当B集合中的茎区加入到A集合中之后，需要检查A集合中所有茎区的相容性，如果新加入的茎区与原来A集合中的茎区不相容，则需要除掉原来A集合中与B集合不相容的茎区。 在该运算中，我们淘汰A集合中的茎区来保证B集合中的所有茎区都进入下一个状态中。这样，当粒子向最优粒子或历史最优点靠近时，可以尽可能多的保留较优状态中的茎区。 ② “-”运算 A-B：集合之间的差运算，结果为属于A但是不属于B的茎区。 ③ “?1”运算 n?1S：S为集合，n为不大于|S|的整数，表示从S集合中任意选择n个茎区组成的新的集合。具体实现为： ④ “?2”运算 n?2S：表示从SUM个茎区中任选n个替换S中的茎区。该运算符实质上是一个变异算子。本粒子正处于历史最优点，因此，为了避免粒子陷入局部极值，对于粒子速度的计算公式可以运用该变异运算。 公式中的参数定义如下： ?=round(|Vi(t)|*Rand1)； ?1=round(|pbesti(t