基因排序问题的数值求解算法的研究-计算数学专业论文.docxVIP

摘要 摘要 万方数据 万方数据 摘要 矩阵计算是科学和工程计算的基础，很多科学和工程计算的问题往往最终 都是转化为矩阵计算问题来获得所要求的数值结果。在分子生物学中，研究基 因表达时发现，在一个基因列表内的成千上万的基因中，发挥作用的只有少数 的基因，并且这少数基因发挥作用的大小也不同，因此，发掘每个基因的重要 性并且对重要性进行排序就有着重要的价值。针对这个问题，2005 年莫里森等 人提出了一个新的模型叫做 GeneRank，即基因排序模型。 GeneRank 问题往往转化为求解一个大型非对称随机矩阵的特征值问题或者 是大型非对称的线性方程组。在 GeneRank 问题中涉及的矩阵阶数巨大，通常的 线性方程组的迭代算法或者求解特征值的方法存在着收敛速度慢，存储过大， 计算量过大等问题。例如用雅可比，高斯-赛德迭代，幂法等求解 GeneRank 问 题存在着收敛速度过慢，计算量巨大的问题。众所周知，Krylov 子空间方法通 过选取适当子空间，将原问题转变为求解一个更小规模的问题，如 Arnoldi-型算 法。 本文主要研究 GeneRank 问题的求解算法。迄今为止，高效的求解算法还不 多。然而，由于 GeneRank 问题与 PageRank 问题有很大程度的相似，因此我们 可以推广求解 PageRank 问题的算法到 GeneRank 问题。本文主要推广了求解 PageRank 问题的 Arnoldi-型算法，并对此算法进行优化。优化过程首先考虑利 用每一步迭代的参量去优化求解 GeneRank 问题的 Arnoldi-型算法。根据 Arnoldi- 型算法的迭代特点，能充分利用每一步迭代产生的残量，有效的加快收敛并降 低需要的迭代次数。其次结合已有的利用 m 次迭代的 Arnoldi 算法每一步迭代的 第 m+1 个正交向量优化求解解 GeneRank 问题的 Arnoldi-型算法，充分利用每一 步迭代产生的参量和正交向量，得到了一个更高效的算法。数值实验验证了新 方法的有效性。 关键词：GeneRank 问题；PageRank 问题；Arnoldi 算法；Arnoldi-型算法；优化 向量 II Abst Abstract ABSTRACT Matrix computation is the foundation of scientific and engineering computing. Many scientific and engineering computing problems usually will be reduced to be the corresponding matrix computation problems. In molecular biology, when we study the gene expression, we find that there are many genes in a sequence but only few of them play a significant role in gene expression, and these genes also play a different role. So how to find the important genes from the sequence and rank these genes in order of importance is an important task. In 2005, a new mathematical model about this problem, which is called GeneRank, was proposed by Morrison et al. The GeneRank problem is usually reduced to the eigenvalue problem with the large unsymmetrical matrix or the solution of the unsymmetrical system of linear equations. The matrix in GeneRank problem is very huge, and the general iteration methods for solving eigenvalue have many defects, such as convergence rate is slow, computational complexity and time complexity are too large, such as Jacobi iterati