《基于改进的萤火虫算法的DNA编码研究》12000字.docx

PAGE2

基于改进的萤火虫算法的DNA编码研究

摘要

萤火虫算法是剑桥大学教授Xin-SheYang于2008年提出，之后引起了许多国内外学者对其研究的热潮。专家学者们已发表许多相关的学术文章，提出了一些有效的改进策略和方法，并改进后的算法成功应用在图像处理、生产调度、工程设计、经济管理、优化控制等领域。然而，传统萤火虫算法还存在一些待解决的问题，例如传统萤火虫算法在寻找局部最优和全局最优之间的平衡能力较弱，在位置迭代中的收敛速度较慢等，本文针对这两点不足萤火虫算法进行改进。将改进后的萤火虫算法应用到DNA编码序列集的求解中。

改进的方法为：利用改进的Logistic混沌映射产生初始种群。

本文上半部分主要介绍优化问题及智能优化方法，萤火虫算法的原理，混沌映射，并对Logistic混沌映射的不足进行了改进，产生更加均匀的种群分布。

本文下半部分对改进的萤火虫算法进行应用，先介绍DNA编码问题，主要集中在如何设计出可以减少不合法反应的DNA编码序列集合。介绍了DNA编码的相关约束条件，并进行数学建模，分析DNA计算中编码序列设计的影响因素、总结了现有研究主要考虑的六个数学约束目标函数：H-measure约束、连续性约束、相似度约束、发夹结构约束、解链温度、GC含量。将DNA编码的多个目标函数经过加权的方式得到一个目标函数。建立一套基于以上六个约束条件的加权目标函数体系的DNA编码序列组合优化模型，并且给出其具体实现。

提出一种基于混沌萤火虫的DNA编码序列优化算法，在良好的初始解集中，利用萤火虫的快速寻优能力，通过向最亮的萤火虫进行移动，最终得到最佳的DNA编码序列。

最后将其与无混沌萤火虫算法产生的相应DNA序列的迭代收敛图进行了对比，结果证明基于混沌的萤火虫算法的DNA编码产生的序列是可行有效的。并且在局部最优和全局最优之间的平衡能力和收敛速度上，都优于未加混沌的萤火虫算法。

关键词：萤火虫算法混沌映射种群分布DNA编码序列

目录

TOC\o1-3\h\z\u1绪论 1

1.1论文研究背景以及意义 1

1.1.1优化问题及方法 1

1.1.2智能优化方法 1

1.2国内外研究现状 2

1.3论文研究思路 4

2萤火虫算法 5

2.1引言 5

2.2仿生学原理 5

2.3数学描述 6

2.4算法收敛性分析 7

2.5萤火虫算法的流程 8

2.6本章小结 8

3基于改进的混沌映射的种群生成分析 8

3.1引言 8

3.2混沌介绍 9

3.3Logistic混沌映射 9

3.3.1Logistic混沌映射的数学模型 9

3.3.2模型的分析 10

3.4基于改进的Logistic混沌映射的种群分析 11

3.4.1数学描述 11

3.4.2仿真分析 11

3.5本章小结 12

4基于改进的萤火虫算法的DNA编码研究 12

4.1引言 12

4.2DNA编码的生物学基础 13

4.3DNA编码的定义 14

4.4DNA编码序列约束模型的建立 14

4.4.1Similarity约束的目标函数 15

4.4.2H-measure约束的目标函数 15

4.4.3Continuity约束的目标函数 16

4.4.4Hairpin约束的目标函数 16

4.4.5GC含量约束的目标函数 17

4.4.6DNA编码序列的目标函数 18

4.5算法设计 18

4.5.1DNA编码序列的编码方式 18

4.5.2萤火虫位置更新 18

4.5.3离散处理 19

4.5.4边界约束 19

4.5.5萤火虫亮度计算 19

4.6实验研究 20

4.6.1实验环境及参数选择 20

4.6.2实验结果与分析 21

4.7本章小结 23

5总结与展望 24

5.1研究总结 24

5.2研究展望 25

绪论

论文研究背景以及意义

优化问题及方法

最优化问题是一种实际性的数学问题，问题的形式广泛多样，它的优化理论和解决方法的探索从古至今一直未停止。最优化问题是指如何在系统资源一定的条件下，在许多优化方案中找到最好的或最理想的解决方案的问题[1-3]。在生产生活中存在着大量需要优化资源配置和运用的优化问题，例如车间调度、DNA编码序列优化等。为了对劳动力、资金、工具等各类资源实现充分有效地利用，如何寻找最有效的方法得到最合理的