导读:本文包含了蚁群遗传序列比对算法论文开题报告文献综述及选题提纲参考文献，主要关键词:比对,蚁群算法,遗传算法
蚁群遗传序列比对算法论文文献综述
张维梅[1]（2008）在《基于遗传算法和蚁群算法的多重序列比对》一文中研究指出多重序列比对问题是复杂性较高的困难问题。基于蚁群算法的多重序列比对方法能够在合理的时间内找到得分接近参考比对的多序列比对解。但是,随着序列的加长,蚁群算法对于长序列的比对效果并不是很理想。本文提出一种基于遗传算法和蚁群算法的多重序列比对方法。该方法利用遗传算法对长序列分段,利用蚁群算法对分段后的序列进行求解,然后直接将各段的结果进行拼接即可。(本文来源于《潍坊学院学报》期刊2008年04期）
郭俊恩[2]（2008）在《蚁群遗传算法在序列比对中的应用》一文中研究指出生物信息学是以计算机为主要工具,对以指数增长的生物数据进行处理的一门交叉学科。序列比对是生物信息学的基本研究方法,通过序列比对可以推断基因的结构、功能和进化关系。蚁群算法是一种仿真算法,模拟了蚂蚁在觅食过程中寻找最短路径的方法来求解最优解。遗传算法是另一种仿真算法,它模拟了生物的遗传过程来寻求最优解。蚁群遗传算法是一种混合算法,它通过遗传算法对蚁群算法的一组参数进行优化,来达到取得全局最优解和加快收敛速度的目的。本文通过对国内外序列比对算法的分析,将蚁群算法应用于序列比对上,设计了新型的蚁群序列比对算法。但因蚁群算法一般仅获得局部最优解,如果将遗传算法应用于蚁群序列比对算法上将克服这一现象,这就产生了蚁群遗传序列比对算法。蚁群遗传序列比对算法能扩大求解空间,克服蚁群算法的局部性,求得全局最优解。实验表明蚁群遗传序列比对算法可以显着提高序列比对的效果。(本文来源于《江南大学》期刊2008-01-01）
郭俊恩,王士同,徐红林[3]（2007）在《基于蚁群遗传算法的DNA序列比对方法》一文中研究指出蚁群遗传算法是在蚁群算法的基础上用遗传算法对其参数进行优化而产生的一种改进算法。把蚁群遗传算法应用于DNA序列比对上,结果表明这种新的序列比对算法是非常有效的。(本文来源于《生物信息学》期刊2007年04期）
郭俊恩,王士同,徐红林[4]（2007）在《基于蚁群遗传算法的氨基酸序列比对方法》一文中研究指出蚁群遗传算法是在蚁群算法的基础上用遗传算法对其参数进行优化而产生的一种改进算法。把蚁群遗传算法应用于生物信息学中的氨基酸序列比对上,从而提出了一种新颖的蚁群遗传序列比对算法,实验结果表明这种新颖的序列比对算法是非常有效的。(本文来源于《计算机应用》期刊2007年06期）
张丽伟[5]（2007）在《蚁群与遗传算法的融合及其在生物序列比对问题中的应用》一文中研究指出序列比对是生物信息学中最常见的问题之一，也是一种重要的生物信息处理技术。它通过对生物序列数据进行相似性比较，来发现生物序列中的功能、结构和进化等信息，是基因识别、分子进化、生命起源等生物信息学研究的基础。遗传算法(Genetic Algorithm，GA)是一种基于自然选择原理和自然遗传机制的随机化全局寻优搜索算法，体现了“生存竞争、优胜劣汰、适者生存”的竞争机制。它模拟自然界中的生命进化机制的系统模型，在人工系统中实现特定参数目标的优化。遗传算法的主要特征是全局收敛性。蚁群算法(Ant Colony Algorithm，简称AA)是基于对自然界中真实蚁群的集体觅食行为的研究，模拟真实蚁群的协作过程而得到的一种随机搜索算法。算法由若干个人工蚂蚁共同构造解路径，通过在解路径上遗留并交换信息素提高解的质量，进而达到求解的目的。蚁群算法的主要特征是正反馈和隐并行性。本文对传统的蚁群算法和遗传算法进行了研究，并将两者有机结合，提出了一种新型的蚁群遗传算法。该算法有效地利用了蚁群算法的正反馈特性和遗传算法的全局收敛特性，能快速有效地搜索最优解。将蚁群遗传算法应用到生物学的序列比对问题中，并通过程序与经典的比对算法进行比较分析结果表明了算法的可行性和有效性。论文的主要工作如下：一、研究了生物信息学中的序列比对基础，并对常用的序列比对算法进行了分析。二、对蚁群算法和遗传算法进行了研究：分别建立了基于蚁群算法和遗传算法的序列比对模型，提出了相应的基于蚁群算法的序列比对算法(AA_SA)和基于遗传算法的序列比对算法(GA_SA)．叁、结合蚁群算法的正反馈特性和遗传算法的全局收敛特性，提出了一种新的算法——蚁群遗传算法(GAAA)。将GAAA应用到生物信息中的序列比对问题中，建立了基于GAAA的序列比对模型，给出了序列比对问题的GAAA算法描述(GAAA_SA)．四、实现DNA序列比对原型系统，对蚁群遗传算法、遗传算法、蚁群算法这叁种进化算法进行了仿真实验。结果表明蚁群遗传算法的收敛率更高，具有更好的全局收敛性能，蚁群遗传算法能在更少的迭代次数中达到全局最优解。(本文来源于《内蒙古大学》期刊2007-05-23）
蚁群遗传序列比对算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
生物信息学是以计算机为主要工具,对以指数增长的生物数据进行处理的一门交叉学科。序列比对是生物信息学的基本研究方法,通过序列比对可以推断基因的结构、功能和进化关系。蚁群算法是一种仿真算法,模拟了蚂蚁在觅食过程中寻找最短路径的方法来求解最优解。遗传算法是另一种仿真算法,它模拟了生物的遗传过程来寻求最优解。蚁群遗传算法是一种混合算法,它通过遗传算法对蚁群算法的一组参数进行优化,来达到取得全局最优解和加快收敛速度的目的。本文通过对国内外序列比对算法的分析,将蚁群算法应用于序列比对上,设计了新型的蚁群序列比对算法。但因蚁群算法一般仅获得局部最优解,如果将遗传算法应用于蚁群序列比对算法上将克服这一现象,这就产生了蚁群遗传序列比对算法。蚁群遗传序列比对算法能扩大求解空间,克服蚁群算法的局部性,求得全局最优解。实验表明蚁群遗传序列比对算法可以显着提高序列比对的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
蚁群遗传序列比对算法论文参考文献
[1].张维梅.基于遗传算法和蚁群算法的多重序列比对[J].潍坊学院学报.2008
[2].郭俊恩.蚁群遗传算法在序列比对中的应用[D].江南大学.2008
[3].郭俊恩,王士同,徐红林.基于蚁群遗传算法的DNA序列比对方法[J].生物信息学.2007
[4].郭俊恩,王士同,徐红林.基于蚁群遗传算法的氨基酸序列比对方法[J].计算机应用.2007
[5].张丽伟.蚁群与遗传算法的融合及其在生物序列比对问题中的应用[D].内蒙古大学.2007