本发明公开了一种基于遗传算法的生物网络比对方法,包括以下步骤:步骤1:读取源网络、目标网络数据文件及其序列相似性得分文件;步骤2:计算源网络、目标网络中节点的重要性得分,结合网络的拓扑相似性和序列相似性得分计算节点对相似性得分;步骤3:基于节点对相似性得分初始化种群;步骤4:计算种群中个体的适应度值;步骤5:选择、交叉产生下一代;步骤6:重复步骤4、步骤5直至目标函数收敛或迭代次数达到阈值。本发明计算了节点在网络中的拓扑重要性,结合节点对的序列信息,充分挖掘网络节点的拓扑和生物信息,使比对结果在拓扑特性和生物特性上保持均衡的高指标。
📄 2020114668451
📂 G06N3_126
👤 江南大学
📅 2020-12-14
一种基于改进遗传算法的快速最短枝切搜索方法,包括以下步骤:步骤1,残差点识别、数量匹配与残差点编码;步骤2,负残差点初始种群的生成;步骤3,选择算子;采用适者生存的自然选择法则,以适应度函数为评价标准,在当前的群体中,寻找适用度最佳的种染色体序列来替换适应度最差的k种染色体序列;步骤4,交叉算子;步骤5,变异算子;以变异概率Pm实施变异算子,其原理是在同一染色体序列上随机选择两个基因并互换它们,变异后将产生一个新的染色体来改善种群多样性,类似于交叉算子,如果新的子染色体更适合,则父染色体被子染色体取代;否则,父染色体被保留,子染色体丢失;具有搜索速度快、寻优能力好的特点。
📄 2019101249300
📂 G06N3_126
👤 西安理工大学
📅 2019-02-19
本发明涉及天线阵列布阵优化技术,特别涉及子阵级天线阵列的优化布阵技术。本发明首先提出了一种改进的遗传算法,相对于传统遗传算法容易陷入局部最优的问题,增加了底层全局搜索的步骤,提升了遗传算法的优化性能。此外,对于平面分子阵布阵问题中存在的难以判断子阵是否重叠的问题,本发明提出了一种简单易行的判断方法,并采用改进遗传算法对该方法在平面分子阵布阵中的作用进行了验证,相比于传统的布阵方法,新方法有效地提高了子阵分布的自由度,进一步提升了布阵优化性能。
📄 2020102719912
📂 G06N3_126
👤 电子科技大学
📅 2020-04-09