当前位置:首页 > 生物
进化算法在生物多序列比对中的应用
进化算法在生物多序列比对中的应用

进化算法在生物多序列比对中的应用PDF电子书下载

生物

  • 电子书积分:11 积分如何计算积分?
  • 作 者:龙海侠等著
  • 出 版 社:北京:清华大学出版社
  • 出版年份:2017
  • ISBN:9787302468066
  • 页数:271 页
图书介绍:本书全面系统地介绍了进化算法在生物多序列比对中的应用,根据内容的分类,分为“多序列比对基础篇”、“多序列比对模拟篇”和“多序列比对参数篇”三个模块。首先介绍了生物多序列比对的基础知识,然后详细介绍各进化算法模拟多序列比对的过程与结果,最后对于多序列比对最重要的目标函数参数进行建模与分析。
《进化算法在生物多序列比对中的应用》目录

上篇 多序列比对基础篇 3

第1章 生物多序列比对 3

1.1生物信息学 3

1.1.1生物信息学的起源 3

1.1.2生物信息学的概念 4

1.1.3生物信息学的主要研究内容 4

1.2序列比对的概念及其发展历史 8

1.2.1序列比对的提出与基本概念 8

1.2.2序列比对的目的和意义 8

1.2.3国内外研究现状 10

1.2.4多序列比对面临的挑战 10

1.3多序列比对的基本原理 11

1.3.1多序列比对的相关概念 11

1.3.2序列比对的分类 12

1.3.3多序列比对的数学定义 13

1.3.4多序列比对的打分方法 14

1.4多序列比对方法 22

1.4.1比对方法 22

1.4.2多序列比对算法 23

1.5多序列比对常用数据库 33

1.5.1综合性数据库 34

1.5.2基准数据库 36

1.6多序列比对常用工具 40

1.6.1搜索工具 40

1.6.2常用的在线多序列比对工具 42

1.7多序列比对的应用 45

1.8其他说明 46

1.8.1多序列比对算法存在的问题 46

1.8.2多序列比对算法的运算指标 47

1.8.3多序列比对算法的展望 48

1.9本章小结 48

参考文献 49

第2章 进化算法和最优化理论 53

2.1进化算法 53

2.1.1遗传算法 53

2.1.2遗传规划 54

2.1.3进化策略 56

2.1.4进化规划 57

2.1.5粒子群优化算法 58

2.1.6量子粒子群优化算法 61

2.2最优化理论 63

2.2.1最优化问题 64

2.2.2局部优化算法 66

2.2.3全局优化算法 67

2.2.4最优化问题的求解 67

2.3本章小结 69

参考文献 69

第3章 遗传算法、粒子群优化算法和量子粒子群优化算法 73

3.1遗传算法 73

3.1.1遗传算法的基本思想 73

3.1.2遗传算法中的基本术语 74

3.1.3遗传算法的步骤及流程图 75

3.1.4遗传算法的构成要素 76

3.1.5遗传算法的优缺点 82

3.1.6遗传算法的应用现状 84

3.1.7遗传算法的改进 86

3.2粒子群优化算法 87

3.2.1基本粒子群优化算法 87

3.2.2带惯性权重w的粒子群优化算法 89

3.2.3带收缩因子x的粒子群优化算法 91

3.3量子粒子群优化算法 92

3.3.1 δ势阱模型的建立 92

3.3.2粒子的基本进化方程 95

3.3.3 QPSO算法的流程 96

3.3.4 QPSO算法的收敛性分析 97

3.4 QPSO算法的改进——基于选择操作的QPSO算法 103

3.4.1引言 103

3.4.2采用锦标赛选择操作的QPSO算法(QPSO-TS) 105

3.4.3采用轮盘赌选择操作的QPSO算法(QPSO-RS) 106

3.4.4算法的收敛性分析 107

3.5本章小结 110

参考文献 110

中篇 多序列比对模拟篇 115

第4章 遗传算法在多序列比对中的应用 115

4.1基本遗传算法模拟多序列比对 115

4.1.1引言 115

4.1.2多序列比对问题及数学描述 117

4.1.3算法设计 117

4.1.4实验算例与分析 120

4.1.5结论 123

4.2改进遗传算法之初始种群优化 124

4.2.1引言 124

4.2.2优化原理 125

4.2.3几种初始化方法的构造 127

4.2.4加入MAFFT种子的初始化 130

4.2.5实验算例与结果 130

4.2.6结论 135

4.3改进遗传算法之交叉算子优化 136

4.3.1引言 136

4.3.2交叉算子设计 137

4.3.3实验算例与结果 140

4.3.4结论 143

4.4本章小结 144

参考文献 144

第5章 QPSO算法在多序列比对中的应用 149

5.1多序列比对的含义 149

5.2基于二进制QPSO算法的序列比对 151

5.2.1二进制的PSO算法(BPSO) 151

5.2.2二进制的QPSO算法(BQPSO) 152

5.2.3基于BPSO或BQPSO的多序列比对 156

5.3本章小结 163

参考文献 165

第6章 基于隐马尔可夫模型和QPSO算法的多序列比对 167

6.1引言 167

6.2隐马尔可夫模型 168

6.2.1隐马尔可夫模型的基本原理 168

6.2.2隐马尔可夫模型的基本问题与算法 169

6.3基于剖面HMM和QPSO的多序列比对 172

6.3.1融合多样性的QPSO算法 174

6.3.2评估训练算法的质量 179

6.3.3模型的联配问题 179

6.3.4评估比对序列的质量 181

6.4本章小结 191

参考文献 191

第7章 多序列比对的并行计算 193

7.1长序列首尾分段并行比对算法 193

7.1.1引言 193

7.1.2构造原理 195

7.1.3数值模拟结果 196

7.1.4结论 198

7.2 本章小结 198

参考文献 199

下篇 多序列比对参数篇 203

第8章 多序列比对的参数研究 203

8.1基于SP目标函数的多序列比对参数研究 203

8.1.1引言 203

8.1.2基本定义 204

8.1.3公式推导 206

8.1.4实验结果与分析 210

8.1.5结论 217

8.2在线工具MAFFT参数研究 218

8.2.1引言 218

8.2.2基本定义 220

8.2.3实验结果与分析 222

8.2.4结论 229

8.3本章小结 230

参考文献 231

附录 相关的源代码 235

附录A 基本遗传算法总程序 235

附录B 生成初始种群bio_var 239

附录C 生成初始种群rand_var 243

附录D 选择算子selection 245

附录E 横向多行交叉算子hhor_crossover4to2 248

附录F 纵向交叉算子ver_crossover4to2 253

附录G 变异算子mutation 259

附录H 适应度函数:SP函数 262

附录I 多序列比对参数研究的相关程序 264

附录J HMM和QPSO算法用于多序列比对的程序 266

返回顶部