人工蜂群算法的改进及其在蛋白质分类中的应用研究

发布时间：2025-05-07 04:47

　　群智能优化算法是受自然界中群居生物生活习性的启发而提出,用于解决复杂优化问题的算法,目前已成为解决优化问题的研究热点。人工蜂群算法(Artificial Bee Colony algorithm,ABC)是受蜜蜂觅食行为启发而产生的一种新型群体智能优化算法。与其他群智能优化算法相比,ABC算法具有控制参数少,全局探索(exploration)能力强,且易于实现等优点,现已被广泛应用于经济、社会、科学以及医学等众多领域。但该算法也存在局部利用(exploitation)能力差,易早熟收敛和所得目标函数值精度低等问题,故对基本人工蜂群算法的研究仍有开阔的前景。蛋白质被认为是生命的基本要素,具有维持生命的各种功能,这也使得蛋白质组学成为现代生物信息学中非常重要的研究领域。由于蛋白质根据其功能可以分为不同的类别,而同一类别的蛋白质具有相似的结构和性质,因此,研究蛋白质的分类对确定其功能具有重要的意义。本文在对人工蜂群算法进行性能分析和理论研究的基础上,提出了一种结合差分算子的人工蜂群算法,并探讨了人工蜂群算法在蛋白质分类中的应用。本文的工作内容主要包括以下几个方面:(1)人工蜂群算法基础理论研究...

【文章页数】：76 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 人工蜂群算法的研究现状
        1.2.2 蛋白质分类的研究现状
    1.3 研究内容、技术路线与组织结构
        1.3.1 主要研究内容与技术路线
        1.3.2 论文组织结构
    1.4 本章小结
2 人工蜂群算法
    2.1 人工蜂群算法的生物学背景
    2.2 人工蜂群算法的基本原理
    2.3 人工蜂群算法的计算框架
    2.4 人工蜂群算法的性能分析
        2.4.1 人工蜂群算法的特点分析
        2.4.2 人工蜂群算法的时间复杂度分析
        2.4.3 人工蜂群算法的收敛性分析
    2.5 本章小结
3 基于差分进化算子的人工蜂群算法
    3.1 引言
    3.2 差分进化算法
        3.2.1 差分进化算法的计算框架
        3.2.2 差分进化算法的变体
    3.3 基于差分算子的人工蜂群算法AMDABC
        3.3.1 AMDABC算法的雇佣蜂阶段
        3.3.2 AMDABC算法的观察蜂阶段
        3.3.3 AMDABC算法的实现步骤
        3.3.4 AMDABC算法的时间复杂度分析
    3.4 实验结果与分析
        3.4.1 测试数据和参数设置
        3.4.2 与典型ABC改进算法的比较
        3.4.3 与经典DE改进算法的比较
        3.4.4 参数敏感性分析
    3.5 本章小结
4 基于人工蜂群算法优化SVM的MHCI类蛋白分类研究
    4.1 引言
    4.2 支持向量机的蛋白质分类原理
        4.2.1 VC维理论和结构风险最小化原则
        4.2.2 支持向量机算法原理
        4.2.3 支持向量机的蛋白质分类方法
    4.3 SVM核函数和参数优化方法
        4.3.1 常见核函数
        4.3.2 参数优化的SVM算法
    4.4 基于改进蜂群的SVM分类算法ADA-SVM
        4.4.1 人工蜂群算法优化SVM参数
        4.4.2 ADA-SVM算法的性能实验
    4.5 基于ADA-SVM的MHC Ⅰ类蛋白质分类研究
        4.5.1 特征提取与归一化
        4.5.2 数据集与实验设置
        4.5.3 MHC Ⅰ类蛋白质分类实验
    4.6 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢



本文编号：4043626