| 摘要 | 第5-8页 |
| ABSTRACT | 第8-11页 |
| 符号对照表 | 第16-18页 |
| 缩略语对照表 | 第18-24页 |
| 第一章 绪论 | 第24-44页 |
| 1.1 课题研究背景与意义 | 第24-26页 |
| 1.2 群智能优化算法的研究现状 | 第26-30页 |
| 1.2.1 常见群智能优化算法 | 第26-27页 |
| 1.2.2 群智能优化算法的主要改进策略与应用 | 第27-28页 |
| 1.2.3 高维复杂优化问题求解 | 第28-30页 |
| 1.3 单核苷酸多态性与复杂疾病 | 第30-39页 |
| 1.3.1 单核苷酸多态性 | 第30-31页 |
| 1.3.2 SNP致病模型的相关概念 | 第31-32页 |
| 1.3.3 单核苷酸多态性与复杂疾病关联性研究现状 | 第32-37页 |
| 1.3.4 挑战性问题 | 第37页 |
| 1.3.5 探测多SNP联合致病位点的数学优化问题模型 | 第37-39页 |
| 1.4 论文主要研究内容和章节安排 | 第39-44页 |
| 1.4.1 主要研究内容 | 第39-41页 |
| 1.4.2 章节安排 | 第41-44页 |
| 第二章 面向高维复杂优化问题的和声搜索算法 | 第44-72页 |
| 2.1 优化问题的数学模型 | 第44页 |
| 2.2 标准和声搜索算法 | 第44-48页 |
| 2.3 和声搜索算法研究现状 | 第48-50页 |
| 2.4 变量动态降维选择调整策略 | 第50-52页 |
| 2.5 基于变量动态降维选择调整策略的和声搜索算法 | 第52-55页 |
| 2.6 实验仿真 | 第55-70页 |
| 2.6.1 实验环境设置 | 第55-57页 |
| 2.6.2 DIHS算法参数研究 | 第57-59页 |
| 2.6.3 实验结果比较分析 | 第59-67页 |
| 2.6.4 DIHS算法更新率和种群多样性分析 | 第67-70页 |
| 2.7 小结 | 第70-72页 |
| 第三章 改进的差分进化算法 | 第72-93页 |
| 3.1 差分进化算法 | 第72页 |
| 3.2 差分进化算法研究现状 | 第72-74页 |
| 3.3 基于局部变量调整的差分进化算法 | 第74-78页 |
| 3.4 仿真实验 | 第78-90页 |
| 3.4.1 实验环境设置 | 第78-79页 |
| 3.4.2 算法参数(NP和CR)分析 | 第79-81页 |
| 3.4.3 与其它算法求解结果的分析比较 | 第81-89页 |
| 3.4.4 配对秩和检验分析 | 第89页 |
| 3.4.5 种群多样性分析 | 第89-90页 |
| 3.5 本文算法在生物大数据中的应用前景 | 第90-91页 |
| 3.6 小结 | 第91-93页 |
| 第四章 基于和声搜索算法的2-way SNP致病位点探测 | 第93-117页 |
| 4.1 引言 | 第93-94页 |
| 4.2 2-way SNP致病组合模型 | 第94-95页 |
| 4.3 基于和声搜索算法的2-way SNP致病组合位点探测 | 第95-100页 |
| 4.3.1 FHSA-SED算法基本框架 | 第95-98页 |
| 4.3.2 FHSA-SED算法 | 第98-100页 |
| 4.4 SNP组合关联性评价标准 | 第100-103页 |
| 4.4.1 基于贝叶斯网络的疾病关联性评价 | 第100-101页 |
| 4.4.2 基于Gini系数的疾病关联性评价 | 第101-102页 |
| 4.4.3 G-test统计检验 | 第102-103页 |
| 4.5 实验结果与分析 | 第103-115页 |
| 4.5.1 实验环境与算法参数设置 | 第103-104页 |
| 4.5.2 仿真数据 | 第104-107页 |
| 4.5.3 算法性能评价标准 | 第107页 |
| 4.5.4 仿真数据测试结果比较与分析 | 第107-111页 |
| 4.5.5 在老年性黄斑变性数据上的应用 | 第111-115页 |
| 4.6 FHSA-SED算法总结分析 | 第115-117页 |
| 第五章 基于小生境与和声搜索的多SNP联合致病组合位点探测算法 | 第117-146页 |
| 5.1 引言 | 第117-119页 |
| 5.2 SNP组合位点联合熵 | 第119页 |
| 5.3 小生境技术 | 第119-120页 |
| 5.4 基于小生境和声搜索算法的多SNP联合致病组合位点探测算法 | 第120-126页 |
| 5.4.1 NHSA-DHSC算法的基本框架 | 第121-124页 |
| 5.4.2 小生境识别算法 | 第124-126页 |
| 5.5 实验结果与分析 | 第126-145页 |
| 5.5.1 测试数据 | 第126页 |
| 5.5.2 算法参数及测试环境 | 第126-128页 |
| 5.5.3 仿真数据测试结果比较与分析 | 第128-138页 |
| 5.5.4 AMD数据测试结果分析 | 第138-145页 |
| 5.6 小结 | 第145-146页 |
| 第六章 总结与展望 | 第146-150页 |
| 6.1 总结 | 第146-147页 |
| 6.2 后续研究工作和展望 | 第147-150页 |
| 参考文献 | 第150-168页 |
| 附录 | 第168-184页 |
| 附录A | 第168-174页 |
| 附表A.1 算法测试函数表达式 | 第168-170页 |
| 附表A.2 8个HS算法在(D=200,MaxFEs=5000×D)时的测试结果 | 第170-171页 |
| 附表A.3 8个HS算法在(D=500,MaxFEs=5000×D)时的测试结果 | 第171-172页 |
| 附表A.4 DIHS算法与4个其它优秀算法在D=200时的测试结果 | 第172-173页 |
| 附表A.5 DIHS算法与4个其它优秀算法在D=500时的测试结果 | 第173-174页 |
| 附录B | 第174-179页 |
| 附表B.1 测试函数(F_(17)-F_(23)) | 第174-175页 |
| 附表B.2 改进的算法与标准DE的测试结果比较(D=200) | 第175-176页 |
| 附表B.3 改进的算法与标准DE的测试结果比较(D=500) | 第176-177页 |
| 附表B.4 改进的DE算法与优秀DE算法的测试结果比较(D=200) | 第177-178页 |
| 附表B.5 改进的DE算法与优秀DE算法的测试结果比较(D=500) | 第178-179页 |
| 附录C | 第179-183页 |
| 附表C.1 12个DME致病模型的参数和外显率 | 第179-180页 |
| 附表C.2 70个DNME模型的外显率参数 | 第180-181页 |
| 附表C.3 FHSA-SED算法对70个DNME模型的测试结果(1000SNPs) | 第181-183页 |
| 附录D | 第183-184页 |
| 附表D.1 8个高阶DNME模型具体说明 | 第183-184页 |
| 致谢 | 第184-186页 |
| 作者简介 | 第186-187页 |
