| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-18页 |
| ·优化问题概述 | 第8页 |
| ·经典优化算法 | 第8-9页 |
| ·进化计算 | 第9-10页 |
| ·群体智能算法 | 第10-13页 |
| ·群体智能简介 | 第10-11页 |
| ·群体智能的基本特征 | 第11-12页 |
| ·常见群体智能算法及其进展 | 第12-13页 |
| ·生物序列比对 | 第13-15页 |
| ·生物序列比对的意义 | 第13页 |
| ·序列比对算法研究的进展与存在的问题 | 第13-15页 |
| ·智能优化算法在MSA 中的应用 | 第15页 |
| ·本文内容安排 | 第15-18页 |
| 第二章 群体智能算法 | 第18-24页 |
| ·基本微粒群算法 | 第18-20页 |
| ·粒子群算法起源 | 第18页 |
| ·粒子群算法原理 | 第18-19页 |
| ·粒子群算法流程 | 第19-20页 |
| ·改进粒子群算法 | 第20-21页 |
| ·带有惯性因子的改进PSO | 第20页 |
| ·带有收缩因子的改进PSO | 第20-21页 |
| ·量子粒子群算法 | 第21-22页 |
| ·量子力学基础 | 第21页 |
| ·算法的提出 | 第21页 |
| ·量子行为粒子群优化算法 | 第21-22页 |
| ·QPSO 算法流程 | 第22页 |
| ·本章小结 | 第22-24页 |
| 第三章 改进的群体智能算法CQPSO | 第24-40页 |
| ·引言 | 第24页 |
| ·遗传算法 | 第24-26页 |
| ·遗传算法 | 第24-26页 |
| ·交叉算子 | 第26页 |
| ·带有交叉算子的量子粒子群算法 | 第26-38页 |
| ·QPSO 交叉操作 | 第26-27页 |
| ·群体多样性度量 | 第27页 |
| ·改进QPSO 算法流程 | 第27页 |
| ·实验设置 | 第27-28页 |
| ·实验结果分析 | 第28-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 隐马尔科夫模型在序列比对中的应用 | 第40-52页 |
| ·生物序列比对 | 第40-41页 |
| ·生物序列比对概述 | 第40页 |
| ·生物序列比对定义 | 第40页 |
| ·生物多序列比对的时间复杂性 | 第40-41页 |
| ·序列相似性 | 第41-42页 |
| ·序列相似性打分矩阵 | 第41-42页 |
| ·生物序列比对评判准则 | 第42-44页 |
| ·SP(sum of pairs)打分函数 | 第42-43页 |
| ·COFFEE 打分函数 | 第43页 |
| ·比对结果评判 | 第43-44页 |
| ·隐马尔科夫模型 | 第44-49页 |
| ·HMM 原理 | 第45-46页 |
| ·HMM 三个基本问题 | 第46页 |
| ·实现HMM 的算法 | 第46-49页 |
| ·HMM 在生物序列比对中的应用 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 基于混合优化算法和HMM 的生物多重序列比对 | 第52-60页 |
| ·基于HMM 多序列比对 | 第52-53页 |
| ·HMM 模型初始化 | 第52页 |
| ·HMM 训练 | 第52-53页 |
| ·序列比对过程 | 第53页 |
| ·HMM 在多重序列比对中的讨论 | 第53页 |
| ·混合优化算法介绍 | 第53-54页 |
| ·量子粒子群算法和Baum-Welch 混合的HMM 优化 | 第53-54页 |
| ·混合训练算法框架 | 第54-55页 |
| ·混合训练算法 | 第54-55页 |
| ·实验结果及分析 | 第55-58页 |
| ·实验比对结果数据 | 第55-56页 |
| ·HMM 训练得分曲线 | 第56页 |
| ·序列比对结果 | 第56-58页 |
| ·序列比对结果分析 | 第58页 |
| ·本章小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·全文总结 | 第60页 |
| ·未来工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第67页 |