首页--生物科学论文--生物工程学(生物技术)论文--仿生学论文--生物信息论论文

进化算法及其在生物信息中的应用

摘要第1-4页
Abstract第4-9页
第一章 绪论第9-18页
   ·进化算法第9-15页
     ·遗传算法第9页
     ·遗传规划第9-11页
     ·进化策略第11页
     ·进化规划第11-12页
     ·粒子群优化算法第12-13页
     ·量子粒子群优化算法第13-15页
   ·生物信息学第15-17页
     ·生物信息学的起源第15页
     ·生物信息学的概念第15页
     ·生物信息学的主要研究内容第15-17页
   ·本论文的主要内容第17-18页
第二章 粒子群优化算法和量子粒子群优化算法第18-25页
   ·粒子群算法第18-21页
     ·基本粒子群算法第18-19页
     ·带惯性权重w的粒子群算法第19-20页
     ·带收缩因子χ的粒子群算法第20-21页
   ·量子粒子群优化算法第21-25页
     ·δ势阱模型的建立第21-23页
     ·粒子的基本进化方程第23页
     ·QPSO算法的流程第23-25页
第三章 基于选择操作的QPSO算法第25-55页
   ·引言第25-26页
   ·采用锦标赛选择操作的QPSO算法(QPSO-TS)第26-27页
   ·采用轮盘赌选择操作的QPSO算法(QPSO-RS)第27-28页
   ·算法的收敛性分析第28-30页
     ·全局收敛性准则第28页
     ·基于选择操作的QPSO算法的全局收敛性第28-30页
   ·实验结果及分析第30-54页
     ·实验设计第30-33页
     ·实验结果第33-54页
   ·本章小结第54-55页
第四章 进化算法在多序列比对中的应用第55-98页
   ·多序列比对的含义第55-56页
   ·基于二进制QPSO算法的序列比对第56-71页
     ·二进制的PSO算法(BPSO)第56页
     ·二进制的QPSO算法(BQPSO)第56-59页
     ·基于MBPSO或MBQPSO的多序列比对第59-62页
     ·仿真实验和结果第62-70页
     ·结论第70-71页
   ·基于隐马尔可夫模型和多样性QPSO算法的多序列比对第71-98页
     ·前言第71页
     ·隐马尔可夫模型第71-74页
     ·基于剖面HMM和QPSO的多序列比对第74-77页
     ·融合多样性的QPSO算法第77-80页
     ·评估训练算法的质量第80页
     ·模型的联配问题第80-82页
     ·评估比对序列的质量第82-83页
     ·实验结果第83-96页
     ·结论第96-98页
第五章 基于进化算法的代谢流的评估第98-116页
   ·代谢流评估第98-104页
     ·化学计量矩阵方法第99-100页
     ·基于~(13)C标记平衡的MFA第100-104页
   ·基于自适应进化算法和单值分解的方法的代谢通量分析第104-107页
     ·自适应进化算法第104-105页
     ·系统化学计量矩阵约束的单值分解第105-107页
     ·进化算法中不等式约束的处理第107页
   ·基于QPSO及其改进的QPSO算法和罚函数的代谢通量分析第107-109页
     ·罚函数的方法第107-108页
     ·基于QPSO及其改进的QPSO和罚函数的代谢流评估流程第108-109页
   ·仿真实验及其结果第109-114页
   ·本章小结第114-116页
第六章 基于GP和QPSO算法的兽疫链球菌发酵透明质酸培养基的优化第116-123页
   ·引言第116页
   ·原料和方法第116-117页
     ·微生物和媒介第116-117页
     ·在一个7-1发酵罐中的兽疫链球菌的一组培养基第117页
   ·响应面分析法(RSM)第117页
   ·仿真试验和结果第117-122页
     ·RSM的结果第118页
     ·GP的结果第118-119页
     ·使用QPSO算法优化GP评估方程式的参数的结果第119-121页
     ·使用QPSO算法优化透明质酸产量的培养基的结果第121-122页
   ·结论第122-123页
第七章 总结与展望第123-125页
致谢第125-126页
参考文献第126-136页
附录:攻读博士学位期间发表的论文和参加的科研项目第136页

论文共136页,点击 下载论文
上一篇:钧瓷色彩的特征与分类体系研究
下一篇:分子模拟及其在生物工程上的应用