| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-12页 |
| ·阿尔茨海默病及其致病基因研究现状 | 第6-8页 |
| ·基因芯片技术的原理与应用 | 第8-10页 |
| ·本文研究目的与意义 | 第10-12页 |
| 第二章 蚁群算法求解最优微阵列序列的度量方式选择讨论 | 第12-21页 |
| ·基本蚁群算法原理 | 第12-13页 |
| ·基本蚁群算法数学模型 | 第13-15页 |
| ·度量方式 | 第15-16页 |
| ·基本蚁群算法过程 | 第16-19页 |
| ·实验及结果分析 | 第19-21页 |
| 第三章 基于信息熵的蚁群算法求解最优微阵列序列 | 第21-33页 |
| ·熵的定义及其与蚁群算法的关系 | 第21页 |
| ·数据及其标准化 | 第21-22页 |
| ·以信息熵作为收敛判据的ACO 算法(ACO-IE) | 第22-24页 |
| ·遗传算法原理及过程 | 第24-25页 |
| ·改进遗传算法过程 | 第25-26页 |
| ·实验及结果分析 | 第26-33页 |
| 第四章 基于信息熵的分类蚁群算法求解最优微阵列序列 | 第33-41页 |
| ·基于信息熵的分类蚁群算法 | 第33-34页 |
| ·实验及结果分析 | 第34-41页 |
| 第五章 结论与展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 附录 | 第46-59页 |
| 1. 硕士期间发表论文 | 第46页 |
| 2. 基本蚁群算法代码 | 第46-49页 |
| 3. 基于信息熵的蚁群算法代码 | 第49-53页 |
| 4. 基于信息熵的分类蚁群算法代码 | 第53-59页 |
| 致谢 | 第59页 |
