基于Memetic算法的DNA序列数据压缩方法
该文提出一种基于CPMA(Collaborative Particle swarm optimization-based Memetic Algorithm)算法的DNA 序列数据压缩方法, CPMA 分别采用综合学习粒子群优化(Comprehensive Learning Particle Swarm Optimization, CLPSO)算法和动态调整的混沌搜索算子(Dynamic Adjustive Chaotic Search Operator, DACSO)进行全局搜索和局部搜索。该文采用 CPMA 寻找全局最优的基于扩展操作的近似重复矢量(Extended Approximate Repeat Vector, EARV)码书,并用此码书压缩DNA序列数据。实验结果表明,CPMA比其它优化算法有很大的改善,对文中采用的大部分测试函数,其解都非常接近全局最优点;对于DNA基准测序序列,与文中所列的经典DNA序列压缩算法相比,基于CPMA算法的压缩性能得到了显著提升。
DNA序列压缩、Memetic算法、扩展的近似重复矢量(EARV)、粒子群优化(PSO)、动态混沌局部搜索
TP391(计算技术、计算机技术)
国家自然科学基金60902087;广州市科委新星计划项目2010A 090100016资助课题
2014-01-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
121-127