布谷鳥搜索及其在雙聚類分析的應用研究.pdf

1、基因表達數據反映的是直接或者間接測量得到的多個不同基因在多個不同條件下的表達水平,通過對這些數據的分析可以發(fā)現(xiàn)哪些基因的表達發(fā)生了改變,基因之間有何相關性以及在不同的條件下基因的活動是如何受影響的。它們在醫(yī)學臨床診斷、藥物療效判斷和揭示疾病發(fā)生機制等方面有著重要的應用,且因為生物體中的細胞種類繁多和基因表達具有時空特異性等方面的原因,基因表達數據和基因組數據相比要更為復雜,數據的增長速度更快,數據量也更為龐大,因此對于基因表達數據的分析

2、一直是生物信息學研究的一個重點和難點,同時由于單向聚類方法是根據數據的全部屬性將數據進行聚類操作且只能尋找出數據集中的全局信息而非局部信息,但是大量的生物信息就隱藏在這些局部信息中,所以為了更好的分析基因表達數據,人們提出了雙聚類的概念。
　　本論文將布谷鳥搜索算法應用于函數優(yōu)化問題和基因表達數據集的雙聚類優(yōu)化問題,分別以待優(yōu)化函數和雙聚類的均方殘差為目標函數,本論文主要包括以下內容:
　　1.在布谷鳥搜索算法的基礎上提出了

3、用于解決函數優(yōu)化問題的自適應布谷鳥搜索算法。該算法以基準測試函數為目標函數,在布谷鳥搜索算法的基礎之上做出了五個改進:(1)運用分散搜索中的初始化方式來對種群進行初始化操作,使得初始種群中的解可以更加均勻的分布在搜索空間當中;(2)以一定的概率來接受適應度值較差的解,以達到增強種群多樣性的目標;(3)以隨機生成的方式來處理種群中越界的自變量值;(4)對當前種群中適應度值最優(yōu)的個體進行變異操作以增加算法的局部搜索能力;(5)加入更多的搜索

4、策略和相應的動態(tài)調整機制,從而使得算法可以在不同的迭代階段采取更加適合當前階段的搜索策略。
　　2.在布谷鳥搜索算法的基礎上提出了用于解決基因表達數據集的雙聚類優(yōu)化問題的修改布谷鳥搜索算法。該算法以雙聚類的均方殘差為目標函數,在布谷鳥搜索算法的基礎之上做出了兩個改進:(1)以平分矩陣的方式初始化雙聚類種群,使得初始種群中的雙聚類可以更加均勻的分布在基因表達數據矩陣中;(2)將搜索步長和當前搜索所基于的那個雙聚類的行數和列數關聯(lián)起來