DNA編碼研究現(xiàn)狀_圖文

1、年份作者主要內(nèi)容2008年王延峰，?，摯薰庹栈谖幕z傳算法的 dna編碼序列設(shè)計(jì)將遺傳算法同文化算法相結(jié)合, 利用文化算法特殊的雙層進(jìn)化結(jié) 構(gòu),設(shè)計(jì)岀了滿足距離約束、連 續(xù)性約束、gc含量約束和解鏈 溫度約束的dna序列。2009 年zhang x c, wang y f, cui gz et alapplication of a novel iwo to the design of encoding sequences for dna computing.首次將iwo算法應(yīng)用到dna序 列設(shè)計(jì)領(lǐng)域，通過h-measurex 解鏈溫度和自由能評(píng)價(jià)生成序列 的質(zhì)量2011 年基于離散粒子群的d

2、na 任曉娜，張大方，編碼序列組合優(yōu)化方法 向旭宇.采用離散粒子群算法生成滿足多個(gè)約束條件的dna序列2011 年xiao j h, cheng 乙dna sequences optimization based on gravitational search algorithm for reliable dna computing.首次將引力搜索算法用于求解dna序列優(yōu)化問題，并產(chǎn)生了 咼質(zhì)量的dna序列，仿真結(jié)果證明了該算法的有效性。2011 年yin z, ye c m,yin whet al.a cultural evolution based on iwo approach for

3、dna sequenee optimization提出了基于文化進(jìn)化的雜草算法，通過定義雜草的擴(kuò)散行為,克服了傳統(tǒng)iwo算法不能直接被應(yīng)用于離散問題的障礙2013 年羅東芳羅東君.基雜草算法的dna編 碼序列研究.人采用iwo算法產(chǎn)生可靠的 dna序列，并同時(shí)考慮了漢明 距離、相似性、連續(xù)性、發(fā)夾結(jié) 構(gòu)及解鏈溫度多個(gè)約束條件2013 年xiao j h, jiangy,he j j et al.a dynamic membrane evolutionary algorithm for solving dna sequence design with minimum free energy利用動(dòng)

4、態(tài)膜進(jìn)化算法設(shè)計(jì)滿足多 個(gè)約束條件的dna序列,該算 法將p系統(tǒng)的融合和分裂規(guī)則同 活性膜以及ade/pso搜索策略 相結(jié)合郭穩(wěn)濤2013 年何怡剛.基于混合蟻群算法的 dna編碼序列設(shè)計(jì)方法. 數(shù)值計(jì)算與計(jì)算機(jī)應(yīng)用,在蟻群算法的基礎(chǔ)上引入遺傳算 法中的交叉和變異操作將人工魚群算法和遺傳算法相結(jié)2014 年胡娟，李冬,張麗麗.基于人工魚群遺傳算法 的dna編碼優(yōu)化并給出了算法過程的具體實(shí)施方2015 年一種基于編碼等價(jià)變換關(guān)0學(xué)東和遺傳算法的dna序列優(yōu)化設(shè)計(jì).采用四進(jìn)制整數(shù)編碼方式將種群 編碼成大小的矩陣，重新 定義了共享函數(shù),并對(duì)遺傳算子 進(jìn)行了改進(jìn)。上述算法,均是將多目標(biāo)問題通過線性加權(quán)

5、的方式簡(jiǎn)化為單目標(biāo),不能稱為真正意義上的多目標(biāo)優(yōu)化。將dna序列設(shè)計(jì)問題作為一個(gè) 多目標(biāo)優(yōu)化問題，通過帶約束的2005 年shin s y, lee i h, kim d et al.multiobjective evolutionary optimization of dna sequences for reliable dna computing多目標(biāo)進(jìn)化算法(nacst/seq)進(jìn)行求解”并使用一組序列分析工具從眾多的候選者中選取最佳解決方案。其中，相似性、h-measure.發(fā)夾結(jié)構(gòu)和連續(xù)性作為設(shè)計(jì)目標(biāo)，解鏈溫度和gc含 量則作為約束條件2013 年chaves-gonzalez j

6、m,vega- rodriguez m a, granado-criado j m.a multiobjective swarm intelligence approach based on artificial bee colony for reliable dna sequence design提出了一種新的基于人工蜂群的多目標(biāo)群智能算法,該算法中引入了自適應(yīng)機(jī)制,并同時(shí)考慮六 種不同的相互沖突的設(shè)計(jì)準(zhǔn)則2013 年cervantes-salidoimproving the design of sequences for dna computing: a multiobjective ev

7、olutionary approach提出一種基于矩陣的多口標(biāo)進(jìn) 化算法。該算法相比nsga-ii 算法，不同之處有：將候選 解編碼成加xa?大小的矩陣，其 中每一行代表一條長(zhǎng)度為固定 值的dna序列，采取五種不 同的交叉操作：水平交叉、垂直 交叉、幀交叉、掩膜交叉、橫縱 交叉。生成的序列滿足六項(xiàng)設(shè)計(jì) 準(zhǔn)則2014 年chaves-gonzalez j m, vega- rodriguez m a.dna strand generation for dna computing by using a multi-objective differential evolution algorithm.使用基于自適應(yīng)多目標(biāo)的差分進(jìn) 化算法,并同時(shí)考慮七種不同的 生物化學(xué)設(shè)計(jì)準(zhǔn)則，獲得了適 合于dna計(jì)算的咼質(zhì)量dna 序列。2014 年chaves-gonzalez j m, vega- rodnguez m a.a multiobjective approach based on the behavior of fir