[发明专利]基于粒子群的混沌入侵杂草算法的DNA编码序列优化方法

说明书

本发明涉及一种基于粒子群的混沌入侵杂草算法的DNA序列优化方法。该方法首先要构造出全部的DNA序列作为初始种群。接着以入侵杂草算法对初始种群进行繁殖、空间扩算、竞争性排除（局部最优解）。其次，利用已经得出的局部DNA编码序列，利用粒子群优化方法进行搜索，得到新的DNA编码序列，计算序列的适应度并对其进行排序。最后，选出最优DNA编码序列。本发明提出的基于粒子群的混沌入侵杂草算法的DNA序列优化算法能够搜索出质量更优的DNA编码序列。

技术领域

本发明属于DNA计算中编码设计领域，涉及群体智能优化算法和DNA编码，具体涉及用粒子群算法、入侵杂草算法和混沌算法来优化DNA序列。

背景技术

1994年，美国南加州大学的阿德尔曼教授提出用DNA分子进行计算的一种新的计算模式。在这种新的计算模式当中DNA分子被作为信息存储的单元并且分子之间的生化反应代表计算操作的过程。在这种背景下，沃森-克里克碱基互补配对原则是最重要的反应之一，因为这一反应能够成功地检索存储在DNA分子中的信息。然而必须保证在实际的生化反应过程中，编码每一个信息元的DNA分子能够被唯一识别，因为不期望的反应通常会导致不正确的计算。因此设计质量较高的DNA序列非常重要，这样能够确保集合中的DNA序列仅仅只与其互补的序列杂交。

粒子群算法是一种群体智能优化算法。该算法能以较大概率收敛于全局最优解。实践证明，它适合在多目标环境中寻优，具有较快的速度和更好的全局搜索能力。粒子群算法的基本思想是对种群中粒子的适应度进行计算，寻找个体极值和群体极值，然后对粒子的位置和速度进行更新，再计算适应度找到个体极值和群体极值，如此迭代直到满足最大进化代数。

入侵杂草算法是一类元启发式搜索算法，模拟了杂草入侵殖民地并快速占据繁殖的自然行为过程，入侵杂草算法已经成为一种解决许多领域实际问题的有效工具。入侵杂草算法的基本思想是用杂草表示所求问题的可行解，进化过程中，杂草通过繁殖产生种子，种子通过空间扩散发育成杂草，如此反复，当种群中杂草的数量达到预先设定最大种群规模时，杂草通过竞争进行生存，保存适应度好的杂草，淘汰适应度差的。

发明内容

本发明的目的在于提出基于粒子群的混沌入侵杂草算法的DNA序列优化方法。该方法可以搜索出质量较优的DNA编码序列。

为解决上述技术问题，本发明提供一种基于粒子群的混沌入侵杂草算法的DNA序列优化方法，该方法包括以下步骤：

步骤1：利用Tent映射对随机初始的种群进行映射，得到的种群作为初始种群；

步骤2：利用入侵杂草算法对初始种群进行进化，种群中个体通过生成种子来进行繁殖，生成的种子以柯西分布的方式分布在D维搜索空间进行空间扩散；

步骤3：把入侵杂草算法进化得到的杂草数量与预先设定的最大杂草数量作比较，若数量大于最大杂草数量进行步骤4，否则进行步骤8；

步骤4：将利用入侵杂草算法进化得到的种群作为粒子群优化算法的输入，通过粒子的位置和速度的迭代更新对种群进行搜索得到新的种群；

步骤5：把得到的新的种群按照适应度进行排序；

步骤6：对排序后的种群进行竞争性排除，适应度较好的个体被保留，其余的被淘汰；

步骤7：判断当前迭代次数是否达到最大的迭代次数，若是进行步骤8，否则返回到步骤2；

步骤8：对结果进行适应度排序，把排序后的结果输出。

本发明与现有技术相比具有以下创新之处：

1、用Tent混沌映射初始化种群，所得的序列均为均匀分布；

2、入侵杂草算法使得初始种群产生的种子进化得到的杂草以柯西分布的方式在父代个体周围进行扩散，利用粒子群优化算法避免算法陷入局部最优，使得算法有更好的全局搜索能力；