基于神经网络—模拟退火混合算法的RNA二级结构预测

摘要

神经网络算法是求解复杂组合优化问题的一种有效方法，但极容易陷入局部最小值；模拟退火算法的突跳特性可避免陷于局部最小值，仙收敛速度慢。针对这个问题，本文提出了一种带分阶段变化冷却进度表和随机接受准则的神经网络-模拟退火混合算法，并应用于RNA的二级结构预测。 该混合算法把整个迭代过程分为若干个阶段，在每个阶段都有不同的冷却进度表参数和随机接受准则。后一个阶段在前一个阶段结束后，适当改变冷却进度表参数，即回火升温、改变温度下降方案、改变固定温度时的迭代长度、改变终止规则，同时改变随机接受准则，令混合算法可以根据实际情况，在不同阶段采用Boltzmann机、Cauchy机、N-Cauchy机等多种计算方法，既保证了混合算法可以达到全局最小值，又大大减少了算法的复杂度。 本文在实现混合算法时，为了进一步减少算法的复杂度，提高效率，还采用了各种新方法，比如在计算网络的整体能量和能量差时进行预处理等，效果很明显。 实验证明，该混合算法是稳定的。和目前一些典型的智能算法比较，具有更高的精度，更适合实际中应用；和现在被广泛应用的两种专业软件比较，在效率和精度上都有优势，特别适合长序列RNA二级结构的预测。

目录

文摘

英文文摘

声明

第1章引言

1.1生物学知识概论

1.2生物信息学的研究内容及本文所做的主要工作

第2章RNA二级结构与预测

2.1 RNA二级结构

2.2 RNA二级结构预测

第3章典型RNA二级结构预测算法

3.1比较序列分析方法

3.2动态规划法

3.3组合优化算法

3.4启发式算法

3.5小结

第4章神经网络-模拟退火混合算法

4.1 RNA二级结构预测的数学描述

4.2神经网络算法与模拟退火算法

4.3神经网络-模拟退火混合算法

第5章实现与实验

5.1算法的JAVA实现

5.2实验

第6章总结与展望

6.1总结

6.2展望

参考文献

在攻读硕士学位期间参与的科研项目情况

在攻读硕士学位期间发表的学术论文情况

致谢