DNA编码研究现状_图文

1、年份作者主要内容2008年王延峰，牛莹崔光照基于文化遗传算法的 dna编码序列设计将遗传算法同文化算法相结合, 利用文化算法特殊的双层进化结 构,设计岀了满足距离约束、连 续性约束、gc含量约束和解链 温度约束的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.首次将iwo算法应用到dna序 列设计领域，通过h-measurex 解链温度和自由能评价生成序列 的质量2011 年基于离散粒子群的d

2、na 任晓娜，张大方，编码序列组合优化方法 向旭宇.采用离散粒子群算法生成满足多个约束条件的dna序列2011 年xiao j h, cheng 乙dna sequences optimization based on gravitational search algorithm for reliable dna computing.首次将引力搜索算法用于求解dna序列优化问题，并产生了 咼质量的dna序列，仿真结果证明了该算法的有效性。2011 年yin z, ye c m,yin whet al.a cultural evolution based on iwo approach for

3、dna sequenee optimization提出了基于文化进化的杂草算法，通过定义杂草的扩散行为,克服了传统iwo算法不能直接被应用于离散问题的障碍2013 年罗东芳罗东君.基杂草算法的dna编 码序列研究.人采用iwo算法产生可靠的 dna序列，并同时考虑了汉明 距离、相似性、连续性、发夹结 构及解链温度多个约束条件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利用动

4、态膜进化算法设计满足多 个约束条件的dna序列,该算 法将p系统的融合和分裂规则同 活性膜以及ade/pso搜索策略 相结合郭稳涛2013 年何怡刚.基于混合蚁群算法的 dna编码序列设计方法. 数值计算与计算机应用,在蚁群算法的基础上引入遗传算 法中的交叉和变异操作将人工鱼群算法和遗传算法相结2014 年胡娟，李冬,张丽丽.基于人工鱼群遗传算法 的dna编码优化并给出了算法过程的具体实施方2015 年一种基于编码等价变换关0学东和遗传算法的dna序列优化设计.采用四进制整数编码方式将种群 编码成大小的矩阵，重新 定义了共享函数,并对遗传算子 进行了改进。上述算法,均是将多目标问题通过线性加权

5、的方式简化为单目标,不能称为真正意义上的多目标优化。将dna序列设计问题作为一个 多目标优化问题，通过带约束的2005 年shin s y, lee i h, kim d et al.multiobjective evolutionary optimization of dna sequences for reliable dna computing多目标进化算法(nacst/seq)进行求解”并使用一组序列分析工具从众多的候选者中选取最佳解决方案。其中，相似性、h-measure.发夹结构和连续性作为设计目标，解链温度和gc含 量则作为约束条件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提出了一种新的基于人工蜂群的多目标群智能算法,该算法中引入了自适应机制,并同时考虑六 种不同的相互冲突的设计准则2013 年cervantes-salidoimproving the design of sequences for dna computing: a multiobjective ev

7、olutionary approach提出一种基于矩阵的多口标进 化算法。该算法相比nsga-ii 算法，不同之处有：将候选 解编码成加xa?大小的矩阵，其 中每一行代表一条长度为固定 值的dna序列，采取五种不 同的交叉操作：水平交叉、垂直 交叉、帧交叉、掩膜交叉、横纵 交叉。生成的序列满足六项设计 准则2014 年chaves-gonzalez j m, vega- rodriguez m a.dna strand generation for dna computing by using a multi-objective differential evolution algorithm.使用基于自适应多目标的差分进 化算法,并同时考虑七种不同的 生物化学设计准则，获得了适 合于dna计算的咼质量dna 序列。2014 年chaves-gonzalez j m, vega- rodnguez m a.a multiobjective approach based on the behavior of fir