摘要：生物序列motif识别问题是当今生物信息学面临的一个复杂问题,要设计一个能识别所有motif的方法几乎是不可能的。针对该问题,在免疫遗传算法中引入了统计估计,提高了motif识别的精度,根据个体的浓度和适应值概率。设计了免疫替换算子,有效地解决了种群的多样性问题,利用Gibbs Sampler算法生成种子,提高了免疫遗传算法的搜索速度,最后得到了一个基于免疫GA与Gibbs Sampler的生物序列motif识别算法,该算法充分发挥了免疫遗传算法和Gibbs Sampler算法的优越性,较好地解决了计算速度和计算精度之间的矛盾。实验表明,该算法是有效的。

摘要：论文提出了一种求解多序列联配的竞争粒子群优化算法,算法根据适应值分类设计了粒子群的惯性权重及其飞行速度范围,并进行了动态调整,提高了算法的收敛速度和精度;引入了重新初始化机制,有效地避免粒子群优化算法可能出现的早熟现象;提出了一种全新的速度更新模式和竞争策略,增强了算法的能力。实验表明该算法是有效的。

摘要：MHCII类分子结合肽的预测对于免疫研究和疫苗设计非常重要,然而其结合肽长度的可变性等原因使其预测变得极为困难,提出了一种基于广义选择性神经网络集成的MHCII分子结合肽预测算法,该算法是一种双层集成模型。第一层是用微分进化算法去生成初始神经网络集成池,第二层是从初始神经网络集成池中选择部分组成最终的神经网络集成。实验结果表明广义选择性神经网络集成比传统的选择性神经网络有更好的泛化性能。

摘要：RNA二级结构预测在计算生物学中具有重要意义,针对RNA二级结构预测,提出了一种新的免疫粒子群集成算法,根据个体的浓度和适应值概率,利用免疫机制,在粒子群优化算法中设计了免疫替换算子,有效防止了粒子群优化算法易陷入局部最优的缺陷;通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后用免疫粒子群集成算法去预测RNA二级结构,实验证明了算法的有效性。

摘要：在网络信息时代的今天,信息量不断在Web上增长,如何获取高质量的信息已成了一个热门的话题。搜索引擎已是大家司空见惯的东西了,但面向主题的搜索引擎并不多。本文结合自己的实际工作介绍了一种面向主题搜索引擎的设计过程,对其工作原理进行了较为详细的阐述。目的是让读者能了解搜索引擎的内部工作原理,对大家以后在这方面工作能提供一些有益的帮助。

摘要：针对旅行商问题提出一种离散粒子群算法。算法重新定义了速度及其与粒子位置的相关算子,设计了"距离排序矩阵"(保存距离城市由近到远的其他城市的矩阵),并根据它生成可动态变化的优秀基因库来指导粒子高效地进行全局搜索。本文用TSPLIB中的部分案例进行实验,实验结果表明,该算法在求解旅行商问题上有很好的性能,并且具有很好的鲁棒性。

摘要：新的免疫粒子群集成算法是根据个体的浓度和适应值概率,利用免疫机制,在粒子群优化算法中设计了免疫替换算子,有效防止了粒子群优化算法易陷入局部最优的缺陷;通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后用免疫粒子群集成算法去进行多序列联配,实验证明了算法的有效性。

摘要：根据双尺度方程导出的尺度函数的Fourier变换无穷乘积公式,结合函数与函数的Hilbert变换之间的Fourier变换关系,提出了由2个共扼正交滤波器所构造的2个小波基是双小波基的一个条件,并通过满足该条件的例子来设计了满足该条件的具有最小长度的这种类型的2个滤波器的求解方法.

摘要：　在应用遗传算法求解TSP问题构造交叉算子时,将贪心算法与边重组结合起来,使得交叉操作能够既继承父代个体中边的设计,又能保留父代的优秀基因,使收敛速度明显加快,且具有较强的全局搜索能力。