第1章 緒論
1.1 進(jìn)化算法
1.1.1 遺傳算法
1.1.2 遺傳規(guī)劃
1.1.3 進(jìn)化策略
1.1.4 進(jìn)化規(guī)劃
1.1.5 粒子群優(yōu)化算法
1.1.6 量子粒子群優(yōu)化算法
1.2 生物信息學(xué)
1.2.1 生物信息學(xué)的起源
1.2.2 生物信息學(xué)的概念
1.2.3 生物信息學(xué)的主要研究?jī)?nèi)容
1.3 最優(yōu)化理論
1.3.1 最優(yōu)化問(wèn)題
1.3.2 局部?jī)?yōu)化算法 第1章 緒論  
  1.1 進(jìn)化算法 
  1.1.1 遺傳算法  
  1.1.2 遺傳規(guī)劃  
  1.1.3 進(jìn)化策略  
  1.1.4 進(jìn)化規(guī)劃  
  1.1.5 粒子群優(yōu)化算法 
  1.1.6 量子粒子群優(yōu)化算法 
  1.2 生物信息學(xué)  
  1.2.1 生物信息學(xué)的起源  
  1.2.2 生物信息學(xué)的概念  
  1.2.3 生物信息學(xué)的主要研究?jī)?nèi)容  
  1.3 最優(yōu)化理論  
  1.3.1 最優(yōu)化問(wèn)題 
  1.3.2 局部?jī)?yōu)化算法  
  1.3.3 全局優(yōu)化算法  
  1.3.4 最優(yōu)化問(wèn)題的求解  
  1.4 本書(shū)的主要內(nèi)容 
第2章 粒子群優(yōu)化算法和量子粒子群優(yōu)化算法
  2.1 粒子群優(yōu)化算法 
  2.1.1 基本粒子群算法 
  2.1.2 帶慣性權(quán)重w的粒子群算法  
  2.1.3 帶收縮因子x的粒子群算法
  2.2 量子粒子群優(yōu)化算法  
  2.2.1 d勢(shì)阱模型的建立  
  2.2.2 粒子的基本進(jìn)化方程 
  2.2.3 OPS0算法的流程  
  2.3 OPS0算法收斂性分析 
  2.3.1 全局搜索算法的收斂準(zhǔn)則 
  2.3.2 局部搜索算法的收斂準(zhǔn)則 
  2.3.3 OPS0算法的全局收斂性 
第3章  基于選擇操作的QPSo算法  
  3.1 引言  
  3.2 采用錦標(biāo)賽選擇操作的QPSO算法(QPS0.TS) 
  3.3 采用輪盤(pán)賭選擇操作的QPSO算法(QPSO—RS) 
  3.4 算法的收斂性分析 
  3.4.1 全局收斂性準(zhǔn)則 
  3.4.2 基于選擇操作的QPS0算法的全局收斂性  
  3.5 實(shí)驗(yàn)結(jié)果及分析 
  3.5.1 實(shí)驗(yàn)設(shè)計(jì)  
  3.5.2 實(shí)驗(yàn)結(jié)果  
  3.6 本章 小結(jié) 
第4章 進(jìn)化算法在多序列比對(duì)中的應(yīng)用  
  4.1 多序列比對(duì)的含義  
  4.2 基于二進(jìn)制OPSO算法的序列比對(duì) 
  4.2.1 二進(jìn)制的PS0算法(BPS0)  
  4.2.2 二進(jìn)制的QPS0算法(BQPSO) 
  4.2.3 基于MBPS0或MBOPS0的多序列比對(duì)  
  4.2.4 仿真實(shí)驗(yàn)和結(jié)果  
  4.2.5 結(jié)論  
  4.3  基于隱馬爾柯夫模型和多樣性QPSO算法的多序列比對(duì)
  4.3.1 前言  
  4.3.2 隱馬爾柯夫模型 
  4.3.3 基于剖面HMM和QPSO的多序列比對(duì)  
  4.3.4 融合多樣性的0PSO算法 
  4.3.5 評(píng)估訓(xùn)練算法的質(zhì)量 
  4.3.6 模型的聯(lián)配問(wèn)題 
  4.3.7 評(píng)估比對(duì)序列的質(zhì)量 
  4.3.8 實(shí)驗(yàn)結(jié)果  
  4.3.9 結(jié)論  
第5章 基于進(jìn)化算法的代謝流的評(píng)估 
  5.1 代謝流評(píng)估  
  5.1.1 化學(xué)計(jì)量矩陣方法  
  5.1.2 基于13C標(biāo)記平衡的MFA 
  5.2 基于白適應(yīng)進(jìn)化算法和單值分解的方法的代謝通量分析  
  5.2.1 自適應(yīng)進(jìn)化算法 
  5.2.2 系統(tǒng)化學(xué)計(jì)量矩陣約束的單值分解 
  5.2.3 進(jìn)化算法中不等式約束的處理 
  5.3 基于QPSO及其改進(jìn)的QPSO算法和罰函數(shù)的代謝通量分析  
  5.3.1 罰函數(shù)的方法  
  5.3.2 基于QPSO及其改進(jìn)的QPS0和罰函數(shù)的代謝流評(píng)估流程 
  5.4 仿真實(shí)驗(yàn)及其結(jié)果  
  5.5 本章 小結(jié) 
第6章 基于GP和QPSO算法的獸疫鏈球菌發(fā)酵透明質(zhì)酸培養(yǎng)基的優(yōu)化 
  6.1 引言 
  6.2 原料和方法  
  6.2.1 微生物和媒介
  6.2.2 在一個(gè)7一1發(fā)酵罐中的獸疫鏈球菌的一組培養(yǎng)基
  6.3 響應(yīng)面分析法(RSM)  
  6.4 仿真實(shí)驗(yàn)和結(jié)果 
  6.4.1 RSM的結(jié)果  
  6.4.2 GP的結(jié)果 
  6.4.3 使用QPSO算法優(yōu)化GP評(píng)估方程式的參數(shù)的結(jié)果
  6.4.4使用QPSO算法優(yōu)化透明質(zhì)酸產(chǎn)量的培養(yǎng)基的結(jié)果
  6.5 結(jié)論 
第7章 基于多樣性量子行為粒子群優(yōu)化算法的基因數(shù)據(jù)聚類(lèi)
  7.1 基因數(shù)據(jù)聚類(lèi)研究現(xiàn)狀 
  7.2 多樣性引導(dǎo)的量子粒子群優(yōu)化算法 
  7.3 基于DGOPSO的聚類(lèi)算法設(shè)計(jì)  
  7.4 基于多樣性量子行為粒子群算法的基因數(shù)據(jù)聚類(lèi) 
  7.4.1 實(shí)驗(yàn)數(shù)據(jù)集 
  7.4.2 基因表達(dá)數(shù)據(jù)聚類(lèi)實(shí)驗(yàn)分析  
  7.4.3 基于粒子群優(yōu)化的聚類(lèi)算法比較  
  7.4.4 與一些常用聚類(lèi)算法的比較  
  7.5 結(jié)論 
第8章 總結(jié)與展望  
附錄1 PSO算法程序代碼  
附錄2 QPSO算法程序代碼 
附錄3 多序列比對(duì)程序代碼  
參考文獻(xiàn)