首页 > 分享 > 定稿【精编】生物信息学

定稿【精编】生物信息学

花匠小妙招
2024-11-20 17:04

简介
生物信息学〔Bioinformatics〕是20世纪80年代末随着人类基因组方案的启动而兴起的一门新型穿插学科，它表达了生物学、计算机科学、数学、物理学等学科间的渗透与融合。
生物信息学通过对生物学实验数据的获取、加工、存储、检索与
精
动态规划
问：斐波那契数列当n=5时，结果是多少？x=50呢？x=100呢？
当遇到重叠子问题，即现在正在进展递归时函数的参数是当前已经计算过的参数值，那么再进展计算将是重复计算。
Fib(4)
Fib(3)
Finb(2)
Fib(0)
Finb(2)
Fib(1)
Fib(1)
精
动态规划
利用动态规划思想解决之前的问题。
public int fib(int n)
{
if ( n == 0)
{return 0;}
else if (n==1)
{return 1;}
else
{return fib(n-1)+fib(n-2);}
}
public int fib1(int n)
{
int [] table = new int [n+1]
for(i=0;i<;i++)
if(i == 0)
table[i]=0;
else if (i==1)
table[i]=1
else
table[i]=table[i-2]+table[i-1]
return table[n]
}
递归解决
动态规划解决
动态规划算法将已经计算过的子问题的解保存〔这里用二维数组〕，下一次再需要计算时便可以直接提取使用
精
最长公共子序列问题(LCS)
S1：ACTT S2：AGCT
注意该二维数组赋值的规律，最右下角的数值即为这两个序列的LCS长度
精
遗传算法
精
根本概念
1. 个体与种群
● 个体就是模拟生物个体而对问题中的对象
〔一般就是问题的解〕的一种称呼，一个个
体也就是搜索空间中的一个点。
● 种群(population)就是模拟生物种群而由假设
干个体组成的群体, 它一般是整个搜索空间
的一个很小的子集。
精
2. 适应度与适应度函数
● 适应度(fitness)就是借鉴生物个体对环境的
适应程度,而对问题中的个体对象所设计的
表征其优劣的一种测度。
● 适应度函数(fitness function)就是问题中的
全体个体与其适应度之间的一个对应关系。
它一般是一个实值函数。该函数就是遗传算
法中指导搜索的评价函数。
精
3. 染色体与基因
　　染色体〔chromosome〕就是问题中个体的某种字符串形式的编码表示。字符串中的字符也就称为基因〔gene〕。
例如：
个体染色体
9 ---- 1001
〔2，5，6〕---- 010 101 110
精
4. 遗传操作
　　亦称遗传算子(genetic operator)，就是关于染色体的运算。遗传算法中有三种遗传操作:
● 选择-复制(selection-reproduction)
● 穿插(crossover，亦称交换、交配或杂交)
● 变异(mutation，亦称突变)
精
选择-复制　通常做法是：对于一个规模为N的种群S,按每个染色体xi∈S的选择概率P(xi)所决定的选中时机, 分N次从S中随机选定N个染色体, 并进展复制。
这里的选择概率P(xi)的计算公式为
精
穿插就是互换两个染色体某些位上的基因。
s1′=01000101, s2′=10011011
可以看做是原染色体s1和s2的子代染色体。
例如, 设染色体 s1=01001011, s2=10010101, 交换其后4位基因, 即
精
变异就是改变染色体某个(些)位上的基因。
例如, 设染色体 s=11001101
将其第三位上的0变为1, 即
s=11001101 →11101101= s′。
s′也可以看做是原染色体s的子代染色体。
精
根本遗传算法
遗传算法基