面向DNA编码的多目标优化算法设计

【摘要】：DNA计算是一种基于大量的DNA分子自然的并行操作计算模型,是一门具有极大潜力的学科。在相关酶的调节下,DNA分子能自发组合反应,产生问题的解集。高质量的DNA序列分子,可以防止DNA计算过程中不必要的非特异性杂交、不期望的二级结构以及化学性质不稳定而导致反应失败。DNA分子设计是典型的多目标优化问题,需要满足各种相互冲突的DNA编码目标约束。目前,国内外许多研究者提出了许多不同的DNA序列设计算法,但是这些算法设计的DNA序列约束值并不均匀,这样的序列依然有很大可能发生非特异性杂交。因此,能够设计出约束值均匀且较小的DNA编码序列显得尤为重要。本文将参考点策略应用于DNA编码问题中,提出了一种基于参考点的多目标DNA编码优化算法。首先,根据每个个体目标函数值计算到参考点的带权重的参考距离。其次,按照参考距离从小到大依次选择,并为每个个体设置拥挤范围?来维持种群的多样性。然后,将选择出的足够个体进行选择、交叉和变异操作生成新的种群。通过分别生成的一组单链长度为20的7条DNA序列的DNA序列和一组单链长度为20的14条DNA序列以及它们的运行时间图,并且将序列与已知文献的结果进行了对比实验。实验结果表明,与现有的序列设计技术相比,该算法能提供更可靠的DNA序列。为了能得到更好的DNA序列,结合相似目标合并以及目标平衡的思想,本文又提出了一种基于MMD算法的多目标DNA编码设计方法。首先,每个个体到原点的曼哈顿距离代替原本的适应度值。其次,选择种群最优个体,根据该个体更新原始种群个体的适应度值。然后,选择当前最优个体,再次更新原种群个体的适应度值,直到选出足够个体通过使用交叉和变异算子生成新的种群。通过将生成的DNA序列与文献的结果进行比较,结果表明该算法提供的DNA序列更加有效且可靠。最后,还对比了本文提出的两个算法的收敛性和生成的序列,得出了第二种方法更加优秀的结论。