概率级联布尔网络的集镇定及其应用

随着系统生物学和医学的迅速发展,基因调控网络已经成为一个热点研究领域.布尔网络作为研究生物系统和基因调控网络的一种重要模型,近年来引起了包括生物学家和系统科学家在内的很多学者的广泛关注.本文利用代数状态空间方法,研究了概率级联布尔网络的集镇定问题.首先给出概率级联布尔网络集镇定的定义,并利用矩阵的半张量积给出了概率级联布尔网络的代数表示.其次基于该代数表示,定义了一组合适的概率能达集,并给出了概率级联布尔网络集镇定问题可解的充要条件.最后将所得的理论结果应用于概率级联布尔网络的同步分析及n人随机级联演化布尔博弈的策略一致演化行为分析.     

具有切换概率分布的概率布尔网络的依分布稳定和镇定

布尔网络作为研究基因调控网络的一种重要模型,近年来引起了国内外很多学者的广泛关注.本文利用代数状态空间表示方法,研究具有切换概率分布的概率布尔网络的依分布稳定和镇定问题.首先,回顾针对切换布尔网络稳定性分析的现有的研究结果.其次,给出具有切换概率分布的概率布尔网络依分布稳定的定义,并利用矩阵的半张量积建立具有切换概率分布的概率布尔网络的代数表示.再次,基于该代数表示,建立具有切换概率分布的概率布尔网络的依分布稳定的充分必要条件.最后,给出具有切换概率分布的概率布尔控制网络镇定问题可解的充要条件,并给出相应的控制设计方法.     

布尔网络的分析与控制——矩阵半张量积方法

布尔网络是描述基因调控网络的一个有力工具. 由于系统生物学的发展, 布尔网络的分析与控制成为生物学与系统控制学科的交叉热点. 本文综述作者用其原创的矩阵半张量积方法在布尔网络的分析与控制中得到的一系列结果. 内容包括: 布尔网络的拓扑结构, 布尔控制网络的能控、能观性与实现, 布尔网络的稳定性和布尔控制网络的镇定, 布尔控制网络的干扰解耦, 布尔 (控制) 网络的辨识,以及布尔网络的最优控制等.     

切换奇异布尔网络的稳定性分析

基因调控网络的稳定性分析是系统生物学的研究热点问题之一.本文利用矩阵半张量积方法研究了切换奇异布尔网络的稳定性问题.首先给出了切换奇异布尔网络的代数表示,基于该代数表示,建立了系统解存在唯一的充要条件.然后通过将切换奇异布尔网络转化为等价的切换布尔网络,分别得到了系统在任意切换下稳定以及切换可稳的充要条件.最后给出例子验证所得结果的有效性.     

状态翻转控制下布尔控制网络的可镇定性和Q学习算法

在给定一个子集的条件下, 本文研究了在状态翻转控制下布尔控制网络的全局镇定问题. 对于节点集的给定子 集, 状态翻转控制可以将某些节点的值从1 (或0)变成0 (或1). 将翻转控制作为控制之一, 本文研究了状态翻转控制下的 布尔控制网络. 将控制输入和状态翻转控制结合, 提出了联合控制对和状态翻转转移矩阵的概念. 接着给出了状态翻转 控制下布尔控制网络全局稳定的充要条件. 镇定核是最小基数的翻转集合, 本文提出了一种寻找镇定核的算法. 利用可 达集的概念, 给出了一种判断全局镇定和寻找联合控制对序列的方法. 此外, 如果系统是一个大型网络, 则可以利用一 种名为Q学习算法的无模型强化学习方法寻找联合控制对序列. 最后给出了一个数值例子来说明本文的理论结果.     

基于牵制控制的切换布尔网络的分布式集合镇定

切换布尔网络是一种典型的网络化控制系统, 在基因调控、信息安全、人工智能、电路设计等领域具有重 要应用. 本文基于牵制控制方法, 研究切换布尔网络在任意切换下的分布式集合镇定问题. 首先, 利用矩阵半张量积 方法,得到切换布尔网络的代数形式. 其次, 基于代数形式, 提出构造性的算法来实现切换布尔网络在牵制控制的 作用下任意切换集合镇定, 并设计出状态反馈牵制控制器. 再次, 利用逻辑矩阵分解技术和分布式控制方法, 设计任 意切换下切换布尔网络的分布式集合镇定控制器, 并提出分布式控制器存在的充分条件. 文中给出3个例子来说明 所获得结果的有效性.     

受限布尔网络发展现状

布尔网络可以简洁有效地描述作用在有限集上的动态离散模型.然而,随着研究的深入以及一些实际问题的需要,传统的布尔网络已经不能满足建模的需求,由此衍生出受限布尔网络,通过矩阵半张量积,该类型的网络可以转化为便于处理的等价代数表示.鉴于此,对受限布尔(控制)网络的来源、受限形式和相关问题,作了概括与总结.对于受限布尔网络中出现的典型问题、规范化与可解性,理清了其发展脉络与研究现状;对受限布尔网络的拓扑结构整理了相关结果.另一方面,在受限布尔控制网络部分,着重总结其能控性的发展现状,将现有的能控性分析方法归为Dimitriy-Michael方法和预反馈方法两大类,并分别介绍其分析过程.总结受限布尔控制网络在设计能控、镇定、最优控制信号等问题中的一些常用方法(输入-状态关联矩阵方法和Floyd算法),以及牵引控制和干扰解耦等其他研究方向.     

概率布尔控制网络的集可控

本文研究概率布尔控制网络的集可控性问题.首先,利用矩阵半张量积方法,得到概率布尔控制网络的代数表示.其次,借助一个新的算子构造不同的可控矩阵,进而通过可控矩阵考虑自由控制序列和网络输入控制下概率布尔控制网络的集可控性问题,得到了概率布尔控制网络集可控性的充要条件.最后,给出数值例子说明本文结果的有效性.     

布尔控制网络的输出稳定与镇定

矩阵的半张量积是将逻辑变量转化为向量研究的主要工具.本文利用半张量积把逻辑控制系统表示为离散时间仿射线性系统,在逻辑系统的状态空间框架下研究了以布尔控制网络为代表的逻辑动态系统的输出稳定与镇定.首先给出布尔网络输出稳定的定义,研究了布尔网络输出稳定的充要条件;其次讨论了布尔控制网络的输出镇定,分别得到了布尔控制网络由常值输入变量、自由控制序列、状态反馈控制序列输出镇定的条件.本文讨论的系统输出稳定与镇定是(部分)变量稳定与镇定的推广.     

概率布尔控制网络的弱能控性

本文研究了概率布尔控制网络的弱能控性,系统的弱能控性是概率布尔网络精确能控的一个推广.首先利用矩阵的半张量积和逻辑变量的向量表示,概率布尔控制网络被表示为离散时间动态系统.接着给出概率布尔控制网络弱能控的定义,从离散时间系统的结构矩阵出发,构造了最大概率转移矩阵,矩阵中的元素表示相应状态之间可能发生转移的最大概率,在此基础上研究了概率布尔控制网络的弱能控的条件,同时给出了两个状态弱能达时控制序列的设计算法.最后通过例子进一步解释了弱能控的概念和控制序列设计算法的有效性.     

On Learning Gene Regulatory Networks Under the Boolean Network Model

Boolean networks are a popular model class for capturing the interactions of genes and global dynamical behavior of genetic regulatory networks. Recently, a significant amount of attention has been focused on the inference or identification of the model structure from gene expression data. We consider the Consistency as well as Best-Fit Extension problems in the context of inferring the networks from data. The latter approach is especially useful in situations when gene expression measurements are noisy and may lead to inconsistent observations. We propose simple efficient algorithms that can be used to answer the Consistency Problem and find one or all consistent Boolean networks relative to the given examples. The same method is extended to learning gene regulatory networks under the Best-Fit Extension paradigm. We also introduce a simple and fast way of finding all Boolean networks having limited error size in the Best-Fit Extension Problem setting. We apply the inference methods to a real gene expression data set and present the results for a selected set of genes.     

基于事件触发和状态翻转的布尔控制网络输出跟踪

利用矩阵半张量积研究事件触发和翻转控制共同作用下布尔控制网络的输出跟踪问题.首先,基于布尔控制网络代数状态空间表示,构造增广系统将输出跟踪问题转化为状态集镇定问题;其次,得到布尔控制网络在两种控制下输出跟踪问题有解的充要条件,并在满足该条件时提出一种基于最小翻转节点集时间最优控制设计方法,进一步给出有限时间内寻找翻转节点集的计算过程;最后,给出一个算例说明结果的可行性.     

A Semi‐Tensor Product Approach to Pseudo‐Boolean Functions with Application to Boolean Control Networks

Using the semi‐tensor product method, this paper investigates several fundamental problems of general pseudo‐Boolean functions with application to the optimal control of Boolean control networks, and establishes a new framework to deal with pseudo‐Boolean inequalities, the optimization problem and the best linear approximation of pseudo‐Boolean functions. First, the pseudo‐Boolean function is expressed in the algebraic form via constructing its unique structural matrix. Second, based on the matrix expression, solving pseudo‐Boolean inequalities is converted into finding solutions to algebraic inequalities, and a set of new formulas are presented. Third, the optimization problem and the linear approximation of the pseudo‐Boolean function are considered and several new results are established. Finally, as an application, we investigate the optimal control of Boolean control networks, and present a new optimal control design procedure. It is shown through the study of illustrative examples that the new results proposed in this paper work very well.     

Realization of Boolean control networks

Based on the linear expression of the dynamics of Boolean networks, the coordinate transformation of Boolean variables is defined. It follows that the state space coordinate transformation for the dynamics of Boolean networks is revealed. Using it, the invariant subspace for a Boolean control network is defined. Then the structure of a Boolean control network is analyzed, and the controllable and observable normal forms and the Kalman decomposition form are presented. Finally the realization problem, including minimum realization, of Boolean control networks is investigated.     

Bayesian selection probability estimation for probabilistic Boolean networks

A Bayesian approach to estimate selection probabilities of probabilistic Boolean networks is developed in this study. The concepts of inverse Boolean function and updatable set are introduced to specify states which can be used to update a Bayesian posterior distribution. The analysis on convergence of the posteriors is carried out by exploiting the combination of semi‐tensor product technique and state decomposition algorithm for Markov chain. Finally, some numerical examples demonstrate the proposed estimation algorithm.     

Robust stability and stabilisation of Boolean networks with disturbance inputs

This paper deals with the problems of robust stability analysis and robust stabilisation control design for Boolean networks with disturbance inputs. The main tool used in this paper is the semi-tensor product of matrices. First, a necessary and sufficient condition is presented for the robust stability of Boolean networks based on the algebraic representation of Boolean networks with disturbance inputs. Second, the concept of one-step robust reachability is defined for Boolean control networks (BCNs) with disturbance inputs, based on which a constructive procedure is proposed for the robust stabilisation control design of BCNs. The study of an illustrative example demonstrates the effectiveness of the obtained new results.