PPI网络聚类的评价方法的研究与应用

蛋白质相互作用网络(Protein-Protein Interaction,PPI)聚类结果的评价方法的研究是检测PPI网络功能模块聚类结果正确与否的关键。介绍并分析了4种有代表性的PPI网络聚类的评价方法,即p-value、匹配统计量、基于准确率和查全率的综合评价以及基于层结构的hF-measure,在此基础上考虑了主错误划分类与该预测类的相似性,提出了新的罚分函数和新的Sf-measure评价方法。仿真结果表明了各评价方法的特点及Sf-measure评价方法的有效性及合理性。     

几种改进PSO算法在带时间窗车辆路径问题中的比较与分析

车辆路径问题属于完全NP问题,也是运筹学中的热点问题。虽然目前有很多人进行研究,但搜索效率和迭优率较低,而且计算所得平均费用偏高。鉴于此,本文分别用二阶振荡PSO、随机惯性权重PSO、带自变异算子PSO、模拟退火PSO求解带时间窗车辆路径问题。通过仿真实验给出了这四种改进PSO算法在求解该问题时的不同;同时,与文献[1]中中的遗传算法、标准PSO算法求解该问题进行了比较并得出结论：本文中用到的四种改进PSO算法都能更有效地降低成本,缩短运行时间,提高达优率,而且随机惯性权重PSO表现尤为突出。     

蛋白质相互作用网络的蜂群信息流聚类模型与算法

蛋白质相互作用网络的聚类算法研究是充分理解分子的结构、功能及识别蛋白质的功能模块的重要方法.很多传统聚类算法对于蛋白质相互作用网络聚类效果不佳.功能流模拟算法是一种新型聚类算法,但该算法没有考虑到距离的作用效果并且需要人为地设置合并阈值,带有主观性.文中提出了一种新颖的基于蜂群优化机理的信息流聚类模型与算法.该方法中,数据预处理采用结点网络综合特征值的排序来初始化聚类中心,将蜂群算法的蜜源位置对应于其聚类中心,蜜源的收益度大小对应于模块间的相似度,采蜜蜂结点的所有邻接点按照结点网络综合特征值的降序排列,作为侦察蜂的搜索邻域.采用正确率、查全率等指标对聚类效果做出客观评价,并对算法的一些关键参数进行仿真、对比与分析.结果表明新算法不仅克服了原功能流模拟算法的缺点,且其正确率和查全率的几何平均值最高,能够有效地识别蛋白质功能模块.     

基于遗传算子的粒子群优化算法的比较分析

为了深入分析探讨改进的粒子群优化算法的性能,针对典型的函数优化问题,设计了3种方案：(1)采用线性递减惯性权重的PSO;(2)基于遗传算子的PSO;(3)在方案(2)基础上,加入收缩因子χ。在MATLAB 7.0中对常用的测试函数进行优化仿真,发现当融合遗传算子和收缩因子时,算法性能最优。     

基于蜂群和广度优先遍历的PPI网络聚类

蛋白质交互作用(PPI)网络聚类算法是研究和揭示蛋白质功能的主要方法之一。由于PPI网络的特性,传统算法不能有效聚类。文中提出一种基于蜂群和广度优先遍历的聚类算法。为避免噪声点对实验结果的干扰,在预处理阶段利用距离-密度算法确定聚类个数,剔除噪声点。然后利用结点网络综合特征值确定初始聚类中心,利用广度优先遍历搜索算法进行聚类。再采用改进的蜂群算法自动寻找最优合并阈值。最后用正确率和查全率对该算法进行性能评价并对算法中一些重要参数进行仿真分析,仿真结果表明该聚类算法有效提高PPI网络的聚类效果。     

求解TSP的改进自组织PSO算法

针对粒子群算法（PSO）的早熟收敛现象,从种群多样性出发,基于自组织临界性特点改进PSO 算法的参数设置,采用自组织的惯性权重和加速系数,并增加了变异算子。借鉴交换子和交换序概念,设计出了能直接在离散域进行搜索的改进的自组织PSO算法。用于旅行商问题（TSP）的求解,并与基本及其他典型改进PSO算法进行性能比较。实验结果证实改进的自组织PSO算法是有效的。     

基于拓扑势加权的动态PPI网络复合物挖掘方法

从动态蛋白质相互作用（PPI）网络中挖掘蛋白质复合物是当前复合物挖掘研究的一个热点,但是目前大都采用未加权网络进行聚类分析,由于不能准确地描述网络的拓扑特性,因此其正确率不高.鉴于此,本文提出采用拓扑势场的方法来构造加权网络,网络中的每一个蛋白质都被视作一个物理粒子,在它周围存在一个虚拟的作用场,由此网络中所有蛋白质的相互作用联合形成一个拓扑势场,文中定义了结点间的拓扑势的概念,并以此来构造加权网络,之后采用马尔科夫聚类算法在DIP数据和Krogan数据上进行复合物挖掘.与其它经典算法相比,该方法的precision和f-measure值较高,能更好地识别蛋白质复合物.     

PSO优化算法演变及其融合策略

分析了粒子群优化算法公式的演变以及相关参数,包括基本算法、加惯性权重的PSO以及加收缩因子的PSO。并对它与其它智能算法（模拟退火、遗传算法、蚁群算法等）的融合进行了探讨,指出目前PSO的数学研究范畴仅限于收敛性的研究。     

基于压缩速度范围PSO的图像自适应增强

基于对惯性权重 和最大飞行速度 的分析,结合完全覆盖图像增强典型变换函数类型的非完全Beta算子,提出压缩速度范围改进粒子群算法(CV-PSO)的灰度图像自适应增强方法。用于基本图像和交通图像的增强,并与基本及其他改进PSO算法做性能比较。实验结果证实了CV-PSO算法的有效性和优越性,且在视觉效果上优于传统直方图均衡化法。     

免疫PSO算法求解多库房带时间窗VRP

为了降低物流系统的总费用,对车辆优化调度模型进行了改进,考虑了库房容量和时间窗两方面的因素,以总的耗费成本为目标,采用免疫粒子群优化（PSO）算法对此多库房车辆调度模型进行了优化求解。仿真结果表明免疫PSO比PSO更有效、更优越。