基于Memetic算法的DNA序列数据压缩方法

【摘要】：该文提出一种基于CPMA(Collaborative Particle swarm optimization-based Memetic Algorithm)算法的DNA序列数据压缩方法,CPMA分别采用综合学习粒子群优化(Comprehensive Learning Particle Swarm Optimization,CLPSO)算法和动态调整的混沌搜索算子(Dynamic Adjustive Chaotic Search Operator,DACSO)进行全局搜索和局部搜索。该文采用CPMA寻找全局最优的基于扩展操作的近似重复矢量(Extended Approximate Repeat Vector,EARV)码书,并用此码书压缩DNA序列数据。实验结果表明,CPMA比其它优化算法有很大的改善,对文中采用的大部分测试函数,其解都非常接近全局最优点;对于DNA基准测序序列,与文中所列的经典DNA序列压缩算法相比,基于CPMA算法的压缩性能得到了显著提升。