论文部分内容阅读
DNA计算是以DNA分子作为信息载体,各种生物酶作为算子的一种新型计算模型。DNA计算具有高度的并行性,超高的存储密度和极低的能源消耗等优势,为求解NP完全问题提供了一条富有创造性和启发性的思路。目前国内外学者密切关注DNA计算的发展动态并且积极参与DNA计算的研究工作,DNA计算技术已经从理论发展阶段到生物实验的应用阶段。高质量的DNA编码有助于提高DNA计算的容错性与稳定性,充足的DNA编码数量可以满足大规模的应用需求。上述两点对应DNA编码的两个研究内容:DNA编码的质量优化和DNA编码的集合设计。DNA编码的质量优化是指从满足约束条件的编码中筛选一定数量的高质量编码;DNA编码的集合设计是指已知约束条件和长度,尽可能多的构造满足约束条件的编码。常用的约束包括组合约束、热力学约束和面向应用程序约束。这些约束条件能够有效的避免在DNA计算过程中发生不必要的杂交反应,从而有助于提高DNA计算结果的稳定性与准确性。本文侧重于研究DNA编码的集合设计,所做工作如下:(1)将蚁群算法和随机搜索(ACO_RS)算法相结合用于设计DNA编码集合。用实验数据说明了在DNA编码设计问题上,使用简化的蚂蚁转移策略模型的合理性,从而缩短算法的运行时间。将蚁群算法所获得的结果作为随机搜索算法的初始化参数,并由随机搜索算法进一步扩充蚁群算法的结果。通过比较ACO_RS算法的结果和前人已发表的结果,证明了该算法是有效且可行的。(2)提出了基于Bloch量子混沌(BQC)算法用于设计DNA编码集合。该算法利用混沌方程初始化量子位的Bloch球面坐标,通过动态自适应策略更新量子门旋转角的大小,有利于加快算法的收敛速度;同时在算法中引入全干扰交叉和变异的操作,增强了算法的局部搜索能力。将本文中算法所获得的结果与现有的结果比较后发现,部分结果与之前的结果相匹配,还有一部分结果优于前人的结果。