[发明专利]联合Memetic算法和S系统的生物模体重构方法

权利要求书

1.联合Memetic算法和S系统的生物模体重构方法，其特征是所述方法包括如下步骤：

（1）生成数据：由生物模体微分方程演化中产生所有基因表达的t_f个离散时间序列u_i(t) (i= 1,2,…,n, t = 1,2,…,t_f)；

（2）编码；

（3）产生初始群体：确定网络模体的基因个数n，搜索种群规模M，解空间维数大小D = n²，杂交概率p_c，变异概率p_v，随机产生M个初始个体，进化代数变量k = 1，最大进化代数K_max；

（4）交叉：按照杂交概率p_c在M个个体中任意选取两个进行杂交运算，产生新一代群体的两个新个体；

（5）变异：在杂交运算杂生的新群体中，按照变异概率p_v从中选取若干个体，进行变异操作；

（6）计算适应度函数：将变异后的新群体作用于S系统获得基因表达的预测序列，再根据下述公式计算每个个体的适应度函数；

其中，u_i(t)、分别表示基因i在t时刻真实与预测的基因表达水平；

（7）选择；

（8）局部搜索；

（9）寻全局最优值。

2.根据权利要求1所述的联合Memetic算法和S系统的生物模体重构方法，其特征是所述步骤（2）编码：根据生物模体的S系统参数变量的解空间，将可行解数据表示成搜索空间的浮点型串结构数据，这些串结构数据不同组合构成不同可行解。

3.根据权利要求1所述的联合Memetic算法和S系统的生物模体重构方法，其特征是所述步骤（7）选择：从当前群体中选择个适应度最高的个体，舍弃个适应度最低的个体。

4.根据权利要求1所述的联合Memetic算法和S系统的生物模体重构方法，其特征是所述步骤（8）局部搜索：采用爬山法、单纯形优化法、共轭梯度法、牛顿法中的任意一种。

5.根据权利要求1所述的联合Memetic算法和S系统的生物模体重构方法，其特征是所述步骤（9）寻全局最优值：如果满足停止条件或达到最大迭代次数，k = K_max，则寻优结束，所得到的全局最优值，即为基因模体的加权矩阵模型权值；否则，k:= k + 1， 转步骤（4）。

6.根据权利要求1所述的联合Memetic算法和S系统的生物模体重构方法，其特征是所述S系统是一组由幂率函数构成的生物模体微分方程：

(1)

其中，u_i表示基因i时刻t的表达水平， g_ij和h_ij是动力学序数，g_ij和h_ij表示基因i对基因j的影响，表示所有增强u_i影响的作用，表示所有减少u_i影响的作用，α_i和β_i是速率常数，其中α_i＞0，β_i＞0。

7.根据权利要求1所述的联合Memetic算法和S系统的生物模体重构方法，其特征是所述适应度函数：为了实现基因模体的重构，通常将时间窗t = (1,2,…,t_f)上的真实生物模体的调控输出与估计S系统预测输出的差的标准差作为适应度函数，即

(2)

其中，u_i(t)、分别表示基因i在t时刻真实与预测的基因表达水平，当E = 0时，说明真实与预测的生物模体结构一致。