[发明专利]基于双策略黑蜘蛛算法的DNA存储编码优化方法

权利要求书

1.基于双策略黑蜘蛛算法的DNA存储编码优化方法，其特征在于，包括如下具体步骤：

步骤1：初始化DNA编码序列集Pop以及更新DNA编码序列所需的参数；

步骤2：以汉明距离作为适应度函数对初始化后的所述DNA编码序列集Pop进行适应度排序，得到当前最优解；

步骤3：获取权重选择策略中的参数S；

步骤4：在DNA编码序列集Pop更新中判断是否使用随机交换策略；

步骤5：获取权重选择策略中的参数Wa、Wb，通过所述参数Wa、Wb更新DNA编码序列集Pop；

步骤6：以汉明距离作为适应度函数，获取更新后DNA编码序列集Pop中序列的适应度，然后根据适应度进行排序，保留满足汉明距离约束的序列，并将其放在DNA编码序列集Pop2中；

步骤7：根据当前DNA编码序列集Pop中的序列数量和变异率得到应该进行变异的部分数据集，在所述部分数据集中随机交换任意两个维度上的值，将变异后的结果存放在DNA编码序列集Pop3中；

步骤8：通过适应度函数筛选出DNA编码序列集Pop2和DNA编码序列集Pop3中不满足组合约束的序列，并将其剔除出去；

步骤9：将DNA编码序列集Pop2和DNA编码序列集Pop3存放在DNA编码序列集Pop中；

步骤10：判断当前DNA编码序列集Pop更新次数是否达到最大迭代次数，如果是则输出DNA编码序列集Pop，否则转到步骤2。

2.根据权利要求1所述基于双策略黑蜘蛛算法的DNA存储编码优化方法，其特征在于，更新DNA编码序列所需的参数包括：序列规模nPop、序列维数nvar、变异率pMutation、同类相残率pCannibalism和最大迭代次数MIter。

3.根据权利要求1所述基于双策略黑蜘蛛算法的DNA存储编码优化方法，其特征在于，所述组合约束由汉明距离约束、GC含量、非连续性约束和末端约束组成，其中末端约束方式如下所示：

其中，和分别表示序列S中最后5个中碱基鸟嘌呤G和胞嘧啶C的数量。

4.根据权利要求1所述基于双策略黑蜘蛛算法的DNA存储编码优化方法，其特征在于，在DNA编码序列集Pop更新中判断是否使用随机交换策略，具体为：

α＝tan(π×(rand-0.5)) (2)

β＝1-CIter/MIter (3)

其中，rand是取值为(0,1)的随机数，CIter为当前迭代次数；MIter为最大迭代次数；若参数α小于参数β，则使用随机交换策略，即当前最优解的某个维度替换DNA编码序列集Pop中的某个维度；反之，则不使用随机交换策略，维持DNA编码序列集Pop中的当前解和最优解值。

5.根据权利要求1所述基于双策略黑蜘蛛算法的DNA存储编码优化方法，其特征在于，获取权重选择策略中的参数Wa、Wb的方式为：

W_a＝(1-CIter/MIter)^{1-(rand-0.5)×S/MIter} (4)

W_b＝(2-2×CIter/MIter)^{1-(rand-0.5)×S/MIter} (5)

其中，参数S由步骤3产生，初始化为0；如果当前解的适应度小于当前最优解，则参数S除以2；如果当前解的适应度大于当前最优解，则S加1。

6.根据权利要求5所述基于双策略黑蜘蛛算法的DNA存储编码优化方法，其特征在于，通过所述参数Wa、Wb更新DNA编码序列集Pop方式如下：

CIter/MIter＜0.5 (6)

其中，参数Wa、Wb分别由公式(4)、(5)产生，x₁、x₂为更新前DNA序列集Pop中的序列；y₁，y₂为更新后DNA序列集Pop中的序列。