44、基于强化技术的生物启发拓扑无监督学习方法

基于强化技术的生物启发拓扑无监督学习方法

1. 引言

1.1 分子网络

网络概念广泛用于分析和预测各种复杂系统的动态。复杂系统可分析为一组相互作用的元素（节点），通过链接（边）相互连接，通常用图表示，链接有权重表征其强度。网络中存在高连接度的枢纽节点。与大多数自组织网络不同，分子网络的分布更接近泊松分布，即分子集合中的枢纽节点比大多数自组织网络（如细胞或社交网络）少，主要原因是氨基酸与其他氨基酸不同侧链同时结合能力的限制。

在基于分子的网络中，节点可代表分子的部分，连接基于这些部分间的欧几里得距离创建。分子原子可视为网络节点，因为分子细胞元素通常由氨基酸链表示。在无权重分子网络中，引入欧几里得切割距离，只有距离小于该阈值的氨基酸原子以无权重方式相互连接，这种网络通常称为氨基酸网络或蛋白质结构网络，用于区分蛋白质相互作用网络。蛋白质结构网络最初用于数据挖掘，帮助比较蛋白质拓扑结构并识别其结构相似性。

1.2 细胞自动机

20世纪40年代，约翰·冯·诺伊曼和斯坦尼斯瓦夫·乌拉姆受自然启发提出细胞自动机（CA），作为一种形式计算模型，能通过局部排列的计算处理器（CA单元）的集体行为再现复杂动态。后来斯蒂芬·沃尔夫勒姆对CA的均匀结构发展做出重要突破，他提出一维局部连接的细胞结构简化方法，这种信息处理方式比传统冯·诺伊曼架构更接近自然系统。

先前研究证明，CA在建模物理系统和解决科学问题方面非常有效，因为它能捕捉自然系统中集体行为的关键特性，这些集体行为源于简单组件的局部相互作用。与传统计算系统不同，CA的实现受并行性启发，能加速建模过程。在CA中，CA单元状态作为内存，局部规则进行处理，这些固有属性与CA单元密切相关。