17、基于人工蜂群与粒子群优化的多序列比对新算法

基于人工蜂群与粒子群优化的多序列比对新算法

1 引言

多序列比对（MSA）是生物信息学中的热点问题，广泛应用于序列组装、注释以及基因和蛋白质结构预测等领域。它是一个NP完全的组合优化问题，旨在发现不同序列（如核苷酸或氨基酸）之间的生物学关系，以研究其潜在特征或功能。

目前解决MSA问题的算法大致可分为四类：
- 精确比对算法：完全基于动态规划。
- 进化比对算法：利用进化算法解决MSA，如CLUSTALW软件包。
- 基于图模型的比对算法：如部分顺序比对。
- 迭代比对算法：基于能产生比对结果的算法，通过一系列迭代不断改进多序列比对，直至结果不再改善。

近年来，启发式搜索、随机优化和进化算法越来越多地用于解决MSA问题。同时，也有许多混合算法被提出，将遗传算法和进化算法相结合。然而，现有混合方法仍面临一个挑战，即如何通过整合不同的进化和启发式搜索算法来提高MSA的准确性。

为应对这一挑战，本文提出了一种新的人工蜂群与粒子群优化的混合算法（HABC - PSO）。人工蜂群（ABC）算法具有强大的全局搜索能力，但局部搜索能力较差；粒子群优化（PSO）算法则相反，具有强大的局部搜索能力，但全局搜索能力较弱。HABC - PSO算法整合了这两种算法的优势，并结合了Tent混沌搜索、基于对立学习和重组算子技术。

HABC - PSO算法考虑了两个目标函数，即带仿射间隙惩罚的加权成对和函数（WSP）和完全保守列的数量得分（TC），以保持比对的质量和一致性。为评估其准确性，使用了BAliBASE基准（版本3.0）系统，并与生物信息学领域的5种知名MSA方法以及8种进化MSA算法进行了比较。

2