杨 柳，刘铁英，李雪莲

（1.吉林工商学院 信息工程分院，长春 130062；2.长春职业技术学院 信息分院，长春 130033；3.吉林省财政厅 吉林省财税信息中心，长春 130021）

混合群智能算法在模体识别中的应用

杨 柳1，刘铁英2，李雪莲3

（1.吉林工商学院 信息工程分院，长春 130062；2.长春职业技术学院 信息分院，长春 130033；3.吉林省财政厅 吉林省财税信息中心，长春 130021）

为了避免传统吉布斯算法的诸多缺陷，提高算法的求解能力，对蚁群算法（ACO：Ant Colony Optimization）进行了改进：引入粒子群算法（PSO：Particle Swarm Optimization）动态调节ACO函数中的参数获得最优解。在奔腾PC机的实验平台上、Windows 2003Server操作系统下、开发工具为VB的模拟实验中，结果证明，混合的群智能算法使经典旅行商问题求解的计算时间缩短，提高了算法的收敛速度，有较好的发展前景。利用PSO处理连续优化问题的优点，将混合算法应用于生物信息学的模体识别中，可实现更加快速的基序发现处理。

吉布斯算法；粒子群算法；模体识别

0 引 言

传统的蚁群算法［1，2］在离散问题上取得了很好的研究结果，但有几个突出问题制约了算法的应用。其中重要的一点是，蚁群算法的参数繁多，设置参数时根据人工经验进行，所以对不同问题，蚁群算法的参数都需要进行改变，而且参数选择往往对算法的结果有至关重要的影响。通常，同一问题，用同样算法，由于参数设置的不同，结果大相径庭。一个完善的算法不仅要有稳定的适应性，还要有输出结果的一致性。现将具有全局优化功能的群智能算法粒子群优……