马 卫 朱 娴

（1.南京旅游职业学院酒店管理学院 南京 211100）

（2.南京大学计算机科学与技术系计算机软件新技术国家重点实验室 南京 210093）

（3.南京理工大学紫金学院计算机学院 南京 210046）

1 引言

DNA微阵列技术可以同时测量成千上万个基因的表达水平，通过不同实验条件下的重复实验产生数百个实验资料。这种技术通常会产生大量的原始数据，通过分析提取有用的信息，对医学临床诊断、揭示疾病发生机制等方面起着重要作用。

为了挖掘基因表达数据中基因和实验条件相互表达的局部信息，Cheng和Church［1］提出了双聚类CC算法，运用贪心策略同时在基因和实验条件两个维度上搜索双聚类。随后，可重叠、随机搜索和多目标进化等双聚类算法不断提出。

Yang等［2］提出了概率算法（FLOC），在CC算法的基础上进行了改进，解决了每次迭代只能发现单个双聚类的问题，能够发现可重叠的双聚类。群体智能算法是近三十年非常普遍的数据挖掘方法，模拟退火算法、遗传算法、粒子群算法、蚁群算法等均被应用于双聚类。Chakraborty［3］初始化双聚类种子采用模拟退火法随机搜索双聚类，使得产生双聚类结果达到全局最优。Wolf等［4］采用模拟退火法在全局搜索的基础上进行了改进。多目标进化双聚类算法是目前双聚类优化采用最多的算法。Mitra等［5］采用经典非支配排序遗传算法优化双聚类，提出了具有多目标进化双聚类框架。刘万军［6］提出了微阵列多目标优化双聚类，分别用多目标粒子群、多目标蚁群、多目标人工免疫等多目标群体算法优化双聚类。……