基于遗传算法的序列比对的ACO实现
ACO Implementation for Sequence Alignment with Genetic Algorithms
摘要：
在本文中，我们实现了蚁群优化（ACO）序列比对。蚁群算法是最近发展起来的一种元启发式算法，用于在大的、NP难的搜索空间中进行最近邻近似。在这里，我们使用一个遗传算法的方法来发展的最佳参数的ACO设计比对两个序列。然后，我们使用找到的最佳参数，在一定范围内为给定的字符串长度插入近似的最佳参数。我们比较的基础是由Needleman-Wunsch算法给出的比对。我们发现，ACO确实可以应用于序列比对。虽然与其他等效算法相比，它在计算上是昂贵的，但它是一种很有前途的算法，可以很容易地应用于各种其他生物问题。
英文摘要：
In this paper, we implement Ant Colony Optimization (ACO) for sequence alignment. ACO is a meta-heuristic recently developed for nearest neighbor approximations in large, NP-hard search spaces. Here we use a genetic algorithm approach to evolve the best parameters for an ACO designed to align two sequences. We then used the best parameters found to interpolate approximate optimal parameters for a given string length within a range. The basis of our comparison is the alignment given by the Needleman-Wunsch algorithm. We found that ACO can indeed be applied to sequence alignment. While it is computationally expensive compared to other equivalent algorithms, it is a promising algorithm that can be readily applied to a variety of other biological problems.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
