一种基于蚁群算法优化SNP互作选择精度的方法和系统技术方案

本发明专利技术提出了一种基于蚁群算法优化SNP互作选择精度的方法和系统，该方法包括：在搜索空间中使每只人工蚂蚁选择一个SNP互作，将所有人工蚂蚁划分为若干种群，并为每个种群分配一个适应度函数，通过适应度函数评价SNP互作与疾病表型之间的关联；采用任一信息素更新策略更新信息素矩阵；在蚁群算法每次迭代过程中，以蚂蚁的最大化累积报酬为目标设置自学习机制，通过所述自学习机制改变信息素更新策略。基于该方法，还提出了一种基于蚁群算法优化SNP互作选择精度的系统。本发明专利技术以准确选择与疾病表型有关SNP互作，设计了几种不同的路径选择策略，基于强化学习，在算法的搜索过程中自适应选择能给算法带来最大选择能力的路径选择策略。径选择策略。径选择策略。

【技术实现步骤摘要】
一种基于蚁群算法优化SNP互作选择精度的方法和系统


[0001]本专利技术属于SNP互作选择优化
，特别涉及一种基于蚁群算法优化SNP互作选择精度的方法和系统。

技术介绍

[0002]随着计算机技术的快速发展，产生了海量高维的数据，这为大数据技术在各领域的发展带来了宝贵机遇，同时也带来了严峻的挑战。数据本身不产生价值，如何从大规模高维数据中快速且准确地捕获有用信息才是关键。相比于传统数据，高维数据包含的信息更多，特征之间的交互性也更加复杂。在许多实际应用领域中存在海量高维数据集，但只有少量含有标记数据。例如，在生物信息学领域，人类基因组测序工作完成后，共得到两万五千多个基因和三百多万个单核苷酸多态性，如此复杂的基因和SNP序列若采用传统的数据处理技术，将很难快速且准确地捕获有用信息。
[0003]SNP：(single nucleotide polymorphism)，单核苷酸多态性，主要是指在基因组水平上由单个核苷酸的变异所引起的DNA序列多态性。SNP互作选择是一个具有挑战性的问题，该问题面临的搜索空间更大且SNP之间存在复杂的交互作用。随着SNP数量的增加，SNP互作选择算法搜索空间呈指数级增长，而SNP互作对分类性能有显著影响，几个弱相关的SNP被一起选择时可能会与疾病表型显著相关。
[0004]蚁群算法因其较强的全局搜索能力和快速求解优化问题的优势而被广泛应用于SNP互作选择问题。然而，面对SNP互作选择问题，蚁群优化算法的压力表现在问题维度高、SNP关系复杂，导致其选择能力不足。现有技术中公开的蚁群算法使用两种路径选择策略：第一种是标准ACO算法中的路径选择策略，称为正反馈策略；另一种是改进的路径选择策略，称为负反馈策略。这两种路径选择策略根据信息熵进行调整，使算法能有效探索搜索空间，提高SNP互作选择的精度。但是在选择SNP互作时容易陷入局部状态，这是因为现有基于蚁群优化的SNP互作选择方案在设计信息素更新策略时没有考虑保持解的多样性。因为未考虑保持解的多样性，使算法有较大概率在局部最优解的领域内搜索SNP。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提出了一种基于蚁群算法优化SNP互作选择精度的方法和系统，基于强化学习的思想，在算法的搜索过程中自适应选择能给算法带来最大选择能力的路径选择策略。
[0006]为实现上述目的，本专利技术采用以下技术方案：
[0007]一种基于蚁群算法优化SNP互作选择精度的方法，包括以下步骤：
[0008]在搜索空间中使每只人工蚂蚁选择一个SNP互作，将所有人工蚂蚁划分为若干种群，并为每个种群分配一个适应度函数，通过适应度函数评价SNP互作与疾病表型之间的关联；
[0009]在所述人工蚂蚁选择一个SNP互作之后，采用任一信息素更新策略更新信息素矩
阵；
[0010]在蚁群算法每次迭代过程中，以蚂蚁的最大化累积报酬为目标设置自学习机制，通过所述自学习机制改变信息素更新策略。
[0011]进一步的，所述适应度函数包括互信息、似然比和JS散度。
[0012]进一步的，所述为每个种群分配一个适应度函数，通过适应度函数评价SNP互作与疾病表型之间的关联的过程包括：
[0013]每个种群使用分配到的适应度函数计算被选出的SNP互作与疾病表型之间的关联，并记录使用每种适应度函数评价所需的总时间；
[0014]根据所述使用每种适应度函数评价所需的总时间调整每个种群中的蚂蚁数量。
[0015]进一步的，所述根据所述使用每种适应度函数评价所需的总时间调整每个种群中的蚂蚁数量的过程为：适应度函数运行得速度与分配给相应种群的蚂蚁数量成正比。
[0016]进一步的，所述信息素更新策略包括第一更新策略、第二更新策略和第三更新策略；
[0017]所述第一更新策略为群内解引导信息素更新策略；
[0018]所述第二更新策略为群体内非支配解引导信息素更新策略；
[0019]所述第三更新策略为种群信息交换策略。
[0020]进一步的，所述以蚂蚁的最大化累积报酬为目标具体为：通过计算相应蚂蚁的贡献来评估每个种群的回报。
[0021]进一步的，所述以蚂蚁的最大化累积报酬为目标设置自学习机制的过程包括：
[0022]如果种群当前迭代得到的最优SNP互作比当前全局最优SNP互作差，将该种群的奖励设置为
‑
1；
[0023]如果种群当前迭代得到的最优SNP互作等于当前全局最优SNP互作，将该种群的奖励设置为0；
[0024]如果种群当前迭代得到的最优SNP互作优于当前全局最优SNP互作，并且当种群当前迭代得到的最优SNP互作为非支配SNP互作时，奖励设置为2；否则如果种群当前迭代得到的最优SNP互作优于当前全局最优SNP互作，但是当种群当前迭代得到的最优SNP互作不作为非支配SNP互作时，奖励设置为1。
[0025]进一步的，所述最优SNP得到的方法为：通过信息素矩阵的迭代更新形成正反馈来获得最优SNP互作，信息素更新策略旨在引导蚂蚁搜索SNP互作的方向。
[0026]进一步的，所述通过所述自学习机制改变信息素更新策略的过程包括：
[0027]在蚁群算法的迭代过程中，自学习机制不断更新每个种群的累积奖励值，每个种群通过转移概率构造轮盘赌改变相应信息素更新策略。
[0028]本专利技术还提出了一种基于蚁群算法优化SNP互作选择精度的系统，所述系统包括：初始化模块、更新模块和改变模块；
[0029]所述初始化模块用于在搜索空间中使每只人工蚂蚁选择一个SNP互作，将所有人工蚂蚁划分为若干种群，并为每个种群分配一个适应度函数，通过适应度函数评价SNP互作与疾病表型之间的关联；
[0030]所述更新模块用于在所述人工蚂蚁选择一个SNP互作之后，采用任一信息素更新策略更新信息素矩阵；
[0031]所述改变模块用于在蚁群算法每次迭代过程中，以蚂蚁的最大化累积报酬为目标设置自学习机制，通过所述自学习机制改变信息素更新策略。
[0032]
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
[0033]本专利技术提出了一种基于蚁群算法优化SNP互作选择精度的方法和系统，该方法包括以下步骤：在搜索空间中使每只人工蚂蚁选择一个SNP互作，将所有人工蚂蚁划分为若干种群，并为每个种群分配一个适应度函数，通过适应度函数评价SNP互作与疾病表型之间的关联；在人工蚂蚁选择一个SNP互作之后，采用任一信息素更新策略更新信息素矩阵；在蚁群算法每次迭代过程中，以蚂蚁的最大化累积报酬为目标设置自学习机制，通过所述自学习机制改变信息素更新策略。基于一种基于蚁群算法优化SNP互作选择精度的方法，还提出了一种基于蚁群算法优化SNP互作选择精度的系统。本专利技术以准确选择与疾病表型有关SNP互作，设计了几种不同的路径选择策略，并基于强化学习的思想，在算法的搜本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蚁群算法优化SNP互作选择精度的方法，其特征在于，包括以下步骤：在搜索空间中使每只人工蚂蚁选择一个SNP互作，将所有人工蚂蚁划分为若干种群，并为每个种群分配一个适应度函数，通过适应度函数评价SNP互作与疾病表型之间的关联；在所述人工蚂蚁选择一个SNP互作之后，采用任一信息素更新策略更新信息素矩阵；在蚁群算法每次迭代过程中，以蚂蚁的最大化累积报酬为目标设置自学习机制，通过所述自学习机制改变信息素更新策略。2.根据权利要求1所述的一种基于蚁群算法优化SNP互作选择精度的方法，其特征在于，所述适应度函数包括互信息、似然比和JS散度。3.根据权利要求1所述的一种基于蚁群算法优化SNP互作选择精度的方法，其特征在于，所述为每个种群分配一个适应度函数，通过适应度函数评价SNP互作与疾病表型之间的关联的过程包括：每个种群使用分配到的适应度函数计算被选出的SNP互作与疾病表型之间的关联，并记录使用每种适应度函数评价所需的总时间；根据所述使用每种适应度函数评价所需的总时间调整每个种群中的蚂蚁数量。4.根据权利要求3所述的一种基于蚁群算法优化SNP互作选择精度的方法，其特征在于，所述根据所述使用每种适应度函数评价所需的总时间调整每个种群中的蚂蚁数量的过程为：适应度函数运行得速度与分配给相应种群的蚂蚁数量成正比。5.根据权利要求1所述的一种基于蚁群算法优化SNP互作选择精度的方法，其特征在于，所述信息素更新策略包括第一更新策略、第二更新策略和第三更新策略；所述第一更新策略为群内解引导信息素更新策略；所述第二更新策略为群体内非支配解引导信息素更新策略；所述第三更新策略为种群信息交换策略。6.根据权利要求1所述的一种基于蚁群算法优化SNP互作选择精度的方法，其特征在于，所述以蚂蚁的最大化累积报酬为目标具体为：通过计算相应蚂蚁的贡献来评估每个种群的回报。7.根据权利要求6所述的一种基...

【专利技术属性】
技术研发人员：关博馨，赵临千，尚军亮，任倩倩，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：