多目的動的集団は、マイクロアレイデータのカエルを測定するバイクラスタリングをシャッフルしました

背景：多目的最適化（MOO）には、複数の目的を持つ最適化の問題が含まれます。一般に、テオスの目的は、ソリューションの非常に異なる側面を推定するために使用され、これらの側面はしばしば互いに対立しています。MOOは最初にパレートセットを取得し、次にセット全体で共通性と体系的なバリエーションの両方を探します。大規模なデータセットの場合、EAなどのヒューリスティック検索アルゴリズムとMOO技術が理想的です。新しくDNAマイクロアレイ技術は、異なる実験条件に対する完全なゲノムの転写反応を研究し、多くの大規模なデータセットを生成する可能性があります。バイクラスタリング手法は、データセットの行と列を同時にクラスター化し、HLEPをクラスター化して、これらのデータセットからより正確な情報を抽出できます。バイクラスターは、いくつかの矛盾する目的を最適化する必要があり、MOOメソッドで解決できます。ヒューリスティックベースの最適化アプローチとして、粒子群最適化（PSO）は、鳥の群れの動きをシミュレートします。シャッフルされたカエル溶解アルゴリズム（SFL）は、PSOの局所検索の利点と複雑な進化技術の情報のグローバルなシャッフルを組み合わせた、人口ベースの協同組合検索メタファーです。SFLは、大規模なデータセットの最適化問題を解決するために使用されます。 結果：このホワイトペーパーでは、動的な集団戦略とシャグログレイピングアルゴリズムをマイクロアレイデータのバイクラスタリングに統合し、新規多目的動的集団をシャッフルしたカエル溶接バイクラスター（MODPSFLB）アルゴリズムを提案して、マイニングマイニングバイクレステルデータから提案します。実験結果は、提案されたModPSFLBアルゴリズムが、関連する生物学的プロセス、成分、および分子機能の観点から重要な生物学的構造を効果的に見つけることができることを示しています。 結論：提案されているMODPSFLBアルゴリズムは、パレートソリューションの多様性と高速収束を持ち、ゲノム研究における強力な系統的機能分析になります。

BACKGROUND: Multi-objective optimization (MOO) involves optimization problems with multiple objectives. Generally, theose objectives is used to estimate very different aspects of the solutions, and these aspects are often in conflict with each other. MOO first gets a Pareto set, and then looks for both commonality and systematic variations across the set. For the large-scale data sets, heuristic search algorithms such as EA combined with MOO techniques are ideal. Newly DNA microarray technology may study the transcriptional response of a complete genome to different experimental conditions and yield a lot of large-scale datasets. Biclustering technique can simultaneously cluster rows and columns of a dataset, and hlep to extract more accurate information from those datasets. Biclustering need optimize several conflicting objectives, and can be solved with MOO methods. As a heuristics-based optimization approach, the particle swarm optimization (PSO) simulate the movements of a bird flock finding food. The shuffled frog-leaping algorithm (SFL) is a population-based cooperative search metaphor combining the benefits of the local search of PSO and the global shuffled of information of the complex evolution technique. SFL is used to solve the optimization problems of the large-scale datasets. RESULTS: This paper integrates dynamic population strategy and shuffled frog-leaping algorithm into biclustering of microarray data, and proposes a novel multi-objective dynamic population shuffled frog-leaping biclustering (MODPSFLB) algorithm to mine maximum bicluesters from microarray data. Experimental results show that the proposed MODPSFLB algorithm can effectively find significant biological structures in terms of related biological processes, components and molecular functions. CONCLUSIONS: The proposed MODPSFLB algorithm has good diversity and fast convergence of Pareto solutions and will become a powerful systematic functional analysis in genome research.