Using MOEA with Redistribution and Consensus Branches to Infer Phylogenies.
Using MOEA with Redistribution and Consensus Branches to Infer Phylogenies.
复制标题
使用 MOEA 与重新分布和共识分支来推断系统发育
DOI：
10.3390/ijms19010062
复制
发表时间：
2017-12-26
影响因子：
5.6
通讯作者：
Xia N
中科院分区：
文献类型：
--
作者：
Min X;Zhang M;Yuan S;Ge S;Liu X;Zeng X;Xia N
近年来，对于NP难问题--遗传算法的推理，越来越多的研究集中在元分析上。最大简约法和最大似然法是进行推理的两种有效方法。基于这些方法，也可以被认为是最佳的标准，多目标元分析已被用来重建的遗传。然而，将这两种耗时的方法结合起来会导致这些多目标元启发式算法比单个目标慢。因此，我们提出了一种新的，多目标优化算法，MOEA-RC，加快重建的过程中使用的精英在当前种群的结构信息的遗传。我们比较MOEA-RC与两个代表性的多目标算法，MOEA/D和NAGA-II，和一个非共识版本的MOEA-RC在三个真实世界的数据集。结果是，在给定的迭代次数内，MOEA-RC比其他算法获得更好的解决方案。
In recent years, to infer phylogenies, which are NP-hard problems, more and more research has focused on using metaheuristics. Maximum Parsimony and Maximum Likelihood are two effective ways to conduct inference. Based on these methods, which can also be considered as the optimal criteria for phylogenies, various kinds of multi-objective metaheuristics have been used to reconstruct phylogenies. However, combining these two time-consuming methods results in those multi-objective metaheuristics being slower than a single objective. Therefore, we propose a novel, multi-objective optimization algorithm, MOEA-RC, to accelerate the processes of rebuilding phylogenies using structural information of elites in current populations. We compare MOEA-RC with two representative multi-objective algorithms, MOEA/D and NAGA-II, and a non-consensus version of MOEA-RC on three real-world datasets. The result is, within a given number of iterations, MOEA-RC achieves better solutions than the other algorithms.
登录
查看更多内容
影响因子：
3.6
作者：
Macey, JR
通讯作者：
Macey, JR
影响因子：
2
作者：
Santander-Jimenez, Sergio;Vega-Rodriguez, Miguel A.
通讯作者：
Vega-Rodriguez, Miguel A.
影响因子：
10.7
作者：
SAITOU, N;NEI, M
通讯作者：
NEI, M
影响因子：
14.3
作者：
Deb, K;Pratap, A;Meyarivan, T
通讯作者：
Meyarivan, T
影响因子：
2.5
作者：
Jansson, Jesper;Shen, Chuanqi;Sung, Wing-Kin
通讯作者：
Sung, Wing-Kin