A Self-Adaptive Differential Evolution Algorithm for Parameters Identification of Stochastic Genetic Regulatory Networks with Random Delays
A Self-Adaptive Differential Evolution Algorithm for Parameters Identification of Stochastic Genetic Regulatory Networks with Random Delays
复制标题
随机时滞随机遗传调控网络参数识别的自适应差分进化算法
DOI：
10.1007/s13369-013-0803-y
复制
发表时间：
2013-09
影响因子：
2.9
通讯作者：
Zhang, Wenbing
中科院分区：
文献类型：
--
作者：
Zhao, Shuguang;Zhu, Wu;Liu, Yuying;Zhang, Wenbing
近年来，从已有的数据中识别生物系统，特别是识别遗传调控网络的参数，受到了越来越多的关注。本文提出了一种改进的差分进化（DE）算法--群体自适应差分进化（PADE）算法来求解全局优化问题，并应用于一类具有随机延迟和随机扰动的广义随机网络的未知参数辨识。在PADE算法中，为了增强全局搜索能力和提高解的收敛性，分别根据扰动法和排序技术设计了种群的增减过程。的PADE的性能进行了比较，与几个著名的DE变种。仿真结果表明，PADE算法具有上级或相当的性能，可以有效地用于辨识具有随机时延的随机广义网络的未知参数。
The study of identifying the biological systems from the available data, especially the parameters identification of genetic regulatory networks (GRNs), has received increasing interests in the recent years. In this paper, an improved differential evolution (DE) algorithm, population adaptive differential evolution (PADE), is proposed to solve global optimization problems with applications in identifying unknown parameters of a class of GRNs with random delays and stochastic perturbations. In the PADE, in order to enhance the global search ability and improve the convergent solutions, the process of adding and declining the number of population is designed according to the perturbation method and ranking technique, respectively. The PADE’s performance is compared with several well-known DE variants. The simulation results show that PADE is superior or comparable to the other algorithms and can be efficiently used to identify the unknown parameters of stochastic GRNs with random delays.
登录
查看更多内容
具有线性分数不确定性的遗传调控网络的鲁棒稳定性
DOI：
10.1016/j.cnsns.2011.09.026
发表时间：
2012-04
影响因子：
3.9
作者：
通讯作者：
--
影响因子：
6
作者：
X. Lou;Q. Ye;B. Cui
通讯作者：
X. Lou;Q. Ye;B. Cui
具有 SUM 调节逻辑的遗传网络的稳定性：Lur'e 系统和 LMI 方法
DOI：
10.1109/tcsi.2006.883882
发表时间：
2006-11-01
影响因子：
5.1
作者：
Li, Chunguang;Chen, Luonan;Aihara, Kazuyuki
通讯作者：
Aihara, Kazuyuki
影响因子：
2.9
作者：
Yang Tang;Zidong Wang;W. K. Wong;J. Kurths;Jian-an Fang
通讯作者：
Yang Tang;Zidong Wang;W. K. Wong;J. Kurths;Jian-an Fang
具有复合试验向量生成策略和控制参数的差分进化
影响因子：
14.3
作者：
Wang, Yong;Cai, Zixing;Zhang, Qingfu
通讯作者：
Zhang, Qingfu