买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东师范大学申请的专利基于参数自适应成长优化器的生物多序列比对方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117059169B 。

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311007046.1，技术领域涉及：G16B30/10；该发明授权基于参数自适应成长优化器的生物多序列比对方法及系统是由张庆科;高昊设计研发完成，并于2023-08-10向国家知识产权局提交的专利申请。

本基于参数自适应成长优化器的生物多序列比对方法及系统在说明书摘要公布了：本公开提供了基于参数自适应成长优化器的生物多序列比对方法及系统，涉及生物多序列比对技术领域，包括初始化隐马尔可夫模型，获取待比对的基因序列文件，确定基因序列长度；根据基因序列长度设定隐马尔可夫模型的参数，然后基于所述隐马尔可夫模型获得比对结果；其中，所述隐马尔可夫模型中，利用四重参数自适应成长优化器算法自适应更新个体，引入詹森香农散度平衡因子来平衡对抗特征中相互对抗的参数的自适应优化过程，使得种群高度自适应进化，然后对个体进行边界约束，将某一维度上的越界分量重新在有效范围内初始化。本公开能够充分利用当前的已知信息，自适应地调整其参数的设置。

本发明授权基于参数自适应成长优化器的生物多序列比对方法及系统在权利要求书中公布了：1.基于参数自适应成长优化器的生物多序列比对方法，其特征在于，包括： 初始化隐马尔可夫模型，获取待比对的基因序列文件，确定基因序列长度； 根据基因序列长度设定隐马尔可夫模型的参数，然后基于所述隐马尔可夫模型获得比对结果； 其中，所述隐马尔可夫模型中，利用四重参数自适应成长优化器算法自适应更新个体，引入詹森香农散度平衡因子来平衡对抗特征中相互对抗的参数的自适应优化过程，使得种群高度自适应进化，然后对个体进行边界约束，将某一维度上的越界分量重新在有效范围内初始化； 学习阶段依赖于自适应学习算子，算子首先需要计算五种不同的进化信息，通过以下数学模型来描述运算过程：包括： 其中,Gapk为不同的进化信息，k=1,2,3,4,5，它们共同决定算法的收敛方向，根据种群划分和适应度排序，Xbest的排名为1，Xbetter的排名范围为[2,P1]，Xnormal的排名为[P1+1,N-P1],Xworse的排名为[N-P1+1,N]，其中超参数P1为一个随机整数，它满足均匀分布的范围为[0.05×N,0.2×N]，XL1、XL2、XL3、XL4分别为各自互不相同的随机个体； 根据向量的一维映射法来对算子的参数LF进行自适应: 其中DGapk为Gapk内两个向量的内积，它是一个一维映射值， 进一步，根据适应度差异方法来对算子的另一关键参数SF进行自适应： 其中FGapk是Gapk内两个向量的适应度差异值； 引入詹森香农散度这个平衡因子来对LF和SF进行平衡： 其中dJS为LF和SF之间的距离，DJS为詹森香农散度，KL为库尔贝克-莱布勒散度； 由此，学习阶段的核心搜索算子为： 自适应进化更新后，设定个体选择机制对个体进行选择以及在反思阶段协同更新个体，获取最优解，得到得分最高的对齐基因序列，包括： QAGO使用以下选择机制来保存个体： 更新成功的个体将被保存到下一代种群中，而更新失败的个体仍然有P2的概率强制被保存到下一代种群； 反思阶段协同更新个体 其中ublb分别为问题空间的上下界，i为个体编号，j为个体的维度编号，AF为从0.01线性递减到0的值，R为前P个最好的个体之一，而RM为不同于iR的随机个体，P为满足均值为0.3×rand,标准差为0.01的高斯分布。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东师范大学，其通讯地址为：250014 山东省济南市历下区文化东路88号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。