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！

龙图腾网获悉郑州大学申请的专利识别个体病人网络生物标志物的多目标多任务优化方法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：CN120030870B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202411869938.7，技术领域涉及：G06F30/27；该发明授权识别个体病人网络生物标志物的多目标多任务优化方法是由乔康加;梁静;郭伟峰;于坤杰;岳彩通;班旋旋;贾广震设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本识别个体病人网络生物标志物的多目标多任务优化方法在说明书摘要公布了：本发明公开了一种识别个体病人网络生物标志物的多目标多任务优化方法，同时从个体病人的基因网络中识别药物靶点标志物和疾病信号标志物，根据动态网络标志物理论和多目标网络控制理论形成一个多目标多任务优化模型；然后采用多目标多任务进化算法识别网络生物标志物。本发明利用动态网络标志物理论和多目标网络控制理论形分别构建无约束疾病信号检测模型和有约束的药物靶点识别模型，并进一步构建为多目标多任务优化问题，然后利用发明的多目标多任务优化方法识别两类标志物，其可以探索并利用两个模型之间的有用知识，同时提高两类标志物的识别精度。

本发明授权识别个体病人网络生物标志物的多目标多任务优化方法在权利要求书中公布了：1.识别个体病人网络生物标志物的多目标多任务优化方法，其特征在于，包括以下步骤： S1，将疾病信号检测任务和药物靶点识别任务构建为多目标多任务优化问题，公式为： {x1,x2,…,xk}＝argminF1x1,F2x2,…,Fkxk s.t.G1x1,G2x2,…,Gkxk xk＝{xk,1,xk,2,…,xk,NP},k∈{1,2,…,K} 式中：k为优化任务的数量；Fk为第k个优化任务的目标函数，Gk为第k个优化任务的约束条件，xk表示第k个优化任务的决策变量，其包含NP个个体； 所述疾病信号检测任务T1的公式为： 式中：f1x代表最小化节点数量；f2x代表最大化先验节点数量的最小化形式；V代表PGIN中节点数量；Vp代表PGIN中先验节点数量；x1,i是一个01变量，如果第i个节点被选中，则xi等于1，否则等于0；li是一个指示变量，如果第i个节点是先验节点，则li等于1，否则等于0； 药物靶点识别任务T2的公式为： 式中：在最小支配集模型MDS中，代表第i个节点的邻居节点的索引；如果第i个节点和第j个节点通过一条边连接，则第j个节点被称为第i个节点的邻居；在无向网络算法的非线性控制模型NCUA中，|E|代表PGIN中边的数量，ej代表E中的第j条边；当被选中的节点与ej相连时，ej等于1，否则等于0； S2，随机初始化NP-2个个体作为P11； S3，生成两个单目标最优解，作为P12； S4，合并P11和P12，作为T1的初始种群P1，并在T1上评价P1； S5，随机产生种群大小为NP的三个种群，分别作为T2的三个初始种群P2、P21和P22，并在T2上评价三个种群；其中P2用于优化两个目标和约束，P21用于优化第一个目标和约束，P22用于优化第二个目标和约束； S6，设置代数计数器Cnt等于1； S7，P1使用二进制遗传算法产生NP2个后代个体，记作OP1，并在T1上评价OP1； S8，P2产生后代，记作OP2； S9，P21和P22使用二进制遗传算法分别产生NP4个后代个体，分别记作OP21和OP22； S10，P1使用无约束非支配选择策略从集合{P1，OP1}中选择NP个个体作为新的P1； S11，在T2上评价OP2，OP21和OP22； S12，P2使用epsilon方法从集合{P2，OP2，OP21，OP22}中选择NP个个体作为新的P2； S13，P21使用epsilon方法从集合{P21，OP2，OP21，OP22}中选择NP个个体作为新的P21，其中所有个体的f2值设置为0； S14，P22使用epsilon方法从集合{P22，OP2，OP21，OP22}中选择NP个个体作为新的P22，其中所有个体的f1值设置为0； S15，Cnt＝Cnt+1； S16，如果达到最大评价次数，则算法停止，输出P1和P2；否则，跳转至S7。

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郑州大学，其通讯地址为：450001 河南省郑州市高新区科学大道100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。