[发明专利]基于K-means聚类的多元宇宙算法的DNA存储编码优化方法

摘要

本发明公开了基于K‑means聚类的多元宇宙算法的DNA存储编码优化方法，其具体为：构造满足组合约束条件的最优DNA编码序列，首先要构造出一定个数的DNA序列作为初始种群，对种群的适应度进行评价排序。其次，利用已经得出的DNA编码序列，用k均值聚类算法和虫洞交叉进行优化，得到适应度较高的DNA编码序列。然后，通过约束比对根据约束判断是否加入备选解集合。最后，输出最优DNA编码序列。该方法可以搜索出数量较优的DNA编码序列。

主权项

1.基于K-means聚类的多元宇宙算法的DNA存储编码优化方法，其特征在于，包括如下具体步骤：/n步骤1：生成初始宇宙种群，初始化约束参数:虫洞存在概率WEP，旅行距离率WEP，最大迭代次数MAXIter；/n步骤2：计算每个宇宙适应度，更新参数Best_universe，用多元宇宙算法对初始宇宙种群进行排序，选出最优适应度宇宙和最劣适应度宇宙，把当前适应度最优的作为初始宇宙集合；/n步骤3：产生随机数r₁依次通过轮盘赌选出宇宙产生白洞，与其他宇宙交换物质；/n步骤4：对于每个宇宙，产生一个随机数r₂，判断r₂和虫洞存在概率WEP的大小，如果r₂小于洞存在概率WEP,则执行步骤5，反之则执行步骤8；/n步骤5：产生两个随机数r₃、r₄，并根据随机数r₄和旅行距离率TDR对宇宙物质进行更新，如果r₃<0.5执行更新公式2，反之执行更新公式3；/n步骤6：把更新结果作为k均值聚类的输入，分别用最佳适应度和最劣适应度宇宙为中心进行聚类；/n步骤7：从最佳适应度类中取出了与最劣适应度类相同的宇宙数，进行虫洞交叉；/n步骤8：计算其他宇宙和初始宇宙是否满足约束条件，若满足即加入初始宇宙集合；/n步骤9：判断是否达到最大迭代次数，若是进行步骤10，否则返回步骤2；/n步骤10：对结果进行统计，输出序列最大个数。/n