基于动态膜计算框架的膜协同优化自组装DNA计算编码算法研究

In self- assembly DNA computation, how to generate large-scale, high-quality DNA encoding quickly and efficiently is a challenging subject, which has great theoretical significance and application value. In the project, we construct a membrane collaborative optimization self-assembly DNA encoding algorithm based on the dynamic membrane computing framework by integrating membrane computing model and swarm intelligence cooperative optimization search algorithms. This project will be carried out in four sections: (1) Introducing the free energy to calculate the thermodynamic stability of DNA encoding by Nearest-Neighbors thermodynamic model, and establishing multi-objective self-assembly DNA encoding optimization model based on the free energy constraints; (2) Learning and simulating the dynamic structure and function of membrane cells, using the dividing rule, transporting rule and the resolving rule of membrane computing, integrating the swarm intelligent cooperation optimization search algorithm, and proposing a membrane collaborative optimization self-assembly DNA encoding algorithm based on the dynamic membrane computing framework; (3) Building the self-assembly DNA computation model for the computational intractable problems, and simulating the application of the encoding generated from algorithm in the self-assembly DNA computation model; (4) Improving the dynamic membrane collaborative optimization algorithm, and applying to solving various NP-complete combinatorial optimization problems and the other hard optimization problems in economic social system.

在自组装DNA计算中，如何快速高效的生成大规模、高质量的DNA编码是一个极具挑战性的课题，具有重要的理论研究意义和应用价值。本项目拟通过融合动态膜计算模型和群集智能协同优化算法，研究动态膜计算框架下的膜协同优化自组装DNA计算编码算法。项目研究内容主要包括：(1) 利用Nearest-Neighbor最小自由能热力学模型，结合传统DNA计算的编码约束，构建基于自由能约束的多目标自组装DNA计算编码优化数学模型；(2) 借鉴和模拟膜细胞的动态结构及功能，利用膜计算的转运、分裂、溶解等规则，融合群集智能协同优化搜索算法，构建基于动态膜计算框架的膜协同优化自组装DNA计算编码算法；(3) 建立求解计算难问题的自组装DNA计算模型，探讨其编码在模型中的应用；(4) 拓展动态膜协同优化算法，将其应用于求解组合优化及车辆调度、协同生产等经济社会优化问题。

自组装 DNA计算作为一种新计算模式，因其具有海量存储能力、自发有序性和强大并行性等优点，近年来已被广泛研究并应用于求解各种计算复杂问题。在自组装DNA计算中，如何快速高效的生成大规模、高质量的DNA编码是一个极具挑战性的课题，具有重要的理论研究意义和应用价值。本项目借鉴和模拟膜细胞的动态结构及功能，融合膜计算模型和群集智能协同优化搜索算法，研究了基于动态膜计算框架的膜协同优化自组装DNA计算编码算法。本项目取得了丰富的研究成果，相继在《Neurocomputing》、《Soft Computing》、《Natural Computing》、《Journal of Cleaner Production》、《ACTA Mathematica Scientia》、《Chinese Journal of Electronics》等期刊发表论文20余篇。具体说来，项目成果主要包括四个方面。一是引入Nearest-Neighbor最小自由能热力学模型，构建基于自由能约束的多目标自组装DNA编码优化数学模型，以提高DNA序列的稳定性；二是借鉴和模拟膜细胞的动态结构及功能，利用膜计算的转运、分裂、溶解等规则，融合群集智能协同优化搜索算法，构建基于动态膜计算框架的膜协同优化DNA编码算法；三是建立求解计算难问题的自组装DNA计算模型，探讨编码在DNA计算模型中的应用；四是提出改进的动态膜协同优化算法，并将其应用于求解生鲜农产品配送中心选址、车辆路径调度、工程设计等现实优化问题。