2015年以来遗传算法在生物信息学中应用普遍性的综述
神经与进化计算
2020-08-21 v1 机器学习
摘要
近年来，机器学习在众多领域中日益普及，尤其在医疗与生物信息学中。更具体地，机器学习算法应用最多的领域是遗传算法。本文旨在对2015年以来发表的、涉及遗传算法（GA）及其在生物信息学中应用的文章进行调研。为实现该目标，我们采用范围综述方法，结合Google Scholar、Publish or Perish以及Scimago Journal & Country Rank检索可信来源。在分析31篇生物信息学领域文章后，明显发现遗传算法很少构成完整应用，而是依赖其他关键算法如支持向量机。事实上，支持向量机是与遗传算法合用最普遍的算法；然而，尽管此类算法使用促成了GA程序对精度的高度关注，却往往忽视了计算时间。多数将GA用于分类与特征选择的应用已接近或达到100%成功率，未来GA开发重点应转向其他方面。基于种群的搜索如GA，常与其他机器学习算法结合。本范围综述发现，遗传算法与支持向量机结合表现最佳。被评估最频繁的性能指标是准确率。度量准确率规避了度量GA的主要弱点即计算时间。遗传算法的未来可能是开放式进化算法，其试图增加复杂性并寻找多样化解，而非优化适应度函数并从初始解种群收敛至单一最优解。
引用
@article{arxiv.2008.09017,
title = {A summary of the prevalence of Genetic Algorithms in Bioinformatics from 2015 onwards},
author = {Mekaal Swerhun and Jasmine Foley and Brandon Massop and Vijay Mago},
journal= {arXiv preprint arXiv:2008.09017},
year = {2020}
}
备注
20 pages and 2 figures