1、生物技術(shù)作為現(xiàn)代的新型技術(shù)不斷地發(fā)展推進(jìn)，尤其是實施基因組計劃。人類逐步得到了基因序列的相關(guān)數(shù)據(jù)。由此可知，如何精確、高效地分析基因序列并挖掘基因序列尤為重要。伴隨著生物技術(shù)的發(fā)展，一方面推動著人類基因組計劃也隨之發(fā)展，同時帶動著基因序列的數(shù)據(jù)庫逐步增長，此時就需要借助計算機技術(shù)對基因序列數(shù)據(jù)進(jìn)行收集、整理。為了能夠更好的解析基因序列，就必須對基因序列進(jìn)行全方位比對分類，創(chuàng)建較好的數(shù)學(xué)模型，進(jìn)而完成預(yù)測、仿真及驗證操作?；诖耍菊n題選

2、擇了通過計算智能的相關(guān)算法來對基因序列分類進(jìn)行研究。
　　本文首先對生物信息處理及基因序列進(jìn)行了說明介紹，總結(jié)了基因序列的表示方法以及各種基因序列分類的算法模型。傳統(tǒng)的分類算法在處理這類問題時主要是采用加權(quán)算法，加權(quán)算法的核心思想就是用單目標(biāo)優(yōu)化問題來取代多目標(biāo)優(yōu)化問題，但是傳統(tǒng)算法未充分考慮基因序列分類問題的復(fù)雜性，特別在權(quán)重因子的取值上面相當(dāng)困難。
　　基于這種分析，本文重點介紹了PSO（粒子群）算法的基本理論和算法模型

3、，并分析得出了標(biāo)準(zhǔn)PSO算法容易陷入局部最優(yōu)的缺點?？紤]到傳統(tǒng)解決方案的局限性，本文基于現(xiàn)有的算法，并融入目標(biāo)優(yōu)化的理論，進(jìn)而提出基于多目標(biāo)理論的PSO優(yōu)化算法。本文所提出的算法主要是借助Pareto所存在的支配關(guān)系，進(jìn)而對粒子的最優(yōu)值進(jìn)行更新;并且通過本文改進(jìn)的算法來重新組織粒子群體的非支配集;通過使用緩沖區(qū)存儲在檢索過程中所查找出來的非支配解;選擇全局最優(yōu)粒子的方法則通過從緩沖區(qū)篩選出距離最大的粒子;為了保證結(jié)果的分散性，則運用本文