Development of New Bio-inspired Optimisation Approaches for Knowledge Discovery in Biological Data
No Thumbnail Available
Date
2016
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Afin d’améliorer les solutions aux problèmes NP-complet avec des nouvelles
méthodes, beaucoup d’approches d’optimisation basées sur les phénomènes
naturelles tel que l’écologie animale, la biologie, et d’autre systèmes physiques
ont été proposés. Des méthodes récentes suggèrent que ces travaux peuvent être
encore améliorés afin d'obtenir des modèles de recherche encore plus précis en
recherchant la solution optimale. Les développements accrus des technologies
numériques ont engendré depuis quelques années, des volumes de données
extrêmement importants, qui peuvent receler des informations utiles pour les
organismes qui les ont produites. Ce constant a donné naissance à un nouveau
champ d’exploration: l’extraction de connaissances à partir des données. Dans
ce travail nous avons développé un nouvel algorithme inspire à partir de
phénomène naturel de chasse collaborative de pingouins et d’utiliser un
algorithme très connu celui de l’algorithme génétique pour résoudre des
problèmes complexe dans la bioinformatique. Nous avons appliqué ces
méthodes sur trois problèmes de la bio-informatique, l’alignement de séquences
biologiques, l’assemblage de fragments d’ADN et la compression des données
biologiques. Les approches proposées dans cette thèse ont été évaluées et
validées sur des données biologiques.