Hybrid Differential Evolution for Estimation of Kinetic Parameters for Biochemical Systems

为生物化学的系统的最佳的模型参数的决心是耗时的反复的进程。在这研究，一个新奇混合微分进化(DE ) 算法为解决运动参数评价问题基于微分进化技术和本地搜索策略被开发。由把 DE 的优点与高斯牛顿方法相结合，建议混合途径为识别空间由高斯牛顿方法的使用跟随了在识别区域决定最佳的答案的有希望的区域采用一个 DE 算法。一些著名基准评价问题被利用在文学与另外的方法相比测试效率和建议算法的坚韧性。比较显示现在的混合算法以全球寻找能力和集中速度超过另外的评价技术。另外，为 feed 批 fermentor 的运动模型参数的评价被执行测试建议算法的适用性。结果建议方法能被用来为一个复杂数学模型估计模型参数的合适的值。