论文部分内容阅读
布尔网络是基因调控网络等大型调控网络的常用模型。关于它的相关研究出现在了系统生物、统计物理、计算机科学、理论控制等多个学科领域。由于真实世界中的调控网络含有不确定性，本论文主要研究了带有不确定性的布尔网络动力学及相关控制问题，主要包括: 1.分析了异步随机更新规则下的布尔网络动力学，给出了一种估计它的所有吸引子及其吸引盆的代数方法。此外还讨论了在异步随机更新的规则下，网络吸引盆之间会出现重叠的现象。针对这个现象，接着提出了计算每个吸引子所占权重及其吸引盆盆熵的有效办法。 2.考虑了根据已知的吸引子重构带有记忆的布尔网络动力学的问题。由于吸引子给出的网络信息较少，辨识出的结构矩阵只有少部分的列是确定的。所以这个重构问题不适定。基于理论分析，提出了一些代数公式和一个计算可行的算法来重构入度最小的模型。 3.研究了如何控制概率布尔网络长期动力学行为的问题，即通过找到最优控制输入使概率布尔网络的稳态概率分布与预期的概率分布向量之间的距离达到最小。通过建立一个特别的目标函数，先将上述问题转换为一个代数形式的优化问题。接着提出了一个计算可行的遗传算法，找出使概率布尔网络演化到指定稳态概率分布的最优解。 4.考虑了一个带有噪声输入的布尔控制网络的优化问题。此优化问题源自于混合人口的少数者博弈。通过计算布尔控制网络最优极限环并分析噪声输入带来的影响，找到最优控制策略。为提高计算效率，进一步提出了一个简化算法来处理尺度较大的少数者博弈对应的布尔网络。 5.把布尔控制网络中的噪声输入看作扰动，研究了布尔控制网络的一类干扰解耦问题。在输出友好子空间的框架下，通过分析网络的冗余变量，给出了一个干扰解耦问题可解性的充分必要条件，并接着给出了一个计算可行的方法来建立所有有效的反馈控制矩阵。每个控制器的逻辑函数能由得到的反馈控制矩阵恢复。 另外，矩阵的半张量积技术是本论文的重要研究工具。由于布尔网络状态空间大小随着节点数目指数级增长，计算复杂性问题会限制半张量积技术的实际使用。为此，第四章至第六章都讨论了所提出方法在处理大尺度布尔网络时的计算效率，并做出了相应改进。