1. DNA 컴퓨팅 기법을 이용한 조합 최적화 문제의 해결Solving Combinatorial Optimization Problems using Simulated DNA Computing 2000. 12. 1

2. 분자 프로그래밍 (Molecular Programming) • 생체 분자를 직접 표현할 수 있고, 생체 분자의 계산 속도와 집적도를 활용할 수 있는 계산 모델이 필요. • 기존의 진화 연산을 기반으로 하여 새로운 계산 모델을 개발. • ‘진화’의 개념을 사용해서 최종해를 적극적으로 탐색. • 기존의 진화 연산과 유사하나 개체군의 수가 매우 크고, 생체 분자를 사용. 분자 프로그래밍

3. 코드 최적화 (Code Optimization) 생체 분자, 생물학 실험 방법을 이용해서 계산  항상 오류의 가능성 내제 해결책 유전자 알고리즘을 이용해서 오류를 최소화하는 코드 발견

4. Fitness • 주어진 코드에서 발생할 수 있는 오류의 횟수  최적의 적합값 = 0 • Hybridization mismatch • 임의의 확률로 측정 오류 발생 • Shifted mismatch • 모든 가능한 위치 이동 다 검사 • 가중치 표현 정확도

5. Pk1 Pi2 TSP 해결 • 수소 결합수를 이용하는 방법 TTGA GACGT AACT ACATT 3’ 5’ Pj2 Wm Pa1 Edge j  a TGACCGGACG TGTAA ACTGG CCTGC GCCGT 5’ 3’ Wn Edge i  k

6. Molecular Algorithm for TSP • GA를 이용해 최적 코드 생성 • 초기화 • While (cycle c cmax) do • MID pool합성 • MID pool분리 • INI pool과 결합 • FIN pool과 결합 • 최종 분리 • 특정한 정점으로 시작하고 끝나는 경로만을 선택 • n + 1개의 정점을 가지고 있는 경로만을 선택 • 그래프의 모든 정점을 최소한 한번 이상씩 방문한 경로만 선택 • 남은 경로 중에서 가장 짧으면서 G/C쌍을 적게 가지고 있는 경로를 선택