混沌理论&粒子群算法于生物信息分析
1）混沌理论（Chaos theory）是关于非线性系统在一定参数条件下展现分岔（bifurcation）、周期运动与非周期运动相互纠缠，以至于通向某种非周期有序运动的理论。在耗散系统和保守系统中，混沌运动有不同表现，前者有吸引子，后者无（也称含混吸引子）。
混沌理论是一种兼具质性思考与量化分析的方法，用以探讨动态系统中无法用单一的数据关系，而必须用整体，连续的数据关系才能加以解释及预测之行为。 （from wiki）
baidu 百科会更清楚些
如蝴蝶效应是混沌理论的一个经典例子
2）粒子群算法（Particle Swarm Optimization），缩写为 PSO，PSO 算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。
例子：模拟鸟群的捕食行为
baidu 百科会更清楚些
3）某某博士论文的研究：
本章介绍了混沌变异离散粒子群算法 CMDPSO 和支持向量机相结合的特征基因选择方法，
混沌变异离散粒子群算法引入了混沌机制和遗传算法的变异机制，利用混沌机制初始化粒子，
利用遗传算法的变异机制避免粒子陷入局部极值
混沌是自然界广泛存在的一种现象 ，混沌运动貌似随机，却隐含着精致的内在结构，具有遍历性、随机性和对初始条件的敏感性等特性，能在一定范围内按其自身规
律不重复地遍历所有状态，利用混沌运动的这些特征，可以将其应用到优化计算中，它的规律
性使得新解的产生可由确定的迭代式产生，随机性使得搜索能够避免陷入局部最优，它的遍历
性只要控制得当，最终解能以任意精度逼近真实最优解。
4）感想：其实就是讲各种算法结合到一起的优化。基于表达谱数据。
问题：为什么要用到各种复杂的算法找特征基因？
如何应用混沌变异离散粒子群算法 到序列分析？