- Bộ dữ liệu trung bình SHRiMP có số lượng hạt giống là 4 gồm 15 test; - Bộ dữ liệu lớn gồm 3 bộ: bộ PatternHunterII có số lượng hạt giống là 16
gồm 3 test, bộ BFAST có số lượng hạt giống là 10 gồm 3 test và bộ MegaBLAST gồm 15 test.
5.3.2. Kết quả thực nghiệm trên bộ dữ liệu nhỏ với độ dài các hạt giống đã xác định định
Kết quả thực nghiệm trên 3 test của bộ dữ liệu nhỏ được cho ở bảng 5.1. Cột biểu thị thông tin về tham số của test tương ứng. Cột biểu thị thông tin độ dài các hạt giống. Cột Optimal biểu thị độ nhạy tối ưu, cột SpEED và AcoSeeD biểu thị kết quả tương ứng của phương pháp SpEED và AcoSeeD. Kết quả trong các phương pháp in đậm là kết quả ra
108
được tối ưu. Kết quả của SpEED là kết quả được công bố trong [50]. Ở đây không có kết quả của SpEEDfast vì trong [51] không công bố kết quả này.
Bảng 5.1: Kết quả thực nghiệm SpEED với AcoSeeD trên bộ dữ liệu nhỏ
Optimal SpEED AcoSeeD
2 14 35 0.88 17, 21 0.82991 0.82886 0.82886
3 10 35 0.78 12, 14, 16 0.81833 0.81833 0.81833
4 6 35 0.6 8,9,10,11 0.85026 0.84879 0.85026
Nhận xét: Kết quả thực nghiệm trong bảng 5.1 cho thấy SpEED có thể tìm được tối ưu 1 test trong 3 test, còn AcoSeeD có thể tìm tối ưu 2 test trong 3 test. Điều này được giải thích như sau, AcoSeeD đã kết hợp được cả hàm mục tiêu chính và hàm mục tiêu xấp xỉ OC. Trường hợp AcoSeeD không tìm được tối ưu là vì test quá nhỏ nên lời giải luôn hội tụ theo hàm mục tiêu OC.