1.一种基于遗传算法的生物网络比对方法，其特征在于，包括以下步骤：步骤1：读取源网络、目标网络数据文件及其序列相似性得分文件；

步骤2：计算源网络、目标网络中节点的重要性得分，结合网络的拓扑相似性和序列相似性得分计算节点对相似性得分；

步骤3：基于节点对相似性得分初始化种群；

步骤4：计算种群中个体的适应度值；

步骤5：选择、交叉产生下一代；

步骤6：重复步骤4、步骤5直至目标函数收敛或迭代次数达到阈值；

其中：采用最小度启发式算法计算节点的重要性得分，包括如下步骤：初始化网络Gi(i＝1，2)中每个节点和边的权重，边的初始权重w(u,v)设为1，节点的初始权重w(u)设为0：

其中u,v表示网络Gi中的节点，Ei表示网络Gi中边的集合；

从度为1的节点开始，到度为10的节点结束，删除当前度最小的节点u，并更新其相邻节点和边的权重，当一个节点被移除时，它的邻接边也相应移除，移除的节点和边的权重被分配给它们的邻居节点和边；

当|N(u)|为1时：

当|N(u)|大于1时：

其中N(u)表示节点u的邻居节点集合，|N(u)|表示节点u的邻居节点个数；

计算节点v的重要性得分IS(v)：

其中，IS(v)表示节点v的重要性得分，λ控制节点和边的权重，取0.4；

对节点v的重要性得分进行归一化处理：IS(v)＝IS(v)/maxv∈V{IS(v)}；

结合网络的拓扑相似性和序列相似性得分计算节点对相似性得分，对于网络G1中的节点u和网络G2中的节点v,计算节点对(u,v)的相似性得分：

其中控制节点对拓扑相似性得分和序列相似性得分的权重，B(u,v)表示节点对(u,v)的归一化bit-score值，即从输入的序列相似性得分文件中读取相应数值并进行归一化处理；

所述初始化种群包括以下步骤：两个网络中的任意节点对按照相似性得分S从大到小排列,通过贪心算法选择当前相似性得分最高的节点对，直到G1网络中的每个节点都被比对上；随机产生p-1个比对结果；

所述种群个体适应度值即网络比对的目标函数：由节点对的相似性得分和边正确性得分构成：

其中，A表示一个比对结果，F(A)表示比对结果A的目标函数得分，S(u,v)表示节点对(u,v)的相似性得分。

2.如权利要求1所述的基于遗传算法的生物网络比对方法，其特征在于，在种群中选择的过程包括：在迭代的过程中控制种群数目p固定，且p为偶数，为保证在迭代的过程中种群的质量并且加快种群的收敛速度：NABG保留种群前50％的结果至下一代，并选择上一代种群的第i(0≤i

3.如权利要求2所述的基于遗传算法的生物网络比对方法，其特征在于，所述交叉的过程为：经过选择阶段选出父代个体后，利用Knuths正则分解和循环分解算法保证两个父代个体交叉产生一个子代个体，并且子代个体可以继承两个父代个体各一半的特性。

4.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到3任一项所述方法的步骤。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1到3任一项所述方法的步骤。

6.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1到3任一项所述的方法。