- Khám phá tương tác trội. - Thuật toán. - Bài toán tương tác gen. - Đã có nhiều thuật toán được nghiên cứu và công bố giải quyết bài toán tương tác gen để đưa ra tập các vị trí nucleotide biến đổi (hay còn gọi là SNP) tương tác với nhau trội được dự đoán là có khả năng cao liên quan đến căn bệnh. - Mục đích để chỉ ra thuật toán AntEpiSeeker có thể giải quyết bài toán với những bộ dữ liệu lớn và đưa ra được kết quả tối ưu hơn so với các thuật toán trước đó. - Chương 2: Trình bày tổng quan về ACO và một vài thuật toán cập nhật mùi khác nhau trong ACO. - Ví dụ về bài toán người chào hàng giải quyết bằng thuật toán ACO.. - Chương 3: Giới thiệu một vài thuật toán giải quyết bài toán tương tác gen với những ưu, nhược điểm. - Trình bày lại thuật toán AntEpiSeeker và trình bày về hàm kiểm định thống kê Chi- square.. - Chương 4: Đưa ra kết quả mà bài báo công bố, giải thích ý nghĩa của các tham số và ý nghĩa đánh giá các thuật toán với nhau khi nào là tốt khi nào là xấu. - Chạy thực nghiệm lại với một bộ dữ liệu mô phỏng để so sánh tốc độ của thuật toán ban đầu với tốc độ sau khi xử lý song song hóa các tác vụ của kiến và kiểm tra khả năng tìm ra tập các vị trí nucleotide biến đổi ở phương pháp cập nhật mùi mới.