在差分进化算法框架下,结合抽象凸理论,提出一种局部抽象凸区域剖分差分进化算法(Local partition based differential evolution,LPDE).首先,通过对新个体的邻近个体构建分段线性下界支撑面,实现搜索区域的动态剖分;然后,利用区域剖分...在差分进化算法框架下,结合抽象凸理论,提出一种局部抽象凸区域剖分差分进化算法(Local partition based differential evolution,LPDE).首先,通过对新个体的邻近个体构建分段线性下界支撑面,实现搜索区域的动态剖分;然后,利用区域剖分特性逐步缩小搜索空间,同时根据下界估计信息指导种群更新,并筛选出较差个体;其次,借助下界支撑面的广义下降方向作局部增强,并根据进化信息对搜索区域进行二次剖分;最后,根据个体的局部邻域下降方向对部分较差个体作增强处理.数值实验结果表明了所提算法的有效性.展开更多
蛋白质的三维结构是研究其生物功能及活性机理的基础.为了提高蛋白质结构的预测精度,在进化计算的框架下,提出一种接触图辅助的过程重采样蛋白质构象空间优化算法(Contact Map-assistedProcess Resampling Protein Conformation Space O...蛋白质的三维结构是研究其生物功能及活性机理的基础.为了提高蛋白质结构的预测精度,在进化计算的框架下,提出一种接触图辅助的过程重采样蛋白质构象空间优化算法(Contact Map-assistedProcess Resampling Protein Conformation Space Optimization Algorithm,CM PR). CM PR算法基于残基接触图设计打分模型,用于选择构象以构建过程片段库,使用基于过程重采样策略的片段组装技术执行变异操作,残基接触先验知识和种群进化过程统计知识辅助采样,可以增强近天然态构象区域的搜索能力,提高蛋白质结构预测精度.在12个测试蛋白上的实验结果表明,所提方法具有良好的近天然态构象采样能力和较高的预测精度.展开更多
预测蛋白质结构对药物设计和疾病诊断有着重要的科学意义.针对蛋白质结构从头预测问题,在进化算法框架下,提出一种距离和疏水模型辅助的蛋白质结构预测方法(Distance and Hydrophobic Model-assisted Protein Structure Prediction Meth...预测蛋白质结构对药物设计和疾病诊断有着重要的科学意义.针对蛋白质结构从头预测问题,在进化算法框架下,提出一种距离和疏水模型辅助的蛋白质结构预测方法(Distance and Hydrophobic Model-assisted Protein Structure Prediction Method,DHM A).首先根据亲疏水性构建氨基酸的回转半径来指导构象空间采样,达到提高搜索效率的目的;然后,利用距离谱构建距离分布估计模型和疏水概率模型,指导种群更新,缓解能量函数不精确带来的误差.在10个测试蛋白的预测结果表明,DHM A具有良好的搜索性能和预测精度,是一种有效的蛋白质结构预测方法.展开更多
文摘在差分进化算法框架下,结合抽象凸理论,提出一种局部抽象凸区域剖分差分进化算法(Local partition based differential evolution,LPDE).首先,通过对新个体的邻近个体构建分段线性下界支撑面,实现搜索区域的动态剖分;然后,利用区域剖分特性逐步缩小搜索空间,同时根据下界估计信息指导种群更新,并筛选出较差个体;其次,借助下界支撑面的广义下降方向作局部增强,并根据进化信息对搜索区域进行二次剖分;最后,根据个体的局部邻域下降方向对部分较差个体作增强处理.数值实验结果表明了所提算法的有效性.
文摘蛋白质的三维结构是研究其生物功能及活性机理的基础.为了提高蛋白质结构的预测精度,在进化计算的框架下,提出一种接触图辅助的过程重采样蛋白质构象空间优化算法(Contact Map-assistedProcess Resampling Protein Conformation Space Optimization Algorithm,CM PR). CM PR算法基于残基接触图设计打分模型,用于选择构象以构建过程片段库,使用基于过程重采样策略的片段组装技术执行变异操作,残基接触先验知识和种群进化过程统计知识辅助采样,可以增强近天然态构象区域的搜索能力,提高蛋白质结构预测精度.在12个测试蛋白上的实验结果表明,所提方法具有良好的近天然态构象采样能力和较高的预测精度.
文摘预测蛋白质结构对药物设计和疾病诊断有着重要的科学意义.针对蛋白质结构从头预测问题,在进化算法框架下,提出一种距离和疏水模型辅助的蛋白质结构预测方法(Distance and Hydrophobic Model-assisted Protein Structure Prediction Method,DHM A).首先根据亲疏水性构建氨基酸的回转半径来指导构象空间采样,达到提高搜索效率的目的;然后,利用距离谱构建距离分布估计模型和疏水概率模型,指导种群更新,缓解能量函数不精确带来的误差.在10个测试蛋白的预测结果表明,DHM A具有良好的搜索性能和预测精度,是一种有效的蛋白质结构预测方法.