AB模型蛋白質(zhì)二維結(jié)構(gòu)預(yù)測(cè)的并行模擬退火算法.pdf

1、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)是生物信息學(xué)中重要的研究課題。從頭預(yù)測(cè)法就是一種常見的用于蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的計(jì)算方法。它主要根據(jù)蛋白質(zhì)的天然構(gòu)象處于自由能最低狀態(tài)的理論，直接根據(jù)蛋白質(zhì)的氨基酸序列求解出蛋白質(zhì)結(jié)構(gòu)。本文將依據(jù)從頭預(yù)測(cè)法，采用廣泛被使用的AB非晶格模型進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)。
　　本文首先針對(duì)模擬退火(Simulated Annealing，SA)算法的單個(gè)體進(jìn)化方式進(jìn)化速度緩慢、個(gè)體隨機(jī)擾動(dòng)機(jī)制缺乏記憶能力導(dǎo)致算法具有收斂速度慢，多樣性不

2、足、尋優(yōu)空間有限等缺點(diǎn)，設(shè)計(jì)粗粒度并行的SA算法，通過多個(gè)體并行更新方式，擴(kuò)展了迭代搜索區(qū)域。并且通過全局最優(yōu)解指導(dǎo)更新過程，對(duì)尋優(yōu)過程中的有效信息進(jìn)行及時(shí)分發(fā)和引導(dǎo)，在通用基準(zhǔn)測(cè)試函數(shù)上驗(yàn)證其性能。
　　針對(duì)第一階段出現(xiàn)的算法尋優(yōu)能力有限的問題，借助粒子群優(yōu)化(ParticleSwarm Optimization，PSO)算法的個(gè)體記憶能力和全局尋優(yōu)能力，改進(jìn)第一階段的算法，將原全局最優(yōu)解引導(dǎo)的更新過程轉(zhuǎn)變?yōu)槔肞SO的個(gè)體更新