[發明專利]基于隨機分形搜索算法的蛋白質結構預測方法

在審

• 申請號: 201710194542.0
• 申請日: 2017-03-29
• 公開（公告）號: CN107122623A
• 公開（公告）日: 2017-09-01
• 發明（設計）人: 周昌軍;孫川;鄭學東;王賓;周士華
• 申請（專利權）人: 大連大學
• 主分類號: G06F19/16
• 分類號: G06F19/16
• 代理公司: 大連八方知識產權代理有限公司21226
• 代理人: 衛茂才

1.基于隨機分形搜索算法的蛋白質結構預測方法，首先初始化參數及種群，進行迭代循環，計算種群適應度值，找到最優個體進行迭代循環；其次對最優個體進行擴散過程，得到新種群，計算適應度函數，根據適應度值選擇其中表現最優個體；對新種群進行更新過程生成下一代的新種群，計算適應度函數，根據適應度值選取表現最優個體，這樣不斷迭代，當滿足終止條件時，退出循環，輸出結果，其特征在于，具體過程包括以下步驟：

步驟1：設置參數，初始化種群X＝x₁,x₂,…,x_n,其中n為種群大??；

步驟2：計算種群X中個體的適應度，根據適應度值的大小進行排序，并記憶保留最優個體；

步驟3：設置代數計數器t＝1；

步驟4：通過高斯分布，對當前最優個體進行擴散過程，產生新的種群X1，并計算其適應度值；

GW₁＝G(P_Best,σ)+(ξ*P_Best-ξ'*P_i)

GW₂＝G(P_i,σ)

σ=|log(g)g*(Pi-PBest)|]]>

其中公式GW₁＝G(P_Best,σ)+(ξ*P_Best-ξ'*P_i)將快速收斂優化結果，公式GW₂＝G(P_i,σ)使得結果更加精確，在擴散過程中，可以根據不同的需求選擇不同的公式，σ用來促進局部搜索并且隨著高斯分布數目的增加而減小高斯步長；

步驟5：根據如下公式對種群進行更新，得到新種群X2；

P_i'(j)＝P_r'(j)-ξ*(P_t'(j)-P_i'(j))

步驟6：ξ'是[0,1]之間的隨機數，根據隨機數ξ'的值選擇公式，更新種群，得到新種群X3；

P_i”＝P_i'-ξ'*(P_t'-BP)ξ'≤0.5

P_i”＝P_i'-ξ'*(P_t'-P_r')ξ'>0.5

步驟7：迭代計數器累加t＝t+1，判斷終止條件，若t<＝M，其中M為迭代次數，則繼續迭代跳到步驟4運行；若t>M則迭代結束，運行步驟8；

步驟8：輸出最佳結果，程序結束。

2.根據權利要求1所述的基于隨機分形搜索算法的蛋白質結構預測方法，其特征在于，擴散過程中利用高斯分布進行擴散，得到新的個體，選取適應度值較高的保留到新種群X1中，形成種群X1，更新過程中當前個體在種群其他個體的基礎上更新，進行信息互換，產生新個體，增加種群個體的多樣性。