啟發(fā)式優(yōu)化算法的研究及其在化學(xué)、環(huán)境、生物信息處理中的應(yīng)用.pdf

1、該文主要對啟發(fā)式優(yōu)化算法的改進和發(fā)展及其在化學(xué)、環(huán)境以及生物信息處理中的應(yīng)用方面進行了研究.在方法研究方面,該文中主要是對啟發(fā)式優(yōu)化算法中的遺傳算法、禁忌搜索以及粒子群算法進行了研究和發(fā)展.在遺傳算法的基礎(chǔ)上,發(fā)展了實數(shù)型的數(shù)值遺傳算法.但是數(shù)值遺傳算法存在著"爬山"能力弱,容易陷入到局部最優(yōu)等缺點.為改進這些缺點,該文中將禁忌搜索引入數(shù)值遺傳算法中,提出了數(shù)值遺傳算法-禁忌搜索混合算法(NGA-TS),利用數(shù)值遺傳算法的搜索能力和并行

2、性以及禁忌搜索的"爬山"能力,充分發(fā)揮數(shù)值遺傳算法和禁忌搜索各自的優(yōu)點而彌補其不足,大大增強了算法搜索能力.首先,在化學(xué)體系中,一些復(fù)雜的化學(xué)反應(yīng),其反應(yīng)動力學(xué)模型往往是未知的,反應(yīng)級數(shù)也不一定為整數(shù),這使得數(shù)據(jù)的解析更加困難.該文中提出利用目標(biāo)試驗因子分析(TTFA)結(jié)合NGA-TS搜索算法解析在反應(yīng)過程中在線測得的動力學(xué)譜—光譜數(shù)據(jù)矩陣,可在未知各組分純光譜及動力學(xué)模型情況下同時求解出各組分的純光譜、反應(yīng)級數(shù)及速率常數(shù).并針對兩步連

3、續(xù)反應(yīng)模型體系的模擬實驗數(shù)據(jù)矩陣進行了處理,表明該方法能準(zhǔn)確的求出各組分的純光譜、反應(yīng)級數(shù)及速率常數(shù).利用該方法對環(huán)境物鄰苯二甲酸二乙酯在堿性介質(zhì)中的水解反應(yīng)及日落黃水溶液的電解降解反應(yīng)過程中測得的數(shù)據(jù)矩陣進行解析,均獲得了可靠結(jié)果.其次,該文將優(yōu)化算法應(yīng)用于計算機輔助藥物設(shè)計中.該文中應(yīng)用NGA-TS搜索算法對Autodock3中的優(yōu)化部分進行改進,編制成了一個新的對接軟件,在PC機的Redhat Linux操作系統(tǒng)下運行.在文中首先

4、計算了Autodock提供的β-胰蛋白酶/苯甲咪體系和HIV-1蛋白酶/XK-263體系,檢驗程序的正確性,然后計算了100個蛋白質(zhì)-配體復(fù)合物,并同原始的Autodock計算的結(jié)果和Consdocd計算結(jié)果作了對比,表明了NGA-TS搜索方法增強了Autodock中的搜索能力.這種應(yīng)用研究對于藥物候選分子的篩選,全新藥物分子設(shè)計等都有重大的意義.分子對接的研究目的主要是藥物設(shè)計,現(xiàn)階段藥物設(shè)計的研究重點是生物體中的蛋白質(zhì)大分子或者多肽