[发明专利]基于随机分形搜索算法的蛋白质结构预测方法

摘要

本发明属于生物信息学领域，具体涉及一种基于随机分形搜索算法的蛋白质结构预测方法，包括以下步骤，首先初始化参数及种群，进行迭代循环，计算种群适应度值，找到最优个体进行迭代循环；其次对最优个体进行扩散过程，得到新种群，计算适应度函数，根据适应度值选择其中表现最优个体；对新种群进行更新过程生成下一代的新种群，计算适应度函数，根据适应度值选取表现最优个体，这样不断迭代，当满足终止条件时，退出循环，输出结果。将随机分形搜索算法的基本思想引入到蛋白质结构预测中，能够有效的探索搜索空间，保证收敛性和精确性，并缩短了收敛速度和运行时间，避免陷入局部最优，从而实现全局最优，提高了搜索结果的准确性。

主权项

基于随机分形搜索算法的蛋白质结构预测方法，首先初始化参数及种群，进行迭代循环，计算种群适应度值，找到最优个体进行迭代循环；其次对最优个体进行扩散过程，得到新种群，计算适应度函数，根据适应度值选择其中表现最优个体；对新种群进行更新过程生成下一代的新种群，计算适应度函数，根据适应度值选取表现最优个体，这样不断迭代，当满足终止条件时，退出循环，输出结果，其特征在于，具体过程包括以下步骤：步骤1：设置参数，初始化种群X＝x1,x2,…,xn,其中n为种群大小；步骤2：计算种群X中个体的适应度，根据适应度值的大小进行排序，并记忆保留最优个体；步骤3：设置代数计数器t＝1；步骤4：通过高斯分布，对当前最优个体进行扩散过程，产生新的种群X1，并计算其适应度值；GW1＝G(PBest,σ)+(ξ*PBest‑ξ'*Pi)GW2＝G(Pi,σ)σ=|log(g)g*(Pi-PBest)|]]>其中公式GW1＝G(PBest,σ)+(ξ*PBest‑ξ'*Pi)将快速收敛优化结果，公式GW2＝G(Pi,σ)使得结果更加精确，在扩散过程中，可以根据不同的需求选择不同的公式，σ用来促进局部搜索并且随着高斯分布数目的增加而减小高斯步长；步骤5：根据如下公式对种群进行更新，得到新种群X2；Pi'(j)＝Pr'(j)‑ξ*(Pt'(j)‑Pi'(j))步骤6：ξ'是[0,1]之间的随机数，根据随机数ξ'的值选择公式，更新种群，得到新种群X3；Pi”＝Pi'‑ξ'*(Pt'‑BP)ξ'≤0.5Pi”＝Pi'‑ξ'*(Pt'‑Pr')ξ'>0.5步骤7：迭代计数器累加t＝t+1，判断终止条件，若t<＝M，其中M为迭代次数，则继续迭代跳到步骤4运行；若t>M则迭代结束，运行步骤8；步骤8：输出最佳结果，程序结束。