[发明专利]基于随机分形搜索算法的蛋白质结构预测方法

权利要求书

1.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,…,x_n,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(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)将快速收敛优化结果，公式GW₂＝G(P_i,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；

P_i'(j)＝P_r'(j)-ξ*(P_t'(j)-P_i'(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；

P_i”＝P_i'-ξ'*(P_t'-BP)ξ'≤0.5

P_i”＝P_i'-ξ'*(P_t'-P_r')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。

2.根据权利要求1所述的基于随机分形搜索算法的蛋白质结构预测方法，其特征在于，扩散过程中利用高斯分布进行扩散，得到新的个体，选取适应度值较高的保留到新种群X1中，形成种群X1，更新过程中当前个体在种群其他个体的基础上更新，进行信息互换，产生新个体，增加种群个体的多样性。