[发明专利]基于可变角距离QEA算法的蛋白质HP模型求解方法

摘要

本发明提出了基于可变角距离QEA算法的蛋白质HP模型求解方法，所述方法通过将基于可变角距离的量子进化算法运用到蛋白质二级结构预测中，在量子进化算法框架基础上，引入可变角距离进化策略；在HP构型表示上采用灵活高效的方向解形式；为了增加方向解的多样性引入一种方向牵引机制，从而使得本发明能够高效率地找到蛋白质最低能量构型；所述方法采用方向解替代以往的坐标解，有利于无效闭环HP构型检测和修复，从而提高方法执行速度。本发明方法使用了方向解形式、回退法、方向牵引策略、可变角距离等技术或策略，使得本发明效率上更优于其他方法。

主权项

基于可变角距离QEA算法的蛋白质HP模型求解方法，其特征在于，所述方法的具体步骤如下：步骤A，初始化量子种群Q(t),其中t为进化代数，初始值为0；步骤B，测量量子种群Q(t),生成方向解种群moveDirect(t)，一个个体代表一个构型；步骤C，检查方向解，判断是否构型出现闭环；若出现闭环，则构型无效，利用回退法修复；步骤D，对种群moveDirect(t)计算适应度值；步骤E，保存种群moveDirect(t)中的最优解bestSoFar；步骤F，判断最优解bestSoFar是否为公开的最小值或t达到了最大代数，若满足，则终止算法；否则，继续下一步；步骤G，采用可变角距离量子旋转门进化方法，更新Q(t)，生成新一代量子种群；步骤H，进化代数t加1；步骤I，测量量子种群Q(t),生成新一代方向解种群moveDirect(t)；步骤J，检查方向解，判断构型是否出现闭环；若出现闭环，则构型无效，利用回退法修复；步骤K，对种群moveDirect(t)计算适应度值；步骤L，将bestSoFar和moveDirect(t)中的最优解赋值给bestSoFar；步骤M，判断是否满足牵引条件，若满足，则对种群moveDirect(t)进行牵引，并计算适应度值，将bestSoFar和moveDirect(t)中的最优解赋值给bestSoFar；转至步骤F。