Toy模型蛋白质折叠问题的随机扰动粒子群解法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (18): 234-236.

Toy模型蛋白质折叠问题的随机扰动粒子群解法

周洪斌1，2，吕强2，温炜2

1.沙洲职业工学院电子信息工程系，江苏张家港 215600
2.苏州大学计算机科学与技术学院，江苏苏州 215006

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-06-21 发布日期:2011-06-21

Stochastic perturbation PSO algorithm for Toy model-based protein folding problem

ZHOU Hongbin1，2，LV Qiang2，WEN Wei2

1.Electronic Information Engineering Department，Shazhou Professional Institute of Technology，Zhangjiagang，Jiangsu 215600，China
2.School of Computer Science and Technology，Soochow University，Suzhou，Jiangsu 215006，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-06-21 Published:2011-06-21

摘要/Abstract

摘要： Toy模型蛋白质折叠问题是一个计算生物学中典型的NP难题。提出了一种随机扰动粒子群结合爬山优化的算法，应用二维Toy模型进行蛋白质折叠结构预测，在Fibonacci测试序列及真实蛋白质序列上的测试结果验证了算法的良好性能。

关键词: 粒子群优化算法, 爬山算法, Toy模型蛋白质折叠

Abstract: Protein folding prediction problem based on Toy model is a classical NP hard problem in computational biology.The paper puts forward a stochastic perturbation PSO algorithm，combining with the ideas from hill-climbing.This algorithm achieves good results when it is applied to predict the best 2D structure of some benchmark Fibonacci sequences and real protein sequences.

Key words: Particle Swarm Optimization（PSO）, hill-climbing algorithm, Toy model-based protein folding

周洪斌1，2，吕强2，温炜2. Toy模型蛋白质折叠问题的随机扰动粒子群解法[J]. 计算机工程与应用, 2011, 47(18): 234-236.

ZHOU Hongbin1，2，LV Qiang2，WEN Wei2. Stochastic perturbation PSO algorithm for Toy model-based protein folding problem[J]. Computer Engineering and Applications, 2011, 47(18): 234-236.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	张宇瞳，刘静，郝星星. 天课时分配下的多阶段新高考走班制排课算法[J]. 计算机工程与应用, 2021, 57(11): 266-278.
[4]	廖玮霖，程杉，尚冬冬，魏昭彬. 多策略融合的粒子群优化算法[J]. 计算机工程与应用, 2021, 57(1): 69-76.
[5]	张鑫1，邹德旋1，肖鹏1，喻秋2. 自适应简化粒子群优化算法及其应用[J]. 计算机工程与应用, 2019, 55(8): 250-263.
[6]	郑朝鑫1，2，董晨1，3，贺国荣1，3，陈荣忠1，3，熊子奇1，3. 基于改进粒子群算法的动态3D实时建模技术[J]. 计算机工程与应用, 2019, 55(5): 65-71.
[7]	马炫，刘栋，胡家鑫. 求解必经点k条最优路径问题的粒子群优化算法[J]. 计算机工程与应用, 2019, 55(20): 89-94.
[8]	郭世伟，孟昱煜，陈绍立. 改进的PSOGM算法在动态关联规则挖掘中的应用[J]. 计算机工程与应用, 2018, 54(8): 160-165.
[9]	胡震，邹德旋，张旭. R-dPSO算法及其在ATO控制策略中的应用[J]. 计算机工程与应用, 2018, 54(24): 212-220.
[10]	何明慧1，徐怡1，2，王冉1，胡善忠1. 改进的粒子群算法优化神经网络及应用[J]. 计算机工程与应用, 2018, 54(19): 107-113.
[11]	常红伟1，夏克文1，2，白建川1，2，牛文佳1，武盼盼1. 采用云量子PSO的属性约简方法[J]. 计算机工程与应用, 2018, 54(10): 99-104.
[12]	南敬昌，田娜. 基于改进粒子群算法的模糊小波神经网络建模[J]. 计算机工程与应用, 2017, 53(3): 120-123.
[13]	谌俊异，邓飞其. 基于混合二进制粒子群的Web系统优化算法[J]. 计算机工程与应用, 2017, 53(23): 224-229.
[14]	颜宏文，邹丹. 基于关联规则的PSO-Elman短期风速预测[J]. 计算机工程与应用, 2017, 53(23): 261-266.
[15]	翁理国，王骥，夏旻，纪壮壮. 自适应种群更新策略的多目标粒子群算法[J]. 计算机工程与应用, 2017, 53(15): 181-186.