基于演化设计的遗传算法在分子对接中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (26): 18-20.

基于演化设计的遗传算法在分子对接中的应用

康玲1，2，王希诚2

1.大连东软信息学院计算机系，辽宁大连 116023
2.大连理工大学工业装备结构分析国家重点实验室，辽宁大连 116024

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-11 发布日期:2011-09-11

Evolvement-based genetic algorithm for molecular docking

KANG Ling1，2，WANG Xicheng2

1.Department of Computer Science and Technology，Dalian Neusoft Institute of Information，Dalian，Liaoning 116023，China
2.State Key Lab of Structural Analysis for Industrial Equipment，Dalian University of Technology，Dalian，Liaoning 116024，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-11 Published:2011-09-11

摘要/Abstract

摘要： 将自然界的物种动态模型引入到遗传算法当中，反映出物种的真实进化状态，开发了基于演化设计的遗传算法。算法采用自适应策略克服了确定交叉和变异概率值的问题，利用小种群策略和最优保留策略保证了种群的多样性，改善了算法的寻优能力，进而提高了计算效率。运用该遗传算法求解分子对接优化模型，给出基于演化设计的分子对接程序。对接实例表明，算法能有效应用于分子对接问题中。

关键词: 物种动态模型, 遗传算法, 分子对接

Abstract: Species dynamics model is introduced into the genetic algorithm to reflect the true state of evolution.An evolvement-based genetic algorithm is developed.In the algorithm，an adaptive strategy is used to overcome the difficulty of confirming the crossover and mutation probabilities.Small population strategy and optimal strategy ensure the diversity of the populations and improve the efficiency of the algorithm.Based on the genetic algorithm，a new molecular docking program is developed.Docking results show that the algorithm can effectively solve the molecular docking problem.

Key words: species dynamics model, genetic algorithm, molecular docking

康玲1，2，王希诚2. 基于演化设计的遗传算法在分子对接中的应用[J]. 计算机工程与应用, 2011, 47(26): 18-20.

KANG Ling1，2，WANG Xicheng2. Evolvement-based genetic algorithm for molecular docking[J]. Computer Engineering and Applications, 2011, 47(26): 18-20.

[1]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[2]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[3]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[4]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[5]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[6]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[7]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[8]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[9]	冯晓东，黄世荣，戴冠鸥，杨伟家，罗尧治. 天牛须遗传杂交算法的研究与应用[J]. 计算机工程与应用, 2021, 57(15): 90-100.
[10]	苏庆，林华智，黄剑锋，林志毅. 结合CNN和Catboost算法的恶意安卓应用检测模型[J]. 计算机工程与应用, 2021, 57(15): 140-146.
[11]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.
[12]	贺娇，谭代伦. 基于视野范围和遗传算法的三维地形路径规划[J]. 计算机工程与应用, 2021, 57(15): 279-285.
[13]	王秀丽，周鹏，侯静楠，王仕俊，林霞. 面向变电站机器人巡检路径规划中的算法研究[J]. 计算机工程与应用, 2021, 57(14): 245-250.
[14]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[15]	邱云飞，高华聪. 混合Filter与改进自适应GA的特征选择方法[J]. 计算机工程与应用, 2021, 57(11): 95-102.