一种构象空间动态步长搜索方法

    公开(公告)号:CN104200132A

    公开(公告)日:2014-12-10

    申请号:CN201410362507.1

    申请日:2014-07-28

    IPC分类号: G06F19/16

    摘要: 一种构象空间动态步长搜索方法,包括以下步骤:对构象空间按照能量和温度分层,在每一层中再细分得到“构象室”,完成构象空间的初始化;随机扰动氨基酸序列得到一个初始构象,通过Rosetta Score3计算得到其能量值,存入相应能量层的构象室中,完成构象初始化;对所分能量层分配权重,在不同能量层赋予不同的片段组装(FA)步长和Monte Carlo扰动(MC)步长,同时设置温度参数列表,完成系统参数初始化;按权重依次随机选中能量层、构象室、构象,进行构象扩展,按照相应的Metropolis准则来判断是否接收当前构象,完成构象系综更新;迭代的进行上一步骤,直至到达设置的迭代次数。本发明提供了一种有效的构象空间增强采样方法。

    一种基于meanshift分类的大规模客户点分类配送方法

    公开(公告)号:CN103593747A

    公开(公告)日:2014-02-19

    申请号:CN201310547712.0

    申请日:2013-11-07

    摘要: 一种基于meanshift算法的大规模客户点分类配送方法,包括以下步骤:A1、获取带有4个字段的路网矢量数据,对不及、超过和节点不相交3种情况进行处理并建立GIS富网络路网模型,A2、建立配送目标节点分类模型;A3、建立车辆优化调度模型;A4、先采用N阶最短近邻算法,确定大规模客户点分类的数目k,meanshift算法确定大规模客户点分类后的聚类中心以及各个聚类包含的客户点;A5、每一类中的配送目标节点为原来的1/k,再对每一类中的配送目标节点采用车辆优化调度算法得到配送结果。本发明以配送点间的实际路网线路距离为计算依据,同时考虑道路实际行车能力、网点数较大、配送点对货运需求时间。

    一种基于抽象凸下界估计的蛋白质结构预测方法

    公开(公告)号:CN103413067A

    公开(公告)日:2013-11-27

    申请号:CN201310329575.3

    申请日:2013-07-30

    IPC分类号: G06F19/16

    摘要: 一种基于抽象凸下界估计的蛋白质结构预测方法,包括以下步骤:首先针对蛋白质高维构象空间采样难题,采用一系列变换方法将ECEPP/3力场模型转换为单位单纯性约束条件下的递增射线凸函数;基于抽象凸理论,证明并分析给出了递增射线凸函数的支撑超平面集;然后,在差分进化群体算法框架下,基于群体极小化构象次微分知识构建下界低估支撑面;进而,通过低估支撑面极值点快速枚举方法,逐步减小构象采样空间以提高采样效率;同时,利用下界低估支撑面快速廉价地估计原势能模型能量值,有效减少势能模型目标函数的评价次数;最后,甲硫氨酸—脑啡肽(TYR1-GLY2-GLY3-PHE4-MET5)构象空间优化实例验证了本发明的有效性。本发明提供一种可靠性高、复杂性较低、计算效率高的基于抽象凸下界估计的蛋白质结构预测方法。

    一种构象空间动态步长搜索方法

    公开(公告)号:CN104200132B

    公开(公告)日:2017-04-19

    申请号:CN201410362507.1

    申请日:2014-07-28

    IPC分类号: G06F19/16

    摘要: 一种构象空间动态步长搜索方法,包括以下步骤:对构象空间按照能量和温度分层,在每一层中再细分得到“构象室”,完成构象空间的初始化;随机扰动氨基酸序列得到一个初始构象,通过Rosetta Score3计算得到其能量值,存入相应能量层的构象室中;对所分能量层分配权重,在不同能量层赋予不同的片段组装步长和Monte Carlo扰动步长,同时设置温度参数列表,完成系统参数初始化;按权重依次随机选中能量层、构象室、构象,进行构象扩展,按照相应的Metropolis准则来判断是否接收当前构象,完成构象系综更新;迭代的进行上一步骤,直至到达设置的迭代次数。本发明提供了一种有效的构象空间增强采样方法。

    一种基于富网络属性路网的物流配送方法

    公开(公告)号:CN103123704A

    公开(公告)日:2013-05-29

    申请号:CN201310027566.9

    申请日:2013-01-21

    IPC分类号: G06Q10/08 G06Q50/28

    摘要: 一种基于富网络属性路网的物流配送方法,包括以下步骤:A1.获得带有至少OBJECTID*,Shape*,NAME,Shape_Length,TIME5个字段的路网矢量数据,原始数据需要处理才能拓扑分析。A2.采用自动方法处理不及、超过和节点不相交的3种情况。A3.构建路网数据对象模型。A4.对地图数据检查过的矢量数据进行路网的拓扑处理。A5.路网拓扑关系利用节点表达路段与路段之间的连通性,因此构建城市路网的拓扑关系主要是提取和处理节点、路段信息,从而建立拓扑关系。A6.配送路线代价权值的确定也是将配送问题的非线性转化为线性问题求解的关键。A7.配送问题模型的建立。A8.针对配送问题模型提出的一种经典的表上作业法,可编程实现。

    一种基于meanshift分类的大规模客户点分类配送方法

    公开(公告)号:CN103593747B

    公开(公告)日:2016-11-23

    申请号:CN201310547712.0

    申请日:2013-11-07

    摘要: 一种基于meanshift算法的大规模客户点分类配送方法,包括以下步骤:A1、获取带有4个字段的路网矢量数据,对不及、超过和节点不相交3种情况进行处理并建立GIS富网络路网模型,A2、建立配送目标节点分类模型;A3、建立车辆优化调度模型;A4、先采用N阶最短近邻算法,确定大规模客户点分类的数目k,meanshift算法确定大规模客户点分类后的聚类中心以及各个聚类包含的客户点;A5、每一类中的配送目标节点为原来的1/k,再对每一类中的配送目标节点采用车辆优化调度算法得到配送结果。本发明以配送点间的实际路网线路距离为计算依据,同时考虑道路实际行车能力、网点数较大、配送点对货运需求时间。

    一种基于富网络属性路网的物流配送方法

    公开(公告)号:CN103123704B

    公开(公告)日:2016-02-24

    申请号:CN201310027566.9

    申请日:2013-01-21

    IPC分类号: G06F17/00

    摘要: 一种基于富网络属性路网的物流配送方法,包括以下步骤:A1、获得带有至少OBJECTID*,Shape*,NAME,Shape_Length,TIME5个字段的路网矢量数据,原始数据需要处理才能拓扑分析。A2、采用自动方法处理不及、超过和节点不相交的3种情况。A3、构建路网数据对象模型。A4、对地图数据检查过的矢量数据进行路网的拓扑处理。A5、路网拓扑关系利用节点表达路段与路段之间的连通性,因此构建城市路网的拓扑关系主要是提取和处理节点、路段信息,从而建立拓扑关系。A6、配送路线代价权值的确定也是将配送问题的非线性转化为线性问题求解的关键。A7、配送问题模型的建立。A8、针对配送问题模型提出的一种经典的表上作业法,可编程实现。

    一种多模态蛋白质构象空间搜索方法

    公开(公告)号:CN103077226B

    公开(公告)日:2015-10-07

    申请号:CN201210593379.2

    申请日:2012-12-31

    IPC分类号: G06F17/30 G06F19/10 G06N3/00

    CPC分类号: Y02D10/45

    摘要: 本发明提出了一种多模态蛋白质构象空间搜索方法,即在排挤差分进化算法的基础上,综合了空间局部性原理和集结过程思想,并采用能量极小化过程对实验所得蛋白质构象进行处理。空间局部性原理提升了算法的收敛速度,并有效地平衡了多模态优化问题的局部收敛性和模态多样性;集结过程通过随机选取不同的交叉策略,避免了构象中较好片段被算法破坏,改善了蛋白质构象群体的多样性;能量极小化过程降低了蛋白质构象空间求解的复杂度,有效缩小了其可行域的搜索空间。本发明以脑啡肽为例,不仅得到了其公认的全局最稳定结构,还获得了一系列高质量的局部稳定结构,解决了传统针对单一靶点的单模态研究方法所不能解决的疾病多基因和多靶点通路的问题,满足了现阶段计算机辅助药物设计中对于蛋白质结构多模态的需求。

    一种基于GIS富网络属性路网的大规模分类配送方法

    公开(公告)号:CN103489082A

    公开(公告)日:2014-01-01

    申请号:CN201310202970.5

    申请日:2013-05-27

    IPC分类号: G06Q10/08 G06Q50/28 G06F17/30

    CPC分类号: Y02T10/56

    摘要: 一种基于GIS富网络属性路网的大规模分类配送方法,包括以下步骤:A1、获得带有至少OBJECTID*,Shape*,NAME,Shape_Length4个字段的路网矢量数据,原始数据需要处理才能拓扑分析。A2、采用自动方法处理不及、超过和节点不相交的3种情况。A3、构建GIS富网络模型,同时利用GIS软件创建网络数据集,通过设置网络连通性和网络属性,进行网络分析,得到各个配送点之间的最短距离的OD矩阵。A4、建立配送目标节点分类模型。A5、构建车辆优化调度模型,A6、配送目标节点分类算法设计,同时确定每一类的中心地理坐标。A7、车辆优化调度算法的设计,设计车辆优化调度设法,使总体费用最小,并能准时,准确,高效的完成配送任务。

    基于差分进化和构象空间退火的蛋白质三维结构预测方法

    公开(公告)号:CN103473482B

    公开(公告)日:2016-04-13

    申请号:CN201310299435.6

    申请日:2013-07-15

    IPC分类号: G06F19/16

    摘要: 针对蛋白质三维结构预测这个高维复杂的优化问题,本发明提出了一种综合差分进化算法和构象空间退火算法的一种蛋白质三维结构预测方法,将差分进化算法融入到构象空间退火算法中,形成混合优化算法。在构象空间退火算法的框架下,差分进化算法能够很好的提高种群的多样性,同时差分进化算法中的全局优化因子能够增加种群竞争,提高了算法的收敛能力。仿真结果表明,该方法具有较好的收敛性能和预测精度,能够有效的找到脑啡肽的全局能量最小对应的结构。