第二章化学计量学概述.ppt

定量构效关系研究： 化学结构描述符 ：化学结构数字化 定量构效关系建模 ：建立模型 现代最优化方法 - 搜索全局最优解 　模拟退火法 　遗传算法 　人工神经网络 蚁群算法 粒子群算法 遗传算法（Genetic Algorithm,GA） 达尔文进化论思想，适者生存 模拟生物的自然进化过程进行最优解搜索。 自然进化的特征在20世纪60年代得到美国Michigan大学的John Holland极大兴趣，他和他的学生们吸收了自然进化的思想，提出机器学习的新算法，Holland将其取名为遗传算法。 1975年，Holland出版了颇有影响的专著Adaptation in Natural and Artificial Systems, 之后，遗传算法才逐渐被人们所知。 遗传算法基本思想 生物遗传基本单元 个体 染色体（基因） 种群 繁殖过程 进化规则：优胜劣汰 遗传算法基本思想 个体编码：染色体 -- 群体生成 迭代运算：3种进化 适应性值评估 遗传算法由六个基本的操作组成： 1）编码：根据要解决问题的特征，将问题的解在其解空间中表示成遗传空间的基因型串结构数据（染色体）。 2）初始群体的生成：随机产生N个初始串结构数据，每个串结构数据称为一个个体，N个个体构成了一个群体。 3）适应性值评估检测：适应性函数表明个体或解的优劣性。 4）选择：目的是为了从当前群体中选出优良的个体，使它们有机会作为父代为下一代繁殖子孙。 5）交叉：最主要的遗传操作。通过交叉换操作可以得到新一代个体，新个体组合了其父辈个体的特性。交叉换体现了信息交换的思想。随机产生交叉。 6）变异：首先在群体中随机选择一个个体，对于选中的个体以一定的概率随机地改变串结构数据中某个串的值。 随机性：保证不陷入局部最优 遗传算法实例 154种血脑屏障穿透化合物，利用遗传算法从154种分子结构描述符中选择有限数目的描述符，建立这些化合物结构与血脑屏障穿透能力之间的关系，本项工作的关键就是变量选择（即描述符选择）。 解题难点 变量优劣评价方法 154个样本变量组与指标建模，考察模型好坏。 变量选择方案 穷举：变量组合数目及其庞大， ,其中， 继续计算out of memory。无法计算。 单因素轮换：单变量最优-加入第二变量-…-最后，从中选择最优结果，154+153+…+1=11935，贪婪算法，局部最优 遗传算法思路 随机安排初值 三种进化机制优化变量 进化过程随机性避免落入局部最优 1）二进制编码：用154位的二进制串来表示变量，即表示154个结构描述符，如果串中某位为0表示对应的变量没有被选择，反之为1就是选择了该变量。 2）适应性函数FIT ：用选择的变量代表化合物结构，用多元线性回归方法MLR建立变量与血脑屏障穿透能力之间的构效关系模型，利用去一交互检验法LOO计算相关系数Q。 式中的n是化合物数目，k为所选变量个数。 FIT越大越好。 3)群体大小为500，进化次数，即迭代次数定为5000次。 4）遗传算法计算- 随机性 初始二进制编码为随机产生 使用轮赌方式进行选择，交叉和变异发生的点位都随机产生，交叉时，将双亲二进制串从随机产生的交叉点向后的所有位进行交叉，变异时每次只是对随机产生的点进行变异。交叉和变异对进化过程影响非常大，所以对它们加以限制，即并非每次都发生交叉和变异，而是用概率来进行控制，交叉概率为0.6，变异概率为0.2。 赌轮方式选择（根据FIT数值计算概率） 选择4个个体 根据FIT计算概率 绘制赌轮0-1（0%-100%） 随机产生一个数（0-1之间） 确定选中的个体，进入配对库 从配对库中随机配对，进行交叉 交叉 变异 5）对这组数据进行计算后，最优结果选择了6个变量，得到的构效关系模型如下： LogBB=0.120-0.0016×[50]+0.0014×[69]-0.0011×128]+0.0057×146]-0.0108×[147] +0.0395×[152] 遗传算法本质 提供一个最优解搜索策略 很多操作参数需选择和优化 随机性 三个优化方式是核心 人工神经网络(Atificial Neurial Network,ANN) 1943年，Warren McCulloch和Walter Pitts根据已知的神经细胞生物过程原理，构造了人类历史上第一次的人工神经元，后来，人们称它为M-P模型。 各种人工神经网络：感知机、自适应线性神经网络、Hopfield网络模型、Boltzman机、反向误差传播训练算法等 非线性关系 生物神经元 组成：细胞体、树突和轴突 树突：接受外界信号 轴突：向其他神经元传递信息 细胞体：处理信号 生物神经系统 人的神经系统10