软计算方法及其在药物分子对接中的应用研究.pdfVIP

软计算方法及其在药物① 分子对接中的应用 康玲李洪林李纯莲 王希诚 大连理工大学计算机科学与工程系、工业装备结构分析重点实验室，大连，116023 摘要本文讨论了软计算这一新兴研究领域涉厦的主要计算方法，并以我们研究组发展的基于 信息墒的多种群遗传算法为例，探讨了其在分子对接中的应用前景。 关键词软计算方法，分子对接，信息熵 1 引言 软计算方法是国际上最新发展起来的数学优化方法。所谓软计算，是和硬计算相对而言 的。传统的基于解析技术的计算模式称为硬计算，而软计算反映的是一种计算目的上的重要转 移，它与人脑相对应，具有在不确定及不精确环境中进行推理和学习的卓越能力。 当前，软计算方法的研究比较分散，本文在对软计算技术所涉及到的主要方法做一概括的 基础之上，结合本研究小组的部分研究工作，阐述了其在分子对接当中的应用及发展状况。 2 主要的软计算方法 2．1 模糊计算 自然和人工系统中存在着三种复杂性：随机性、模糊性和不确定性。20世纪60年代美国 加州大学的LotfiZadeh教授首次提出了表达事物模糊性的重要概念——隶属函数。他把元素 对集的隶属度从原来的非0即1推广到可以取区间[o，1]的任何值，这样用隶属度定量地描述 论域中元素符合论域概念的程度，就实现了对普通集合的扩展，从而可以用隶属函数表示模糊 集。而这一对真实世界的模糊描述的基本理论，其框架其实就是经典集合论的直接推广。 模糊理论构成了模糊计算系统的基础，它用严格的数学方法分析模糊的系统信息，是处理 模糊信息的有效方法，铺设了经典的定量化方法和“模糊”世界的桥梁。而模糊逻辑则是建立在 模糊集合论基础上的处理不确定知识和近似推理的主要方法。模糊逻辑属于逻辑推理范畴，它 是将人类的非精确推理或所谓近似推理本领进行规范的一种方法。这种推理代表人类的近似 推理能力或不确定条件下的判断能力，它将传统的二值逻辑推广到无穷多值逻辑，使对逻辑规 律的描述更符合现实。 ①基盘项目{田家“978’璜目(2003AIGXl71)I国家自然科学基金贷助瑗目 346 近年来，以模糊逻辑为核心的模糊计算获得了广泛应用，在自动控制、决策分析、智能系统 等领域均取得了大批成果。而模糊计算与其它技术的有机结合，更使其可解问题域大为延拓， 问题求解的质量显著提高，从而逐渐成为软计算中不可或缺的重要组成。 * 2．2 演化计算 自然界当中的各类物种是在一种竞争的环境中生存繁衍的，优胜劣汰使得物种得以不断 改进。进几十年来，人们通过对生物系统及其行为特征进行模拟，开发出了通用计算模型，产生 了演化计算理论。 · 演化计算采用简单的编码技术来表示各种复杂的结构，并通过对一组编码表示进行简单 的遗传操作和优胜劣汰的自然选择来指导学习和确定搜索的方向。 演化计算主要涉及到以下分支：遗传算法(genetic programming)、演化策略(evolutionstrategy)和遗传程序设计(geneticprogramming)： 遗传算法是一类借鉴生物界自然选择和自然遗传机制的随机化搜索算法。它是由美国 Michigan大学的John 遗传算法模拟生命进化机制，将较劣的初始解通过一组遗传算子，在求解空间按一定的随机规 则迭代搜索，直到求得问题的最优解。 字符集中的符号组成的序列，根据当前观察到的符号序列作出相应以获得最大收益。演化策略 则是利用生物变异的思想，随机改变描述物体形状的参数值从而获得较好的结果。通常，演化 规划需要借助于演化策略方法来进行发展。 采用遗传算法的基本思想，但使用一种更为灵活的表示方式——分层结构来表示解空间。每一 个分层结构可以对应问题的一个解，也可以理解为求解该问题的一个计算机程序。遗传程序设 计即是使用一些遗传操作动态地改变这些结构以获得解决该问题地可行地计算机程序。 这几个分支的不同之处主要在于：遗传算法采用的主要遗传算子是交叉操作，并且它是针 对解空间的映射空间进行操作；而演化策略及演化规射基于的主要操作是变异，并且直接在解 空间上进行操作，强调演化过程中搜索方向和步长的自适应调节。虽然这几个分支具有一些差 别，但它们具有一个共同点，即都是借助生物演化思想来解决实际问题。 2．3神经网络计算 神经网络是模仿人脑生理特性的新型智能信息处理系统。它以模拟生物神经元为基础