הרפיה ( Simulated Anealing ). להתחיל חם ולאט לאט לקרר

(.Simulated Anealingהרפיה ) להתחיל חם ולאט לאט לקרר.

יתרונות: תמיד מגיעים למינימום • אם למשטח האנרגיה צורת משפך, מצליחים למצוא מינימום גלובאלי.•

חסרונות: נדרש הרבה זמן חישוב.• התוצאות תלויות מאוד בפרוטוקול הקרור.• לא יעיל אם למשטח האנרגיה אין צורת משפך.•

אבולוציונית בגישה אופטימיזציה

: בסיסיים מושגיםלבעיה – • אפשרי פתרון פרט

אבולוציונית בגישה אופטימיזציה

: בסיסיים מושגיםלבעיה – • אפשרי פתרון פרטפתרונות – • אוסף אוכלוסייה

אבולוציונית בגישה אופטימיזציה

: בסיסיים מושגיםלבעיה – • אפשרי פתרון פרטפתרונות – • אוסף אוכלוסייה•" " " צאצאים – " לאוכלוסיית הורים מאוכלוסיית מעבר דור

אבולוציונית בגישה אופטימיזציה

: בסיסיים מושגיםלבעיה – • אפשרי פתרון פרטפתרונות – • אוסף אוכלוסייה•" " " צאצאים – " לאוכלוסיית הורים מאוכלוסיית מעבר דור

•. ממנו – שונה והוא אחד הורה רק לו שיש פרט מוטציה

אבולוציונית בגישה אופטימיזציה

: בסיסיים מושגיםלבעיה – • אפשרי פתרון פרטפתרונות – • אוסף אוכלוסייה•" " " צאצאים – " לאוכלוסיית הורים מאוכלוסיית מעבר דור

•. ממנו – שונה והוא אחד הורה רק לו שיש פרט מוטציהמשניהם – • תכונות צרוף והוא הורים שני לו שיש פרט רקומבינציה

אבולוציונית בגישה אופטימיזציה

: בסיסיים מושגיםלבעיה – • אפשרי פתרון פרטפתרונות – • אוסף אוכלוסייה•" " " צאצאים – " לאוכלוסיית הורים מאוכלוסיית מעבר דור

•. ממנו – שונה והוא אחד הורה רק לו שיש פרט מוטציהמשניהם – • תכונות צרוף והוא הורים שני לו שיש פרט רקומבינציהלסביבה( – fitnessכשירות )• ההתאמה מידת

הבסיסי האלגוריתם

מאוכלוסייה התחלאקראית

הבסיסי האלגוריתם

מאוכלוסייה התחלאקראית

הטובים את בחרבה ביותר

X X

הבסיסי האלגוריתם

מאוכלוסייה התחלאקראית

הטובים את בחרביותר

בעזרת חדש דור צורמוטציות

ורקומבינציות

יתרונות:

תמיד מגיעים למינימום • אם למשטח האנרגיה צורת משפך, מצליחים למצוא מינימום גלובאלי.•

חסרונות:

נדרש הרבה זמן חישוב.•

התוצאות תלויות מאוד בגודל האוכלוסייה ובאופן שבו נעשות המוטציות והרקומבינציות.• לא יעיל אם למשטח האנרגיה אין צורת משפך.•

הנאיבית – התוכנית גנטי באלגוריתם נמוכה אנרגיה בעלי מבנים מציאת

HHPPHH

Energy = 0

P

H

לבעיה תזכורת

P H

0 -1 H

0 0 P

Hhpphh

Energy = 0

P

H

הקונפורמציה ייצוגP H

0 -1 H

0 0 P

f>^>>^{H0f}{H1>}{P2^}{P3>}{H4>}{H5^}

תכנון עקרונותעצמים 1. מונחה תכנות.2. . ממוחזרים – עצמים האתחול בשלב רק כמעט עצמים של יצירהאבולוציוניים 3. אלגוריתמים

Major classesMonomer

Fields:• MonomerType type (H/P)• number (0/1/…)• protein• grid• x,y,z (coordinates)• direction (f/^/>/</u/d)

Public methods• getRelativeDirection() • setRelativeDirection(MonomerDirection relativeDirection) • reset()

Major classesProtein

Fields:• fitness;• energy;• sequence;• grid;• random;• name;• final Conformation conformation;Public methods

• setConformation• Reset• evaluateEnergy• compareTo

Major classesGrid

Fields:• Monomer[][][] grid• maxX, maxY,maxZ, minX, minY, minZ;• protein

Public methods• boolean update(Monomer monomer)• countContacts(Monomer monomer)• reset

Major classesMutation

Major classesMutationManager

Fields:• MutationDictionary dictionary

Public methods• mutate(Protein protein, Protein out, int max_tries)