Upload
verity
View
45
Download
3
Embed Size (px)
DESCRIPTION
הרפיה ( Simulated Anealing ). 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. - PowerPoint PPT Presentation
Citation preview
(.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)