PSO-GA协同优化算法及其在蛋白质结构预测中的应用
提出一种粒子群算法和和遗传算法相结合的PSO-GA协同算法,将粒子群算法的全局最优引导能力引入到遗传算法的种群中来,使遗传算法能够合理利用PSO的快速搜索特性,从而提高遗传算法的收敛速度。同时利用遗传算法的全局收敛性,来避免粒子群算法容易陷入局部最优的缺点。通过共享全局最优的方法,两种算法得以实现协同操作。协同优化的同时,两种方法保有各自的独立性。因而两种方法可以以并行的方法执行,从而使优化速度进一步提高。该算法应用于低同源蛋白质三级结构预测,结果表明该算法优于单独的粒子群算法和遗传算法。相同的测试环境下,PSO-GA协同算法具有更快的收敛速度,优化结果也更接近实际的全局最优解.
粒子群算法 遗传算法 协同优化 蛋白质结构
桑延超 彭志红 李谦
北京理工大学,信息科学与技术学院,北京,100081
国内会议
兰州
中文
202-206
2007-08-24（万方平台首次上网日期，不代表论文的发表时间）