1、蛋白質(zhì)工程是現(xiàn)代生物技術發(fā)展的前沿領域,求解蛋白質(zhì)結(jié)構預測問題是后基因組時代蛋白質(zhì)工程中最重要的課題之一,同時也是生物信息學領域中極具挑戰(zhàn)性的問題之一。蛋白質(zhì)結(jié)構預測中的從頭預測方法以熱力學假說“蛋白質(zhì)的天然構象是自由能最低的構象”為理論基礎,通過計算蛋白質(zhì)最低的能量值可以預測出蛋白質(zhì)的結(jié)構。因此,使用從頭預測方法來進行蛋白質(zhì)結(jié)構預測可以歸結(jié)為一個全局優(yōu)化的問題。
　　 AB(Toy)模型是蛋白質(zhì)結(jié)構預測的經(jīng)典模型之一。它是一種

2、連續(xù)聚合體模型,比其他模型更接近真實的蛋白質(zhì)結(jié)構,研究的現(xiàn)實意義也更大?；贏B(Toy)模型的蛋白質(zhì)結(jié)構預測問題是一個典型的NP問題,尋找一種有效的全局優(yōu)化算法是求解該問題的關鍵。目前,已經(jīng)有許多啟發(fā)式算法應用到蛋白質(zhì)的二維AB模型中進行結(jié)構預測,但是這些方法預測的精度不夠高,計算的速度也不夠快。將粒子群優(yōu)化(PSO)算法應用于蛋白質(zhì)結(jié)構預測中是近幾年來PSO算法的一個新的應用?；诙SAB模型,本文研究了蛋白質(zhì)結(jié)構預測的全局版本和局

3、部版本的PSO算法。對局部版本的PSO算法,分別研究了環(huán)形五鄰域結(jié)構、環(huán)形九鄰域結(jié)構、馮·諾依曼五鄰域結(jié)構和馮·諾依曼九鄰域結(jié)構,在四條Fibonacci蛋白質(zhì)測試序列上進行了仿真。
　　 針對PSO算法在求解多變量優(yōu)化問題中存在的不足,提出了一種帶迭代改進策略的PSO算法框架,能有效地減少多變量之間的相互影響,使PSO算法有更好的局部求精能力。在典型測試函數(shù)上的仿真表明,帶迭代改進策略的PSO算法明顯優(yōu)于傳統(tǒng)PSO算法。將該算