分子构型两阶段多模低估优化理论研究及算法设计

分子构型分析问题实质是选择一种势能模型作为目标函数，利用优化算法在分子势能曲面上搜索能量最小结构。通过对分子稳定构型的研究，可为分子生长过程中的构型变化规律提供丰富的理论依据，发现决定分子特定结构的形成机理，为新型材料和基因药物的设计和研发提供理论依据。项目针对分子构型优化的计算复杂性问题，设计基于群体的两阶段无偏多模优化算法；借鉴分子动力学思想建立基于高斯牛顿力场模型的种群生境距离分析理论和计算方法，突破现有多模优化理论中要求极值点分布均匀的限制；利用物种适应度信息建立基于抽象凸理论的下界估计模型，揭示Voronoi图与下界估计曲面锯齿状极值点之间的映射关系，设计包络曲面极值点快速枚举算法，通过构建渐进收紧下界，系统排除局优解区域，指导群体进化过程；设计开发构型优化引擎，研制实用分子构型优化软件；并最终将之应用到较大尺寸LJ2～300和Tersoff2～50势能模型分子构型优化问题之中。

分子构型分析问题实质是选择一种势能模型作为目标函数，利用优化算法在分子势能曲面上搜索能量最小结构。通过对分子稳定构型的研究，可为分子生长过程中的构型变化规律提供丰富的理论依据，发现决定分子特定结构的形成机理，为新型材料和基因药物的设计和研发提供理论依据。项目组针对分子构型优化下界估计问题，利用个体适应度信息建立了基于抽象凸理论的下界估计模型，揭示了Voronoi 图与下界估计曲面锯齿状极值点之间的映射关系，设计并实现了基于N-叉树的估计模型快速计算方法，通过构建渐近收紧下界，系统排除局优解区域，指导群体进化过程；在此基础上，基于抽象凸估计模型及N阶近邻分析相关理论，在进化计算框架下，相继提出一种基于广义凸下界估计的差分进化算法、一种基于局部抽象凸支撑面的多模态优化算法以及一种基于N阶近邻分析的自适应差分进化算法，并通过标准测试函数数值实验表明提出算法的有效性；针对一类团簇构型优化问题，提出一种适于求解高维多模优化问题的局部限制差分进化算法，通过在差分进化算法的接受阶段引入有限次的局部搜索过程及下降方向变异策略，在保证解全局最优性的前提下可有效的增加算法收敛速度，实验结果表明可计算得到MBP6/As 和 MBP6/Si(C)的稳定结构；针对生物大分子高维构型空间采样难题，基于ECEPP/3势能模型及设计模型约束条件，相继提出了一种基于抽象凸和构型空间退火的混合优化算法、一种基于排挤差分进化策略的多模态优化算法、一种基于集结过程和差分进化算法的混合优化方法以及一种基于改进排挤差分进化的蛋白质结构多模态预测算法，基于上述算法，均优化得到了脑啡肽分子理论稳定结构及一系列亚稳态结构，实验结果同时表明，由于实验的误差和力场模型的简化特性, 势能值的大小可能并不是评判蛋白质结构是否稳定的唯一标准；此外，基于Rosetta Score3粗粒度能量模型，在基本差分进化算法框架下，利用片段组装有效缩小搜索空间，设计基于Monte Carlo能量局部增强方法，进而提出一种基于Monte Carlo局部增强和片段组装的差分进化算法，1ENH(54)、1GB1(56)、2JUJ(56)、1GYZ(60)及4ICB(76)五种蛋白质数值研究结果表明，提出的算法能够得到五种较大规模蛋白质的稳态结构。