210 likes | 285 Views
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.
E N D
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.
אופטימיזציה בגישה אבולוציונית • מושגים בסיסיים: • פרט – פתרון אפשרי לבעיה
אופטימיזציה בגישה אבולוציונית • מושגים בסיסיים: • פרט – פתרון אפשרי לבעיה • אוכלוסייה – אוסף פתרונות
אופטימיזציה בגישה אבולוציונית • מושגים בסיסיים: • פרט – פתרון אפשרי לבעיה • אוכלוסייה – אוסף פתרונות • דור – מעבר מאוכלוסיית "הורים" לאוכלוסיית "צאצאים"
אופטימיזציה בגישה אבולוציונית • מושגים בסיסיים: • פרט – פתרון אפשרי לבעיה • אוכלוסייה – אוסף פתרונות • דור – מעבר מאוכלוסיית "הורים" לאוכלוסיית "צאצאים" • מוטציה – פרט שיש לו רק הורה אחד והוא שונה ממנו.
אופטימיזציה בגישה אבולוציונית • מושגים בסיסיים: • פרט – פתרון אפשרי לבעיה • אוכלוסייה – אוסף פתרונות • דור – מעבר מאוכלוסיית "הורים" לאוכלוסיית "צאצאים" • מוטציה – פרט שיש לו רק הורה אחד והוא שונה ממנו. • רקומבינציה – פרט שיש לו שני הורים והוא צרוף תכונות משניהם
אופטימיזציה בגישה אבולוציונית • מושגים בסיסיים: • פרט – פתרון אפשרי לבעיה • אוכלוסייה – אוסף פתרונות • דור – מעבר מאוכלוסיית "הורים" לאוכלוסיית "צאצאים" • מוטציה – פרט שיש לו רק הורה אחד והוא שונה ממנו. • רקומבינציה – פרט שיש לו שני הורים והוא צרוף תכונות משניהם • כשירות (fitness) – מידת ההתאמה לסביבה
האלגוריתם הבסיסי התחל מאוכלוסייה אקראית
האלגוריתם הבסיסי התחל מאוכלוסייה אקראית בחר את הטובים ביותר בה X X
האלגוריתם הבסיסי התחל מאוכלוסייה אקראית בחר את הטובים ביותר צור דור חדש בעזרת מוטציות 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.
מציאת מבנים בעלי אנרגיה נמוכה באלגוריתם גנטי – התוכנית הנאיבית
תזכורת לבעיה HHPPHH P H Energy = 0
ייצוג הקונפורמציה P Hhpphh H f>^>>^ {H0f}{H1>}{P2^}{P3>}{H4>}{H5^} Energy = 0
עקרונות תכנון תכנות מונחה עצמים יצירה של עצמים – כמעט רק בשלב האתחול. עצמים ממוחזרים. אלגוריתמים אבולוציוניים
Major classes Monomer • Fields: • MonomerType type (H/P) • number (0/1/…) • protein • grid • x,y,z (coordinates) • direction (f/^/>/</u/d) • Public methods • getRelativeDirection() • setRelativeDirection(MonomerDirectionrelativeDirection) • reset()
Major classes Protein • Fields: • fitness; • energy; • sequence; • grid; • random; • name; • final Conformation conformation; • Public methods • setConformation • Reset • evaluateEnergy • compareTo
Major classes Grid • Fields: • Monomer[][][] grid • maxX, maxY,maxZ, minX, minY, minZ; • protein • Public methods • boolean update(Monomer monomer) • countContacts(Monomer monomer) • reset
Major classes Mutation
Major classes MutationManager • Fields: • MutationDictionarydictionary • Public methods • mutate(Protein protein, Protein out, intmax_tries)