论文摘要
在生物学领域根据氨基酸序列预测蛋白质结构是一个复杂而具有挑战性的问题。遗传退火算法是结合遗传算法和退火算法的优点而形成的一种新算法。它克服了遗传算法早熟早收敛、局部寻优能力差的缺点,同时也提高了模拟退火算法效率不高的问题。遗传退火算法(GAA)是被应用在AB非格点模型上的蛋白质结构预测(PSP)的最具代表性的算法之一,但是遗传退火算法需要大规模和很长时间的计算。因此,寻找一些方法减少有关蛋白质结构预测问题的计算时间和计算规模成了一项急迫的任务。多核处理器的出现,逐渐成熟的并行语言和可以直接运行在双核处理器电脑上的现存算法,这些为基于共享内存的编程提供了一个良好的先决条件。OpenMP是基于共享内存编程的工业标准,它具有许多优点,如简单性,可移植性和较好的可扩展性。因此,大多数用户喜欢使用OpenMP来提高算法的计算效率。本文提出了一种并行的模拟退火算法(GAA),此算法的目的是为提高蛋白质结构预测问题的计算速度。并行遗传退火算法使用了粗粒度并行模型,若干子种群代替了原来单一的种群,每个子种群独立的进化,每次进化完成之后本子种群中最好的个体依次取代其他子种群中最坏的个体以促进整个种群的进化。实验结果证明,此并行算法大大提高了遗传退火算法的计算效率。
论文目录
摘要Abstract第一章 绪论1.1 研究的背景及意义1.2 国内外研究现状1.3 研究的主要内容1.4 本文的结构安排第二章 OpenMP 介绍2.1 OpenMP 编程简介2.1.1 OpenMP 多线程发展状况2.1.2 OpenMP 多线程编程基础2.1.3 编译指导语句2.1.4 运行时库函数2.2 OpenMP 多线程应用程序编程技术2.2.1 循环并行化2.2.2 并行区域编程2.3 线程同步2.3.1 互斥锁机制2.4 OpenMP 多线程应用程序性能分析2.5 本章小结第三章 遗传算法及退火算法3.1 蛋白质的结构模型3.2 遗传算法(GA)3.2.1 遗传算法的基本原理3.3 模拟退火算法(SA)3.3.1 Metropolis 准则3.3.2 算法的描述3.4 本章小结第四章 基于OpenMP 的遗传退火算法的并行化4.1 遗传退火算法4.2 遗传退火算法并行模型4.2.1 直接并行模型4.2.2 分布式并行模型4.2.3 交叉并行模型4.3 并行算法4.4 本章小结第五章 实验结果5.1 实验环境5.2 Fibonacci 蛋白质序列5.3 实验结果对比5.4 本章小结第六章 结束语6.1 工作总结6.2 工作展望参考文献致谢附录Ⅰ 攻读硕士学位期间成果大摘要
相关论文文献
标签:蛋白质结构预测论文; 模拟退火算法论文; 并行技术论文;