结合可变邻域搜索和分布估计算法解决蛋白质侧链布局问题

桑塔纳，罗伯托,佩德罗·玛丽亚·拉拉纳加·穆吉卡 ORCID代码：https://orcid.org/0000-0003-0652-9872和何塞·安东尼奥·洛扎诺(2008).结合可变邻域搜索和分布估计算法解决蛋白质侧链布局问题.《启发式杂志》第14卷（n.5）；第519-547页。ISSN 1381-1231。 https://doi.org/10.1007/s10732-007-9049-8.

描述（Descripción）

蒂图罗:	结合可变邻域搜索和分布估计算法解决蛋白质侧链布局问题
汽车:	桑塔纳，罗伯托佩德罗·玛丽亚·拉拉纳加·穆吉卡 https://orcid.org/0000-0003-0652-9872 何塞·安东尼奥·洛扎诺
Tipo de Documento公司:	艺术
蒂图洛·德雷维斯塔/公共事务:	启发式杂志
德国福查:	2008
ISSN公司:	1381-1231
Volumen公司:	14
材料:	生物志通知ática
帕拉布拉斯·克莱夫·因马莱斯宫（Palabras Clave Informales）:	VNS、EDA、UMDA、蛋白质折叠、旋转体、蛋白质侧链安置
埃斯库埃拉:	信息学院（UPM）[antigua denominación]
德拉门托:	人工智能
Licencias Creative Commons许可证:	Reconcimiento-Sin obra deridada-无商业用途

完成文本

PDF（可移植文档格式） -Se necesita un visor de ficheros PDF，como公司GSview公司,Xpdf公司哦Adobe Acrobat阅读器
Descargar公司（6MB）

简历

这项工作的目的是介绍几种结合两种元启发式算法的建议：可变邻域搜索（VNS）和分布估计算法（EDAs）。虽然这些元启发式算法之前都以多种方式进行了混合，但本文首次尝试将这两种优化方法结合起来。

结合VNS和EDA的不同方式将分为三类。在第一组中，我们将考虑将VNS的基本原理嵌入EDA的组合。考虑到不同的邻域空间（点、总体或概率分布），我们将获得该组方法的实例。第二组算法是在使用概率模型（或任何其他机器学习范式）时获得的，以便在简化的可变邻域搜索中利用随机生成的解的优缺点。最后一组算法包含交替VNS和EDA的结果。

介绍了第一种方法在蛋白质侧链布局问题中的应用。结果表明了EDA和VNS混合算法的优越性。

协会项目

蒂波

Código公司

阿科尼莫

责任的

蒂图罗

西班牙政府

TIN2005-03824号

特别罪

西班牙政府

SGI/IZO-SGIker UPV/EHU

特别罪

马斯信息

注册ID:	73087
标识符DC:	https://oa.upm.es/73087/
识别器OAI:	oai:oa.upm.es:73087
识别器DOI:	2007年10月10日/10732-007-9049-8
官方URL:	https://link.springer.com/article/10.1007/s10732-0。。。
Depositado por公司:	信息学图书馆
Depositado埃尔:	2023年3月28日11:08
Ultima Modificacion公司:	2024年3月20日18:37