اشترك بالحزمة الذهبية واحصل على وصول غير محدود شمرا أكاديميا
تسجيل مستخدم جديدتقييم خوارزميات الأمثلة متعددة الأهداف في حل مسألة ارتباط الجزيئات
Multi-Objective Optimization Algorithms to Solve Molecular Docking
1509
0 47
0
(
0
)
تمت اﻹضافة من قبل
Shamra Editor
اسأل ChatGPT حول البحث
تعتبر مسألة إيجاد الحل الأمثل لمسألة الارتباط الجزيئي بين المركبات من المسائل الصعبة. عند حل المسألة باستخدام الخوارزميات التي تتبع النهج الوحيد الهدف تكون النتائج متغيرة و معقدة. لا يمكن العثور إلاّ على عدد قليل من الأوراق البحثية التي تتناول هذه المسألة عن طريق اتباع النهج متعدد الأهداف، كما لم يتم بذل الجهد الكافي لإجراء مقارنات تجريبية في سبيل توضيح أفضل أداء لأفضل خوارزمية. يكمن هدف هذا البحث في استخدام مجموعة من خوارزميات الأمثلة متعددة الأهداف و المقارنة بينها لحل مسألة ارتباط الجزيئات بين المركبات.
Molecular docking is a hard optimization problem that has been tackled in the past, demonstrating new and challenging results when looking for one objective . However, only a few papers can be found in the literature that deal with this problem by means of a multi-objective approach, and no experimental comparisons have been made in order to clarify which of them has the best overall performance. In this research, we use and compare, a set of representative multi-objective optimization algorithms. The approach followed is focused on optimizing the inter-molecular and intra-molecular energies as two main objectives to minimize.
المراجع المستخدمة
Goodsell- D.S., Morris- G.M, 1998- Automated docking using a Lamarckian genetic algorithm and an empirical binding free energy function- pp.1639–166
Roy- R, Oduguwa- A., Tiwari- A, 2006- Multi-objective optimisation of the protein-ligand docking problem in drug discovery- Proceedings of the 8th Annual Conference on Genetic and Evolutionary Computation- Seattle- USA- pp. 1793–1800
Grosdidier- A., Zoete- V.- Michielin- O, 2007- EADock: Docking of small molecules into protein active sites with a multi-objective evolutionary optimization- pp. 1010–1025
قيم البحث
اقرأ أيضاً
تستخدم الخوارزميات التطورية المتعددة الأهداف على نطاق واسع من المجالات
في سبيل حل مسائل الأمثلة, و التي تتطلب وجود عدة أهداف متعارضة يجب
أخذها بعين الاعتبار معاً. تمتلك خوارزميات الأمثلة التطورية الأساسية عدة
عيوب, مثل الافتقار إلى معيار جيد لإنها
ء العمل, و عدم وجود براهين تثبت
التقارب الجهد. غالباً ما تستخدم خوارزمية أمثلة تطورية هجينة متعددة الأهداف
للتغلب على هذه العيوب.
optimization
الأمثلة
الأمثلة متعددة الأهداف
الخوارزميات التطورية
الخوارزميات التطورية المتعددة الأهداف
الخوارزميات التطورية عديدة الأهداف
(Multi-Objective Optimization (MO
Evolutionary Algorithms
(Multi-Objective Evolutionary Algorithms (MOEAs
(Many-Objective Evolutionary Algorithms (MaOEAs
المزيد..
ندرس في هذا البحث إمكانية المساهمة في حل مسألة توجيه المركبة مع نوافذ زمنية متعددة الأهداف ، و هي واحدة من مشاكل الأمثلية من النوع NP-hard,
حيث أخذت كثيرًا من اهتمام الباحثين في الوقت الحاضر بسبب تطبيقاتها المتعددة ذات
الطابع اليومي .
و سنقدم أيضا
ً خوارزمية تدعى بالهجينة تعتمد على مبدأ التكامل بين خوارزمية مستعمرة
النمل متعددة الأهداف و خوارزمية البحث المحظور ، و المستندة على أمثلية باريتو و
مقارنة الحل الناتج عن هذا النهج الهجين المطور و المستند على أمثلية باريتو مع نتائج
تجارب قياسية لاختبار فعالية هذه الخوارزمية المقدمة.
يعد إيجاد الحلول الأمثلية لمسألة البائع المتجول أمرًا مطلوباً في كثير من الأبحاث و التطبيقات العملية على اعتبار وجود مجموعة من الأهداف في وقت واحد.
نقدم في هذا البحث خوارزمية هجينة لحل مسألة البائع من خلال دمج خوارزمية مستعمرة النمل مع الخوارزمية الجينية.
يعتمد النمذجة وفهم الحوارات في محادثة على تحديد نية المستخدم من النص المحدد. كشف نية غير معروفة أو جديدة مهمة حاسمة، كما هو الحال في سيناريو واقعي قد يتغير نية المستخدم بشكل متكرر مع مرور الوقت وتحويله حتى إلى نية غير مرفدة. هذه المهمة المتمثلة في فص
ل عينات النية المجهولة من النوايا المعروفة واحدة صعبة حيث يمكن أن يتراوح نية المستخدم غير المعروفة من النوايا المشابهة للحالة المحددة مسبقا لشيء مختلف تماما. غالبا ما ينظر البحث المسبق في اكتشاف النية كهمة تصنيف حيث يمكن أن ينتمي نية غير معروفة إلى مجموعة محددة مسبقا من فئات النية المعروفة. في هذه الورقة، نتعامل مع مشكلة الكشف عن نية غير معروفة تماما دون أي تلميحات مسبقة حول نوع الطبقات التي تنتمي إلى نوايا غير معروفة. نقترح طريقة فعالة لما بعد المعالجة باستخدام التحسين متعدد الأهداف لضبط مصنف نوايا NEWRET NEWRET NEWELTION موجود وجعله قادر على اكتشاف حطاء غير معروف. نحن نقوم بإجراء تجارب باستخدام مصنفات النوايا الحالية الحالية واستخدام طريقةنا على رأسها لكشف نية غير معروفة. تظهر تجاربنا عبر المجالات المختلفة ومجموعات البيانات في العالم الحقيقي أن طريقتنا تعطي تحسينات كبيرة مقارنة بالطرق الحديثة للكشف عن النية غير معروفة.
سجل دخول لتتمكن من نشر تعليقات
التعليقات
جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
