| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 变量注释表 | 第15-16页 |
| 1 绪论 | 第16-24页 |
| 1.1 课题研究背景 | 第16-17页 |
| 1.2 蛋白质结构预测 | 第17-21页 |
| 1.3 蛋白质结构预测与群智能算法 | 第21-22页 |
| 1.4 主要研究内容及论文结构 | 第22-24页 |
| 2 基于布朗运动粒子群算法的蛋白质格点模型预测 | 第24-43页 |
| 2.1 蛋白质势能势阱特征粒子群模型 | 第26-32页 |
| 2.2 算法流程 | 第32-33页 |
| 2.3 参数确定 | 第33-35页 |
| 2.4 算法效率比较 | 第35-37页 |
| 2.5 求解HP格点模型的整数规划 | 第37-42页 |
| 2.6 结论 | 第42-43页 |
| 3 基于蛋白质势能模型的人口增量学习算法在蛋白质结构预测中的研究 | 第43-59页 |
| 3.1 引言 | 第43-44页 |
| 3.2 算法结构 | 第44-56页 |
| 3.3 计算研究 | 第56-58页 |
| 3.4 结论 | 第58-59页 |
| 4 基于布朗运动粒子群算法与蛋白质形成过程行为的蛋白质空间结构预测 | 第59-77页 |
| 4.1 从头预测算法 | 第60-62页 |
| 4.2 基于两参数的蛋白质折叠的简化力场模型 | 第62-68页 |
| 4.3 基于边生成便折叠方式的蛋白质折叠过程 | 第68-69页 |
| 4.4 基于布朗运动策略的粒子群算法的蛋白质折叠算法 | 第69-70页 |
| 4.5 计算研究 | 第70-76页 |
| 4.6 结论 | 第76-77页 |
| 5 基于随机多指标梯度排序多目标进化算法的蛋白质空间结构预测 | 第77-102页 |
| 5.1 蛋白质折叠因素介绍 | 第78-79页 |
| 5.2 多目标算法存在的问题 | 第79-81页 |
| 5.3 算法描述 | 第81-87页 |
| 5.4 计算研究 | 第87-96页 |
| 5.5 蛋白质结构多目标计算研究 | 第96-101页 |
| 5.6 结论 | 第101-102页 |
| 6 总结 | 第102-104页 |
| 6.1 本文内容小结 | 第102-103页 |
| 6.2 关于群智能课题的发展方向的若干思考 | 第103-104页 |
| 参考文献 | 第104-117页 |
| 作者简历 | 第117-119页 |
| 学位论文数据集 | 第119页 |
