| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 相关研究理论 | 第16-27页 |
| 2.1 分子对接 | 第16-17页 |
| 2.1.1 分子对接原理 | 第16页 |
| 2.1.2 分子对接分类 | 第16-17页 |
| 2.1.3 主要研究问题 | 第17页 |
| 2.2 遗传算法 | 第17-22页 |
| 2.2.1 算法概要 | 第17-19页 |
| 2.2.2 运算流程 | 第19页 |
| 2.2.3 基本实现技术 | 第19-22页 |
| 2.3 拉马克学习机制 | 第22-24页 |
| 2.4 班德文效应 | 第24-25页 |
| 2.5 信息熵 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 分子对接数学模型 | 第27-34页 |
| 3.1 互补匹配原则 | 第27-28页 |
| 3.2 数学模型 | 第28-33页 |
| 3.2.1 打分函数 | 第29-31页 |
| 3.2.2 构象搜索算法 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第四章 基于信息熵的改进拉马克算法及其在分子对接模型优化中的应用 | 第34-55页 |
| 4.1 拉马克遗传算法 | 第34页 |
| 4.2 分子对接模型 | 第34-36页 |
| 4.2.1 数学模型 | 第34-35页 |
| 4.2.2 模型转化 | 第35-36页 |
| 4.3 基于信息熵的多种群拉马克遗传算法 | 第36-44页 |
| 4.3.1 拉马克遗传算法运算流程 | 第36-37页 |
| 4.3.2 算法改进 | 第37-44页 |
| 4.4 仿真实验 | 第44-54页 |
| 4.4.1 实验目的 | 第44页 |
| 4.4.2 PDB蛋白分子文件结构 | 第44页 |
| 4.4.3 仿真程序 | 第44-49页 |
| 4.4.4 实验环境及参数设置 | 第49页 |
| 4.4.5 结果分析 | 第49-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于拉马克-班德文混合学习机制的分子对接模型 | 第55-74页 |
| 5.1 拉马克学习与班德文学习两种机制的对比 | 第55-56页 |
| 5.2 拉马克学习、班德文效应的结合方法 | 第56-58页 |
| 5.3 算法流程 | 第58-61页 |
| 5.4 仿真实验 | 第61-72页 |
| 5.4.1 实验目的 | 第61页 |
| 5.4.2 仿真程序 | 第61-63页 |
| 5.4.3 实验环境及参数设置 | 第63页 |
| 5.4.4 结果分析 | 第63-72页 |
| 5.5 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 工作总结 | 第74-75页 |
| 6.2 进一步研究方向 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-82页 |