No abstract

No abstract

No abstract

Recentemente, pesquisadores têm proposto o uso de Algoritmos Genéticos (AGs) para a determinação da estrutura tridimensional de proteínas. No entanto, este é um problema difícil para um AG tradicional, pois na maioria das vezes ocorre a convergência prematura das soluções para ótimos locais. Isto ocorre porque o uso de mecanismos de seleção no AG acarreta uma perda da diversidade das soluções. Assim, neste trabalho, são investigadas estratégias para controlar a diversidade da população do AG e evitar que a solução fique rapidamente presa em ótimos locais. São empregadas bases de dados de ângulos de torção para a cadeia principal, cadeia lateral e técnicas de controle de diversidade em AGs conhecidas como Hipermutação e Imigrantes Aleatórios. Além disso, um novo algoritmo baseado no AG com Imigrantes Aleatórios Auto-Organizáveis é proposto. Os resultados mostram que estas variações são efetivas no objetivo de não manter o conjunto de soluções preso a uma região apenas, além de melhorar o desempenho para o problema de determinação de estruturas terciárias de proteínas.

In the Genetic Algorithm with the standard random immigrants approach, a fixed number of individuals of the current population are replaced by random individuals in every generation. The rate of replaced individuals is defined a priori, and has a great impact on the performance of the algorithm. In this paper we present a new strategy to control the number of random immigrants in Genetic Algorithms applied to the protein structure prediction problem. Instead of using a fixed number of new individuals per generation, the proposed approach increases or decreases the number of new individuals to be inserted in the generation according to a self-organizing process. Results show that with the algorithm can determine the number of replaced individuals per generation in a self-organized way.