药物分子设计第二讲.ppt
《药物分子设计第二讲.ppt》由会员分享,可在线阅读,更多相关《药物分子设计第二讲.ppt(28页珍藏版)》请在三一文库上搜索。
1、1,最优化方法,Optimization Methods,2,最优化问题概述,Minimize s.t.,Variable x: coordinates Objective function F(x): energy, conformation, combination, etc Constraint ci(x): atom fixed, force field, etc,目标函数,变量/参数,约束条件,最优化问题的一般形式为在一组限制性条件(等式/不等式、线性/非线性)约束下寻找目标函数的极小值/极大值。,3,最优化问题概述,最优化问题的分类通常从目标函数以及约束条件的特点入手。 目标函数包
2、括单变量函数、线性函数、线性函数平方和、二次函数、非线性函数平方和、非光滑非线性函数等类型。 约束条件包括无约束、简单有界、线性函数、光滑非线性函数等类型。,4,最优化条件,对于任何满足上述所有约束条件 的点 称为可行点(feasible point),而所有可行点的集合称为可行区域(feasible region)。 全局极小Vs.局部极小 通常得到的是局部极小 约束条件下没有极值 极限条件才有极值 如,当 ,,Minimize s.t.,5,最优化方法 Optimization Methods,数值最优化方法 Numerical Optimization 最陡下降法 Steepest De
3、scent 共轭梯度法 Conjugated Gradient 牛顿法 Newtons Methods 非数值最优化方法 Non-numerical Optimization 模拟退火 Simulated Annealing 遗传算法 Genetic Algorithm 神经网络 Artificial Neural Network,6,最优化方法 Optimization Methods,数值最优化方法 Numerical Optimization 最陡下降法 Steepest Descent 共轭梯度法 Conjugated Gradient 牛顿法 Newtons Methods 非数值最
4、优化方法 Non-numerical Optimization 模拟退火 Simulated Annealing 遗传算法 Genetic Algorithm 神经网络 Artificial Neural Network,7,数值最优化方法,算法结构迭代方法 给定一个初始点 ,按照某一迭代规则生成一个有限/无限的点序列 来估计最优解 ,当给定的某个终止条件满足时停止迭代。 有限序列的最后一个点为模型最优解的最佳估计 无限序列的极限点为模型最优解的最佳估计 非线性最优化算法 基于步长的方法 step-length-based methods 信赖域方法 trust region methods,
5、8,数值最优化方法,基于步长的方法 Step-length-based Methods 步长因子 搜索方向,一般选择为F(x)在点 处的下降方向,算 法 给定初始点 如果 满足终止条件,则跳至步骤7,否则 按照某种规则构造目标函数 F(x) 在 点的搜索方向 确定步长因子 计算下一轮的迭代点 重复步骤2 算法终止,9,数值最优化方法,线搜索方法 Line Search 确定步长因子 线搜索方法的基本结构 沿搜索方向 确定函数 最优值的搜索区间; 通过分割或插值技术迭代的缩小该区间,直至搜索到符合给定判据的可接受值 根据判断结果是否可以被接受的判据类型,线搜索方法可分为两大类: 精确线搜索 Ex
6、act line search 不精确的线搜索 Accurate line search,10,数值最优化方法,信赖域方法 在确保算法总体收敛的情况下,作为线搜索方法的替代技术。 与基于步长的方法的最大区别: 在迭代计算过程中,步长因子 几乎不变( ) 由于步长因子基本不变,需要按照某种规则尝试不同的方向矢量,以找到合适的搜索方向 ,以确保在迭代过程中目标函数值F(x)有足够多的下降。,11,最陡下降法 Steepest Descent Methods,最陡下降法以目标函数的导数负方向为极小化方向,又称梯度法。 迭代公式,The method of Steepest Descent appro
7、aches the minimum in a zig-zag manner, where the new search direction is orthogonal to the previous.,12,最陡下降法 Steepest Descent is Slow,线搜索 line search 依赖于初始搜索方向的选择 梯度是进行搜索的方向 远离最小点时收敛快,最小点附近收敛慢(梯度接近0) 整体收敛性好 适用于优化的最初阶段 与其它方法连用,13,共轭梯度法 Conjugated Gradient Methods,在每一步迭代中找到合适的搜索方向 ,使得该方向与所有先前迭代步中的搜索方
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 药物 分子 设计 第二
链接地址:https://www.31doc.com/p-2201165.html