用于定量構效關系建模的遺傳-人工神經(jīng)網(wǎng)絡方法研究.pdf

1、本文在分析評述有機污染物定量構效關系(QSAR)建模研究現(xiàn)狀、人工神經(jīng)網(wǎng)絡(ANN)和遺傳算法(GA)的基本原理、優(yōu)化算法的基礎上,針對從化合物結構衍生出來的諸多變量中選擇描述變量較難、采用ANN進行QSAR建模中存在的輸入節(jié)點難以確定和局部收斂等問題,提出了反向傳播人工神經(jīng)網(wǎng)絡(BP-ANN)和遺傳算法(GA)輔助式結合和合作式結合兩種方式進行QSAR建模的方法策略,并編寫出相關計算機程序.本文首先開展了BP-ANN與GA輔助式結合進

2、行QSAR建模的方法研究,利用GA的全局搜索能力,在眾多的化合物結構描述變量中選擇出參與建模的結構參數(shù)作為ANN的輸入節(jié)點,再利用ANN強大的非線性建模能力進行建模.將自編的程序用于實例研究,結果表明:利用GA能有效地確定問題變量的最佳組合,并能同時獲得多個高質(zhì)量的QSAR模型,其給出的結構與活性之間的關系信息更為全面、正確.BP-ANN建模過程歸根結底是連接權重的學習過程,一般采用誤差梯度下降法來調(diào)整網(wǎng)絡權重,要克服ANN所固有的收斂

3、速度慢、局部極小值問題,必須摒棄單純利用梯度法學習權值的策略.本文開展了BP-ANN與GA合作式結合進行QSAR建模的方法研究,采用GA對網(wǎng)絡權值進行編碼,將權值的學習過程轉化為GA和BP-ANN共同學習進化的過程.首先利用GA產(chǎn)生若干不同初始網(wǎng)絡權值的模型,再利用BP-ANN使權值迅速接近最優(yōu)解,二者交替,最終實現(xiàn)網(wǎng)絡收斂到最佳解.將自編的程序用于實例研究,結果表明:該方法很好地克服了BP算法存在的過擬合和局部最優(yōu)問題,提高了網(wǎng)絡的訓