Nächste Seite:
Vorwort
 
Inhalt
Universität Heidelberg/Fachhochschule Heilbronn
Deutsches Krebsforschungszentrum Heidelberg
Studiengang Medizinische Informatik
Diplomarbeit
Genetische Algorithmen zur
Molekülstrukturoptimierung
Bastien Chevreux
1. März 1997
[]Vorwort
Vorwort
Allgemeines
Typographisches
Danke
Inhalt
Tabellenverzeichnis
Abbildungsverzeichnis
Einleitung und Motivation
Proteine
Stand der Forschung
Genetische Algorithmen
Ziele dieser Arbeit
Aufbau dieser Arbeit
Einführung in die Proteinchemie
Atome
Chemische Bindungen
Atombindung / kovalente Bindung
Ionenbindung
Wasserstoffbrückenbindung
Hydrophobe Wechselwirkung
Proteine (Eiweiße)
Aminosäuren
Peptide
Proteine
Proteinmolekülstrukturen
Strukturklassen
Primärstruktur
Sekundärstruktur
Tertiärstruktur
Quartärstruktur
Strukturbestimmung
Genetische Algorithmen
Geschichte der Genetischen Algorithmen
Funktionsweise der Genetischen Algorithmen
Markovketten
No Free Lunch
Die Natur als Vorbild
Das Spiel des Lebens
Selfish Genes
Ansammlung von Wissen
Genetische Algorithmen in der Computersimulation
Einfacher Pseudoalgorithmus für Genetische Algorithmen
Genom
Genetische Information in der Zelle
Kodierung genetischer Information für Simulationen
Genotyp und Phänotyp
Individuum und Objective Score
Population
Skalierung
Generation und Generationsformen
Kreuzungsoperator
Mutation
Selektionsschemata
Suchraum: Exploration und Exploitation
Konvergenz
Evolutionsstrategien vs. Genetische Algorithmen
Das Schema-Theorem
Die Building-Block-Hypothese
Kritik an dem Schema-Theorem und der Building-Block-Hypothese
Naive Evolution
Genetische Algorithmen im Vergleich mit anderen Suchverfahren
Vollständige Enumeration
Zufallssuche
Gradientensuche
Simulated Annealing
Rahmen und Umfeld der Untersuchungen
Probleme von Genetischen Algorithmen
Problemverursacher
Richtige Parameterwahl
Crossover
Selektion
NP-Vollständigkeit
Untersuchte Moleküle
Peptide
Energiefunktion
Kodierung der Moleküle
Kodierung durch absolute Koordinaten
Relative Kodierung
Programme für Genetische Algorithmen
Öffentliche Pakete
DiplGA Bibliothek
Benutzte Plattformen
Vorgehensweise
Untersuchte Parameter
Basisuntersuchung 1
Basisuntersuchung 2
Ergänzende Untersuchungen
Methoden zur Darstellung der Ergebnisse
Diagramme
Tabellen
Konfiguration Genetischer Algorithmen
Generationsformen
Simple GA
Elitismus
Steady State GA
Diskussion der Ergebnisse
Ersetzungsgröße
Diskussion der Ergebnisse
Populationsgrößen
Diskussion der Ergebnisse
Abbruchkriterien
Bitkonvergenz
Schwellenwerte
Haltefenster
Diskussion der Ergebnisse
Anzahl der Eltern
Motivation
Diskussion der Ergebnisse
Mutation
Diskussion der Ergebnisse
Crossover
Allgemeine Funktionsweise
Multiple Kreuzungspunkte
N-Point
Randomwalk
Uniform
Diskussion der Ergebnisse
Verhalten von Crossover-Operatoren bei kleinen Populationen
Verhalten von Crossover-Operatoren bei steigenden und großen Populationen
Selektionsschemata
Roulette Multi-Spin
Roulette Single-Spin
Tournament
Uniform
Diskussion der Ergebnisse
Skalierungsschemata
None
Ranking
Diskussion der Ergebnisse
Die Minimierungsfensterfunktion
Dynamic Reversed Fitness
Verhalten von Crossover-Operatoren bei steigenden und großen Populationen
Selektionsschemata
Roulette Multi-Spin
Roulette Single-Spin
Tournament
Uniform
Diskussion der Ergebnisse
Skalierungsschemata
None
Ranking
Diskussion der Ergebnisse
Die Minimierungsfensterfunktion
Dynamic Reversed Fitness
Positive Scores 1 Div
Verhalten von Crossover-Operatoren bei steigenden und großen Populationen
Selektionsschemata
Roulette Multi-Spin
Roulette Single-Spin
Tournament
Uniform
Diskussion der Ergebnisse
Skalierungsschemata
None
Ranking
Diskussion der Ergebnisse
Die Minimierungsfensterfunktion
Dynamic Reversed Fitness
Positive Scores 1 Div
Ceil Sub Score
Diskussion der Ergebnisse
Erweiterung des Suchfokus
Adaptive Mutation
Double prevention
Diskussion der Ergebnisse
Verhalten von adaptiver Mutation
Verhalten von Double prevention beim Simple GA
Verhalten von Double prevention beim Steady State Algorithm
Erweiterungen zu Genetischen Algorithmen
Verhalten von Crossover-Operatoren bei steigenden und großen Populationen
Selektionsschemata
Roulette Multi-Spin
Roulette Single-Spin
Tournament
Uniform
Diskussion der Ergebnisse
Skalierungsschemata
None
Ranking
Diskussion der Ergebnisse
Die Minimierungsfensterfunktion
Dynamic Reversed Fitness
Positive Scores 1 Div
Ceil Sub Score
Diskussion der Ergebnisse
Erweiterung des Suchfokus
Adaptive Mutation
Double prevention
Diskussion der Ergebnisse
Verhalten von adaptiver Mutation
Verhalten von Double prevention beim Simple GA
Verhalten von Double prevention beim Steady State Algorithm
Erweiterungen zu Genetischen Algorithmen
Einfache Multipopulationsansätze
Multiple parallele Läufe
Multiple sequentielle Läufe
Pyramidale Kulturen
Vorbilder
Funktioneller Ablauf
Theoretische Überlegungen zur Funktionsweise
Kombination mit lokalem Hillclimbing
Getestete Konfigurationen
Ergebnisse
Gefundene Konformationen
Benötigte Evaluationen
Hillclimber
Fazit
Verhalten von Crossover-Operatoren bei steigenden und großen Populationen
Selektionsschemata
Roulette Multi-Spin
Roulette Single-Spin
Tournament
Uniform
Diskussion der Ergebnisse
Skalierungsschemata
None
Ranking
Diskussion der Ergebnisse
Die Minimierungsfensterfunktion
Dynamic Reversed Fitness
Positive Scores 1 Div
Ceil Sub Score
Diskussion der Ergebnisse
Erweiterung des Suchfokus
Adaptive Mutation
Double prevention
Diskussion der Ergebnisse
Verhalten von adaptiver Mutation
Verhalten von Double prevention beim Simple GA
Verhalten von Double prevention beim Steady State Algorithm
Erweiterungen zu Genetischen Algorithmen
Einfache Multipopulationsansätze
Multiple parallele Läufe
Multiple sequentielle Läufe
Pyramidale Kulturen
Vorbilder
Funktioneller Ablauf
Theoretische Überlegungen zur Funktionsweise
Kombination mit lokalem Hillclimbing
Getestete Konfigurationen
Ergebnisse
Gefundene Konformationen
Benötigte Evaluationen
Hillclimber
Fazit
Verhalten von Crossover-Operatoren bei steigenden und großen Populationen
Selektionsschemata
Roulette Multi-Spin
Roulette Single-Spin
Tournament
Uniform
Diskussion der Ergebnisse
Skalierungsschemata
None
Ranking
Diskussion der Ergebnisse
Die Minimierungsfensterfunktion
Dynamic Reversed Fitness
Positive Scores 1 Div
Ceil Sub Score
Diskussion der Ergebnisse
Erweiterung des Suchfokus
Adaptive Mutation
Double prevention
Diskussion der Ergebnisse
Verhalten von adaptiver Mutation
Verhalten von Double prevention beim Simple GA
Verhalten von Double prevention beim Steady State Algorithm
Erweiterungen zu Genetischen Algorithmen
Einfache Multipopulationsansätze
Multiple parallele Läufe
Multiple sequentielle Läufe
Pyramidale Kulturen
Vorbilder
Funktioneller Ablauf
Theoretische Überlegungen zur Funktionsweise
Kombination mit lokalem Hillclimbing
Getestete Konfigurationen
Ergebnisse
Gefundene Konformationen
Benötigte Evaluationen
Hillclimber
Fazit
Literatur
Über dieses Dokument ...
2001-07-08