没有梦想的人,就是一只咸鱼,像我,就有一个梦想,就是让蛋白模拟过程变成动画,动起来! 虽然MD中有很多方法可以方模拟过程像动画一样播放出来,但是我一直想在ROSETTA中也找一个这样的功能,这不,我发现了! 方法也很简单,首先确保你安装了PyMOL,安装下载都很简单,百度即可,下面说这两个软件怎么串连起来. 1.建立Rosetta与PyMOL两个软件的链接 并不像Linux中需要用到ln命令那么复杂,操作如下: ..打开PyMOL: ..在PyMOL命令运行框里输入 run <path_to_R

2019.12.17更新 初次见到衍生式设计的时候感觉非常惊艳,现在觉得这个功能就是个弟弟,只能做一些中看不中用的东西.这个方法的理论基础是拓扑优化,想做research的同学可参阅"如何入门拓扑优化研究(转自知乎 周平章博士的文章 很有启发)",https://www.cnblogs.com/hyb221512/p/8981900.html --------------------------------------------- 从2016年开始用SolidWorks.今年暑研项目

一.简介 旅行商问题是一个经典的组合优化问题.一个经典的旅行商问题可以描述为:一个商品推销员要去若干个城市推销商品,该推销员从一个城市出发,需要经过所有城市后,回到出发地.应如何选择行进路线,以使总的行程最短.从图论的角度来看,该问题实质是在一个带权完全无向图中,找一个权值最小的Hamilton回路.由于该问题的可行解是所有顶点的全排列,随着顶点数的增加,会产生组合爆炸,它是一个NP完全问题. TSP问题可以分为对称和不对称.在对称TSP问题中,两座城市之间来回的距离是相等的,形成一个无向图,而

详解用python实现简单的遗传算法 今天整理之前写的代码,发现在做数模期间写的用python实现的遗传算法,感觉还是挺有意思的,就拿出来分享一下. 首先遗传算法是一种优化算法,通过模拟基因的优胜劣汰,进行计算(具体的算法思路什么的就不赘述了).大致过程分为初始化编码.个体评价.选择,交叉,变异. 遗传算法介绍 遗传算法是通过模拟大自然中生物进化的历程,来解决问题的.大自然中一个种群经历过若干代的自然选择后,剩下的种群必定是适应环境的.把一个问题所有的解看做一个种群,经历过若干次的自然选择以后,

起源 故事从一个围棋说起,人类赖以自豪的智慧,为什么这么说,因为据统计,从这19乘19的方格中摆棋,可以有10的340次方的可能,用一个更形象的比拟,全宇宙的原子加起来,也比这个数要小. 也就是说,如果计算机靠暴力破解,是无法得到解的,而人凭着棋感可以走出非常高明的棋局,这就是为什么人那么高傲. 可是不幸的是,在IT男的世界里,总有一群倔人,他们决定做一只Go,可以碾压人类智慧的Go,全称阿法Go. Go的进化历程 从官方公开的论文来看,从左到右是四只Go,英文名如上,看起来非常让人困惑,至少身

特征工程之特征选择 目录 简介 1 Filter(过滤式选择) 1.1 移除低方差特征(variance threshold) 1.2 信息增益(information gain) 1.3 单变量特征选择 (Univariate feature selection) 1.3.1 卡方检验 (chi-square test) 1.3.2 Pearson 相关系数 (Pearson Correlation) 1.3.3 费雪分数(fisher score) 1.4 Relief(Relevant F

一起来学演化计算-SBX(Simulated binary crossover)模拟二进制交叉算子和DE(differential evolution)差分进化算子 觉得有用的话,欢迎一起讨论相互学习~Follow Me 参考文献 [1] https://blog.csdn.net/qq_36347331/article/details/96351162 [2] http://www.it1352.com/994287.html [3] https://www.egr.msu.edu/~kdeb

3518. [NOIP2013模拟11.6A组]进化序列(evolve) (File IO): input:evolve.in output:evolve.out Time Limits: 1000 ms Memory Limits: 262144 KB Description Abathur采集了一系列Primal Zerg 的基因样本,这些基因构成了一个完整的进化链.为了方便,我们用A0,A1-An-1 这n 个正整数描述它们. 一个基因Ax 可以进化为序列中在它之后的基因Ay.这个进化的复

 模拟进化计算 (Simulated  Evolutionary Computation)  是近二十年来信息科学.人工智能与计算机科学的一大研究领域,由此所派生的求解优化问题的仿生类算法(遗传算法.演化策略.进化程序),由于其鲜明的生物背景.新颖的设计原理.独特的分析方法和成功的应用实践,正日益形成全局搜索与多目标优化理论的一个崭新分支.   遗传算法(Genetic Algorithm,简称 GA)是通过模拟生物进化过程来完成优化搜索的. 科学研究.工程实际与国民经济发展的众多问题可归结为“

差分进化算法 (Differential Evolution)   Differential Evolution(DE)是由Storn等人于1995年提出的,和其它演化算法一样,DE是一种模拟生物进化的随机模型,通过反复迭代,使得那些适应环境的个体被保存了下来.但相比于进化算法,DE保留了基于种群的全局搜索策略,采用实数编码.基于差分的简单变异操作和一对一的竞争生存策略,降低了遗传操作的复杂性.同时,DE特有的记忆能力使其可以动态跟踪当前的搜索情况,以调整其搜索策略,具有较强的全局收敛能力和鲁棒

进化算法,也被成为是演化算法(evolutionary algorithms,简称EAs),它不是一个具体的算法,而是一个“算法簇”.进化算法的产生的灵感借鉴了大自然中生物的进化操作,它一般包括基因编码,种群初始化,交叉变异算子,经营保留机制等基本操作.与传统的基于微积分的方法和穷举方法等优化算法(具体介绍见博客[Math] 常见的几种最优化方法中的其他数学优化方法)相比,进化计算是一种成熟的具有高鲁棒性和广泛适用性的全局优化方法,具有自组织.自适应.自学习的特性,能够不受问题性质的限制,有效地

GUILTY GEAR Xrd REVELATOR 3D进化出的非照片真实视觉 罪恶装备系列是用2D日系动画一样的惊异视觉来吸引玩家的. 最新续品[GUILTY GEAR Xrd-REVELATOR-]中,进一步的增强这方面的表现力. 继上次的特效篇之后,这次主要介绍渲染相关的内容 日文链接 http://cgworld.jp/feature/201607-cgw215t2-guilty.html     在不妨碍可玩性的基础上来提升画面品质     本作[GUILTY GEAR Xrd -RE

前言: 本文是根据的文章Introduction to Monte Carlo Tree Search by Jeff Bradberry所写. Jeff Bradberry还提供了一整套的例子,用python写的. board game server board game client Tic Tac Toe board AI implementation of Tic Tac Toe 阿袁工作的第一天 - 蒙特卡罗树搜索算法 - 游戏的通用接口board 和 player 阿袁看到阿静最近在

全局光照(Global Illumination,简称 GI), 作为图形学中比较酷的概念之一,是指既考虑场景中来自光源的直接光照,又考虑经过场景中其他物体反射后的间接光照的一种渲染技术. 大家常听到的光线追踪,路径追踪等同样很酷的概念,都是全局光照中人气较高的算法流派. 而这篇文章将围绕全局光照技术,介绍的要点有: 全局光照的基本概念 全局光照的算法主要流派 全局光照技术进化编年史 光线追踪 Ray Tracing 路径追踪 Path Tracing 光线追踪.路径追踪.光线投射的区别 环境光

原文地址:https://www.zhihu.com/question/59800121/answer/184888043 神经元 在深度学习领域,神经元是最底层的单元,如果用感知机的模型, wx + b, 加上一个激活函数构成了全部,输入和输出都是数字,研究的比较清楚.别的不说,在参数已知的情况下,有了输入可以计算输出,有了输出可以计算输入. 但在神经科学领域,神经元并不是最底层的单位. 举例来说,有人在做神经元膜离子通道相关的工作.一个神经元的输入,可以分为三部分,从其他神经元来的电信号输入

Summary 今天的比赛打得还不错,第一题被同桌灌输的贪心,纯模拟洗脑了,然后steal的看了一下,发现怎么也对不了,一直在检查.最后10分钟才找出反例,推出动态规划方程,没有想到怎么转移,比赛就结束了.第二题题意理解错误了,但是还是拿到了充满希望的10分,第三题看到题目就直接上了线段树,我想没几个人能像我一样5分钟想完并打完这道题了.贪心一定要看到反例,不能盲目去做,否则浪费了时间,更让心情愈来愈不甘. Problem T1 解题 题目大意 奶牛有P (P≤300) 道题目要做.他们的月薪是

https://cdnjs.cloudflare.com/ajax/libs/p5.js/0.5.7/p5.js http://www.box2d.org http://www.jbox2d.org http://github.com/shiffman/PBox2D 第0章 引言 (已看) 第1章 向量 (已看) 第2章 力 (已看) 第3章 震荡  (已看) 第4章 粒子系统 (已看) 第5章 物理函数库 (已看) 第6章 自治智能体 (已看) 第7章 细胞自动机 (已看) 第8章 分形 (已

今天几乎所有的互联网公司在谈论和布局人工智能,收购相关企业.人工智能和AI+成为当今科技领域最灸手可热的名词,关于什么是AI+,其概念就是用以表达将"人工智能"作为当前行业科技化发展的核心特征并提取出来,与工业.商业.金融业等行业的全面融合,推动经济形态不断发生演变,从而带动社会经济实体的生命力, AI+不是科技界第一次发生的流行现象.在过去的20年里,几乎每几年就会出现一个科技词汇的爆发,从web2.0,物联网,云计算,大数据,互联网+,工业互联网 到人工智能.有两个问题值得我们关注

走进JavaWeb技术世界3:JDBC的进化与连接池技术 转载公众号[码农翻身] 网络访问 随着 Oracle, Sybase, SQL Server ,DB2,  Mysql 等人陆陆续续住进数据库村, 这里呈现出一片兴旺发达的景象, 无数的程序在村里忙忙碌碌, 读写数据库,   实际上一个村落已经容不下这么多人了, 数据库村变成了数据镇. 这一天, 数据库镇发生了一件大事: 它连上了网络! 外部的花花世界一下全部打开,  很多程序开始离开这个拥挤的城镇, 住到更加宜居的地方去. 可是他们的工

目录 前言 概述 启发式的理解(重点) 优化问题的定义 个体编码 初始族群的创建 评价 配种选择 锦标赛 轮盘赌选择 随机普遍抽样选择 变异 单点交叉 两点交叉 均匀交叉 部分匹配交叉 突变 高斯突变 乱序突变 位翻转突变 均匀整数突变 环境选择 完全重插入(Pure reinsertion) 均匀重插入(Uniform reinsertion) 精英重插入(Elitist reinsertion) 精英保留重插入(Fitness-based reinsertion) 进化算法的python实现