本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2026-03-12
摘要
遺傳演算法是一種強大的方法，可以在巨大的搜尋空間上解決具有複雜成本函數的最佳化問題，特別依賴重新組合先前解決方案的各個部分。交叉算子在這方面發揮著至關重要的作用。在這裡，我們描述了一大類旨在搜尋圖空間的運算子。這些運算符是基於在圖中引入小切口並重新連接所產生的兩個父項的歸納子圖。這種形式的剪切和連接交叉可以以一致的方式受到限制，以保留局部屬性，例如頂點度（化合價）或鍵序，以及全局屬性，例如圖論平面。與字串上的交叉相反，圖上的剪切和連接交叉即使在沒有突變算子的情況下也足以遍歷化學空間。廣泛的基準測試表明，分子圖的後代再次很有可能是可信的分子，同時與初始分子庫相比，交叉大大增加了多樣性。此外，所需的特性（例如有利的可合成性指數）以足夠的頻率保留，以便可以有效地過濾候選後代的這些特性。作為一個應用程序，我們利用 REvoLd 中的剪切和連接交叉，REvoLd 是一個基於 GA 的電腦輔助藥物設計系統。在尋找與四種不同目標蛋白結合的配體的最佳化運行中，我們始終發現結合常數超過最知名結合物的候選分子以及在按需生成庫中發現的候選分子。科學貢獻我們在包括分子圖在內的各種圖類上定義了剪切和連接交叉運算子。這構成了一種數學上簡單且特徵明確的分子重組方法，在現實生活中的 CADD 任務中表現良好。