技術(shù)特征：

1.一種基于量子進(jìn)化算法的蛋白質(zhì)構(gòu)象空間優(yōu)化方法，其特征在于：所述構(gòu)象空間優(yōu)化方法包括以下步驟：

1)給定輸入序列：

2)設(shè)置參數(shù)：種群規(guī)模pop_size；

3)種群初始化：根據(jù)給定的輸入序列，生成pop_size個(gè)種群個(gè)體p，組成初始種群，表示為：需滿足|α_i|²+|β_i|²＝1，令α_i＝sinζ_i，β_i＝cosζ_i，其中ζ∈[-120°,120°]表示輸入序列中氨基酸的二面角ψ，當(dāng)i為奇數(shù)時(shí)當(dāng)i為偶數(shù)時(shí)ζ_i＝ψ_j，i,j為序號(hào)索引值，n為序列長度；

4)對(duì)初始種群中的每一個(gè)個(gè)體執(zhí)行初始量子觀測：

4.1)令i＝1，i∈{1,2,3,…,2n}；

4.2)在[0,1]上生成一個(gè)隨機(jī)數(shù)rand；

4.3)比較|α_i|²與rand的大小，若rand＞|α_i|²，則取ζ_i＝arcsinα，否則，取ζ_i＝arccosβ；

4.4)令i＝i+1；

4.5)若i<2n，返回步驟4.2)，否則轉(zhuǎn)步驟4.6)；

4.6)根據(jù)RosettaScore3能量函數(shù)計(jì)算當(dāng)前個(gè)體的適應(yīng)度E(p)；

5)開始迭代，對(duì)種群中的每個(gè)個(gè)體做如下操作：

5.1)令k＝1，其中k∈{1,2,…,pop_size}，k為序號(hào)；

5.2)令p_target＝p_k，p_target為目標(biāo)個(gè)體；

5.3)對(duì)p_target執(zhí)行L次片段組裝，得到變異個(gè)體p′，其中L為片段長度；

5.4)根據(jù)RosettaScore3能量函數(shù)計(jì)算當(dāng)前個(gè)體的適應(yīng)度E(p′)；

5.5)采用量子旋轉(zhuǎn)門執(zhí)行量子更新操作：p″表示經(jīng)過量子更新后的個(gè)體，θ_i＝s(α_i,β_i)Δθ_i，θ_i是旋轉(zhuǎn)角，s(α_i,β_i)為旋轉(zhuǎn)方向，θ_i根據(jù)預(yù)先設(shè)定的查找表規(guī)則確定；

5.6)判斷E(p)與E(p″)的大小，若E(p)>E(p″)，則用p″代替p，否則保留p；

5.7)令k＝k+1；

5.8)若k<pop_size，返回步驟5.2)，否則轉(zhuǎn)步驟6)；

6)判斷是否滿足終止條件，如果是，則返回步驟5)；否則轉(zhuǎn)步驟7)；

7)迭代結(jié)束，輸出優(yōu)化后得到的構(gòu)象。

2.如權(quán)利要求1所述的一種基于量子進(jìn)化算法的蛋白質(zhì)構(gòu)象空間優(yōu)化方法，其特征在于：所述步驟2)中，設(shè)置迭代次數(shù)generation；所述步驟6)中，終止條件為當(dāng)前迭代次數(shù)等于迭代次數(shù)generation：如果當(dāng)前迭代次數(shù)小于generation，否則返回步驟5)，否則轉(zhuǎn)步驟7)。