论文部分内容阅读
生物信息学是在生命科学的研究中，以计算机为工具对生物信息进行储存、检索和分析的科学。从信息学角度来看，生物分子是生物信息的载体，蛋白质序列决定蛋白质结构，而蛋白质结构又决定了蛋白质功能。通过实验手段获得蛋白质结构的方法主要是X射线晶体学方法和多维核磁共振方法，但由于实验精度和技术的限制，其测定速度远远落后于蛋白质序列的产生速度。因此，蛋白质理论模拟与结构预测就显示了重要性，正在日益发展和受到人们的重视。蛋白质折叠问题作为当今生物信息学最重要的问题之一，它确定一个给定氨基酸序列的蛋白质的空间折叠结构。该问题的难点在于随着蛋白质规模的增长，计算量增长非常快，属于NP问题。近年来，图形处理器(GPU)硬件飞速发展，其发展速度已经远远超过了CPU。图形芯片的发展和可编程特性，带来了基于GPU通用计算领域的快速发展。
本文详细论述了基于GPU的蚁群算法在蛋白质折叠问题上的研究工作，为蛋白质折叠等NP问题的求解提供了一条廉价、方便易用的可行途径。论文主要工作：
(1)探讨了蛋白质HP模型的应用、GPU通用计算方面的处理流程、蚁群算法的原理及处理策略等内容，在此基础上，编程实现了CPU的蚁群算法在2D HP模型的应用，求解分析了不同参数和构造策略对蚁群算法在HP模型求解中的影响。
(2)提出一种GPU的蚁群算法(GPU ACO)。该算法借助于GPU出色的浮点数运算能力和并行计算特性，将并行ACO求解HP模型的过程转化为GPU纹理渲染过程，有效地提高了2D HP模型求解的效率。实验结果表明，在保证解的质量的前提下，本文的GPU ACO算法相对于CPU ACO算法，具有较高的加速比，并可以提供普通并行机难以达到的求解规模。