1.一种多模态蛋白质构象空间搜索方法，其特征是：在排挤差分进化算法的基础上综合了空间局部性原理、集结过程、能量极小化过程，对蛋白质构象进行优化处理，具体实现如下：

1)、确定优化目标，选取蛋白质构象能量函数E(x)；

2)、设定差分进化算法各控制参数：种群大小P，变异因子F，交叉因子CR，种群迭代最大次数CG，并采用均匀分布函数随机法生成初始种群 ，其中N为优化问题的维数，P为种群大小；

3)、根据能量函数E(x)对初始种群进行能量极小化预处理，并按能量从小到大进行排序，选取种群前M个蛋白质构象作为种子个体；

4)、变异操作：对每个目标个体 （其中i、m表示第m个目标个体的第i维，i∈{1,2,……,N}）做以下处理：

4.1)初始化：令G=1(G为迭代次数)，i=1；

4.2)计算种群中非亲代 和亲代个体 的距离，其中m≠n∈{1,2,……,P}，i∈N，并由大到小排序，再通过转换函数f(x)将距离转化为轮盘赌形式，其中转换函数f(x)形式为：其中d为非亲代 和亲代目标个体 的距离，SD等于 ，dMAX为距亲代 最远的距离；

4.3)首先选取距亲代最近的个体 作为变异的基准矢量，然后在轮盘中随机选取个体和 ，最后对 执行变异操作得到变异测试个体 ，变异过程可表示为：其中i表示目标个体 的第i维，且a≠b≠c∈{1,2,……,P}，i∈N，F为变异因子；

5)、以不同的概率（X、Y、Z）选取相应的交叉策略对变异测试个体 执行交叉操作得到交叉测试个体 ；

6)、对所得的交叉测试个体 进行能量极小化处理得到测试个体 ；

7)、令i=i+1，若i<=N，继续循环执行步骤4）~7），否则循环结束；

8)、对所得的测试个体执行基本DE的选择操作，如果 ，则 替换亲代个体，否则保持种群不变；

9)、令G=G+1，若G

10)、根据阀值标准DIJ（两个构象解I和J的二面角距离）对算法所得的蛋白质构象解进行筛选，最终得到一系列高质量的蛋白质稳定构象，其中DIJ的表达式为：式中N为优化目标维数，θ为蛋白质构象的二面角解集，sym(k)取360º、180º、120º，表示蛋白质构象关于二面角k的对称重复结构；

11)、算法结束，输出实验所得的蛋白质稳定构象。

2.如权利要求1中所述的搜索方法，其特征在于：步骤5）所述的交叉操作，算法引入在交叉操作中引入了集结过程：为了保证种群的多样性，算法以不同的概率（X、Y、Z）(其中X、Y、Z为 (0,1)之间不同的随机数，且X+Y+Z=1)从下列三种不同的交叉策略选取一种执行交叉操作；

1)以概率X执行基本的DE交叉策略，其过程可表示为：

其中i表示目标个体 的第i维，i∈N，rand(i)为(0,1)之间的随机数，CR为交叉因子，rnbr(i)为(0,N)之间的随机整数，N为优化目标的维数；

2)以概率Y随机选取一个小组，并随机从M个种子中选取一个种子个体，将种子中和小组相对应的局部片段直接复制给测试个体 相对应的小组片段中，得到交叉测试个体 ；

3)以概率Z随机选取一个集合组，并随机从M个种子中选取一个种子个体，将种子中和集合组相对应的局部片段直接复制给测试个体 相对应的集合组片段中，得到交叉测试个体 。

3.如权利要求2中的所述的搜索方法，其特征在于：所述的小组和集合组是指：将蛋白质分为不同的片段，小组和集合组中的成员则分别对应蛋白质构象中的两种不同的片段，这些小组和集合组类似于集结过程中两种不同的片段；经过能量极小化过程处理的蛋白质构象具有低的能量，其局部片段也具有较低的能量，在交叉操作中算法直接继承这些局部低能量片段，防止蛋白质构象中这些局部低能量片段被算法破坏。