1.一种基于距离谱的群体构象空间优化方法，其特征在于：所述优化方法包括以下步骤：

1)初始化：设置群体规模popSize，变异因子F，交叉概率CR，8个温度层T，迭代次数iteration，能量函数选用Rosetta Score3，首先在每个温度层通过对查询序列随机的折叠i和变换，生成一个规模为popSize的初始种群，初始群体为PT＝{x |i∈I}，计算目标函数i值fT(x),i∈I，并设 其中i为种群个体编号，I为种群个体编号集合，I＝{1,2,...,popSize}， 为对应温度层目标函数值中的最小值，T为温度层；

′i i

2)变异、交叉生成测试个体x ：对每个目标个体x ∈I(i＝1,2,…,popSize)作如下处理：

2.1)令i＝1；

a b c

2.2)任意选取三个个体{x,x,x|a,b,c∈{1,2,...,popSize},a≠b≠c≠i}；

a b c

2.3)根据公式(1)对{x,x,x}执行变异操作及片段组装，生成变异个体

2.4)对变异个体 进行片段组装生成组装个体 根据距离谱对组装个体 进行判断，接受概率Accept_probability为：残基i到残基j之间的距离为FA_ij，距离谱中i到j之间的距离Profile_ij，则在公式(2)中Deviation＝abs(FA_ij-Profile_ij)，随机产生一个0到1之间的随机数rand_Accept，若Accept_probability>rand_Accept，则用组装个体 代替变异个体

2.5)根据公式(3)对目标个体xi和变异个体 执行交叉操作，生成测试个体x′i，其中，randb(0,1)表示为产生0到1之间的随机小数，rnbr(k)表示随机产生1到N之间的整数；

其中k为索引编号；

2.6)i＝i+1；如果i

3)根据Anfinsen提出的天然构象的蛋白质处于热力学最低的能量状态，比较测试个体x′i和目标个体xi∈I(i＝1,2,…,popSize)的能量函数值，选择能量函数值较低的个体从而更新种群；

4)在每个温度层都进行变异、交叉和选择更新完种群后，将相邻的温度层的对应个体进行副本交换：

4.1)首先选择种群中第i个个体，i∈I(i＝1,2，…，popSize)；

4.2)选择两个相邻的温度层Tj和Tj+1，j＝1,2，…，7；

4.3)产生一个随机数rand1∈(0,1)，和判别数judge其中 (i＝1,2,…,popSize)为种群个体 的能量值，Tj(j＝1,2,…,

7)为第j个温度层的开尔文温度，j为索引编号；

4.4)若rand1＜judge，将相邻温度层中的 和 个体进行交换；

5)置

6)判断是否满足终止条件到达迭代次数iteration，如不满足则转至2)；

7)如满足终止条件，则输出结果。