1.一种基于量子进化算法的蛋白质构象空间优化方法，其特征在于：所述构象空间优化方法包括以下步骤：

1)给定输入序列：

2)设置参数：种群规模pop_size；

3)种群初始化：根据给定的输入序列，生成pop_size个种群个体p，组成初始种群，表示为： 需满足|αi|2+|βi|2＝1，令αi＝sinζi，βi＝cosζi，其中ζ∈[-

120°,120°]表示输入序列中氨基酸的二面角 ψ，当i为奇数时 当i为偶数时ζi＝ψj，i,j为序号索引值，n为序列长度；

4)对初始种群中的每一个个体执行初始量子观测：

4.1)令i＝1，i∈{1,2,3,…,2n}；

4.2)在[0,1]上生成一个随机数rand；

4.3)比较|αi|2与rand的大小，若rand＞|αi|2，则取ζi＝arcsinα，否则，取ζi＝arccosβ；

4.4)令i＝i+1；

4.5)若i<2n，返回步骤4.2)，否则转步骤4.6)；

4.6)根据RosettaScore3能量函数计算当前个体的适应度E(p)；

5)开始迭代，对种群中的每个个体做如下操作：

5.1)令k＝1，其中k∈{1,2,…,pop_size}，k为序号；

5.2)令ptarget＝pk，ptarget为目标个体；

5.3)对ptarget执行L次片段组装，得到变异个体p′，其中L为片段长度；

5.4)根据RosettaScore3能量函数计算当前个体的适应度E(p′)；

5.5)采用量子旋转门执行量子更新操作： p″表示经过量子更新后的个体，θi＝s(αi,βi)Δθi，θi是旋转角，s(αi,βi)为旋转方向，θi根据预先设定的查找表规则确定；

5.6)判断E(p)与E(p″)的大小，若E(p)>E(p″)，则用p″代替p，否则保留p；

5.7)令k＝k+1；

5.8)若k

6)判断是否满足终止条件，如果是，则返回步骤5)；否则转步骤7)；

7)迭代结束，输出优化后得到的构象。

2.如权利要求1所述的一种基于量子进化算法的蛋白质构象空间优化方法，其特征在于：所述步骤2)中，设置迭代次数generation；所述步骤6)中，终止条件为当前迭代次数等于迭代次数generation：如果当前迭代次数小于generation，否则返回步骤5)，否则转步骤

7)。