Raport de cercetare - Lorentz JÄNTSCHI

modelele în care interacţiunile sunt dense dar la distanţă (`M` şi `m`), şi două pentru
modelele în care interacţiunile sunt dense şi apropiate (`D` şi `d`);
o gena f care codifică algoritmul de fragmentare moleculară pe perechi de atomi, care poate
avea una din următoarele 4 valori: `P` - pentru fragmentare bazată pe căi; `D` - pentru
fragmentare bazată pe distanţe; `M` - pentru fragmentare în fragmente maximale; `m` -
pentru fragmentare în fragmente minimale (fragmente triviale conţinând un singur atom);
o gena M care codifică modalitatea de suprapunere globală a interacţiunilor fragmentelor, care
poate lua una din următoarele 19 valori împărţite în 4 grupuri: grupul de mărimi ( `m` -
selectează cea mai mică valoare; `M` - cea mai mare valoare; `n` - cea mai mică valoare
absolută; `N` - cea mai mare valoare absolută); grupul de medii ( `S` - suma; `A` - media
aritmetică după numărul de proprietăţi de fragmente; `a` - media aritmetică după numărul
de fragmente; `B` - media aritmetică după numărul de atomi; `b` - media aritmetică după
numărul de legături); grupul geometric (`P` - multiplicare; `G` - medie geometrică după
numărul de proprietăţi de fragmente; `g` - medie geometrică după numărul de fragmente;
`F` - medie geometrică după numărul de atomi; `f`` - media geometrică după numărul de
legături); grupul armonic (`s` - suma armonică; `H` - medie armonică după numărul de
proprietăţi de fragmente; `h` - medie armonică după numărul de fragmente; `I` - medie
armonică după numărul de atomi; `i`` - media armonică după numărul de legături);
o gena L care rezultă în algoritm în urma unei mutaţii deterministe asupra fenotipului şi
reprezintă unul din cei 6 operatori de linearizare ce urmează: `I` - identitate, `i` - inversa,
`A` - valoarea absolută, `a` - inversa valorii absolute, `L` - logaritmul valorii absolute, `l` -
logaritmul;
÷ Scorul (funcţia obiectiv): având proprietatea măsurată pentru cei 209 compuşi exprimată în şirul
Y (cu 209 valori), urmează:
o Fenotipul, caracterizat de genele care compun cromozomul este transformat în fenotip când
se calculează valorile corespunzătoare genotipului pentru fiecare din cele 209 molecule ale
setului de PCBs.
o Pentru o funcţie obiectiv de estimare a proprietăţii măsurate folosind 2 genotipuri (în cazul
general putând fi un număr oarecare fixat de genotipuri, r), ecuaţia de regresie este de
forma: Ŷ = a0 + a1·Fenotip1 + a2·Fenotip2, (în general: Ŷ = a0 + Σ1≤i≤rai·Fenotipi), unde:
Ŷ este estimatorul proprietăţii măsurate;
a0..a2 sunt coeficienţii care rezultă din minimizarea pătratelor diferenţelor între valorile
măsurate Y şi cele estimate prin intermediul lui Ŷ pentru setul de 209 compuşi;
Fenotip1=Fenotip(Genotip1) şi Fenotip2=Fenotip(Genotip2) sunt fenotipurile (şirurile de
valori ale descriptorilor moleculari obţinuţi prin operaţiile prescrise de genotipurile
Genotip1=d1p1I1O1f1M1L1 şi Genotip2=d2p2I2O2f2M2L2 pentru cei 209 compuşi;
o Tăria (scorul) unei perechi de genotipuri (sau mai multe, pentru regresia multivariată) poate
fi exprimată de una din următoarele (Tabelul 18).
Tabelul 18. Funcţii de scor pentru penalizarea regresiilor cu perechi de fenotipuri
Nr. Scor (i=1..2) Semnificaţie Obiectiv Remarci
1 Suma minim Uzual p=2; pentru p = 1 şi mai mult pentru p
Σ(Y-a0-Σiai·Fenotipi) p
reziduurilor
de estimare
=1/2 există avantajul că se favorizează
tendinţa generală în regresie în defavoarea
abaterilor grosolane de la ecuaţia de regresie
2 r 2 (Y,a0+Σiai·Fenotipi) Coeficient de maxim Are avantajul legăturii cu scopul general al
determinare optimizării (maximizarea coeficientului de
determinare)
÷ Încrucişarea:
o Se selectează (folosind una din metodele de selecţie descrise în Tabelul 17) două genotipuri,
Genotip1=d1p1I1O1f1M1L1 şi Genotip2=d2p2I2O2f2M2L2;
o Se generează două numere aleatoare (din distribuţia uniformă) între 0 şi 6 (fie ele 2 şi 4);
130