买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安理工大学申请的专利基于两阶段进化多任务优化的药物设计方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116994673B 。

龙图腾网通过国家知识产权局官网在2026-03-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310987325.2，技术领域涉及：G16C20/50；该发明授权基于两阶段进化多任务优化的药物设计方法是由江巧永;刘鑫佳;林艳艳;段鑫绘;苑亚新;齐雨露设计研发完成，并于2023-08-07向国家知识产权局提交的专利申请。

本基于两阶段进化多任务优化的药物设计方法在说明书摘要公布了：本发明公开了基于两阶段进化多任务优化的药物设计方法，其特征在于，包括：确定每个子任务的目标函数，进入演化前期阶段：对目标任务进行任务内种群演化得到子代种群，利用仿射变化策略，生成对目标任务更优的迁移解，监测种群是否到达阶段划分点，若否，重新选择目标任务，返回演化前期阶段；若是，进行演化后期阶段：利用局部离群因子检测模型策略，转移解，合并父代种群、子代种群、映射解、转移解，并根据适应度函数选取最优解；根据函数评价次确定是否完成演化，若是，输出最优解，否则更新返回演化前期阶段。解决了在黑盒问题条件下由于问题性质不确定而无法彻底求解药物设计的问题。

本发明授权基于两阶段进化多任务优化的药物设计方法在权利要求书中公布了：1.基于两阶段进化多任务优化的药物设计方法，其特征在于，包括：确定每个子任务的目标函数，进入演化前期阶段：对目标任务进行任务内种群演化得到子代种群，利用仿射变化策略，生成对目标任务更优的迁移解，监测种群是否到达阶段划分点，若否，重新选择目标任务，返回演化前期阶段；若是，进行演化后期阶段：利用局部离群因子检测模型策略，转移解，合并父代种群、子代种群、迁移解、转移解，并根据适应度函数选取最优解；根据函数评价次数确定是否完成演化，若是，输出最优解，否则进入下一代演化； 包括以下步骤： 步骤1、确定个子任务的目标函数和决策变量，所述子任务包括但不限于药物分子结构优化任务、药物溶解度优化任务、药物毒性最小优化任务、药物稳定性优化任务及药物起效时长优化任务； 步骤2、选取目标任务，利用ADEOEA算法进行任务内种群演化，生成子代种群； 步骤3、利用多样性监测策略，监测种群是否到达阶段划分点，若是，进入下一步，否则利用仿射变化策略，生成对目标任务更优的迁移解； 步骤4、种群进入演化后期阶段，利用局部离群因子检测模型策略，识别具有高相似度的个体，作为转移解； 步骤5、合并父代种群、子代种群、映射解、转移解，得到合并种群，根据适应度选择成功个体，作为最优解； 步骤6、判断函数评价次数是否小于预设阈值，若是，更新ADEOEA算法参数及自适应选择参数，并返回步骤2；否则输出种群的最优解及最优目标函数，即得到药物设计的最优方案； 步骤3具体包括以下步骤： 步骤3.1、构建多样性监测方程，得到多样性指标： 4； 上式中，为最大函数评估次数，为函数评估次数，为初始种群真实的多样性： 5； 上式中，为种群大小，为种群中第个个体，为种群真实的均值向量； 步骤3.2、依据所述多样性指标，判断是否到达两个阶段的分界点： 6； 上式中，为一个逻辑值，作为划分点的标志，分别为演化过程中种群真实的均值和方差； 步骤3.3、若，表明种群处于演化前期，采用仿射变换作为知识迁移策略； 步骤3.4、若，则表明种群处于演化后期，进入下一步； 步骤3.3具体包括以下步骤： 步骤3.3.1、利用排名损失函数构建仿射变换： 7； 上式中，为仿射变换的一个变换参数，分别为一个缩放变换和平移变化，为仿射变换，为将适应度地形转换为基于排名地形的操作，分别为源任务和目标任务的高斯模型： 8； 上式中，为第代种群的加权权重，为第代种群对应的高斯模型： 9； 上式中，为一个偏好系数，为第代种群，为计算种群概率密度函数的操作，利用多元高斯分布来构建概率密度函数： 10； 上式中，分别为种群的均值向量和标准差： 11； 12； 13； 14； 上式中，为种群第维变量的平均值，为维度，为种群大小，为第代种群中第个个体的第维变量，为种群第维变量的方差； 步骤3.3.2、对公式3进行最小化，得到下式： 15； 上式中，是一个缩放因子，将公式12转变为代数形式： 16； 公式13的解析解计算公式如下： 17； 18； 19； 上式中，分别为源任务和目标任务种群的协方差，利用公式17-19得到以下变量： 20； 21； 22； 对公式21进行Cholesky分解： 23； 上式中，、分别为源任务、目标任务协方差矩阵Cholesky分解得到的下三角矩阵，利用公式20和22得到最终的仿射变换参数： 24； 步骤3.3.3、利用仿射变换参数，将源任务中的迁移解映射至目标任务中，得到更优的迁移解： 25； 上式中，是映射到目标任务中的迁移解，是源任务中的迁移解； 步骤3.3.4、利用公式25生成个仿射变换后的迁移解，并根据适应度值排序得到个体排名rank{}，依据自适应选择参数，选取前的个体作为成功个体，记作映射解。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安理工大学，其通讯地址为：710048 陕西省西安市碑林区金花南路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。