1
我想知道温度和结合能对DNA分裂的影响。 我用一个简单的一维步行来描述DNA聚合物的位置。我已经设定了它们重叠的初始条件。初始位置是一种自我避免和单向随机游走。该聚合物具有128个单体，每个单体的位置由阵列a [0-127]和b [0-127]给出。有两种单体在相同位置上的能量E（我已经采用-1）。所有其他分隔距离都没有能量。 现在我已经使用Metropolis算法来使聚合物达到平衡。 我已经随机选择了一个单体（256个）并翻转了它。翻转已被定义为DNA分裂算法
A [1] = A [1 + 1] + A [I-1] + A [1]
这将是 'B' 而不是“一个'在第二种聚合物的情况下。 当然，如果所选择的最终聚合物被倒装将由
来定义[127] = 2 *一个[126] + A [127]
应当注意的是，由于翻转位置将改变为2,0或-2。
现在，大都会算法规定，如果由于翻转而没有能量变化（例如，如果已经分离的单体进一步变得更远，或者如果分离的单体变得更近但不完全在一起），将总是允许翻盖。 当能量变化为负值时，也就是在翻转两个单体后，总是可以翻转。 当有一个积极的能量变化即，当最初两种单体在一起但翻转后，他们然后分离该倒装被接受与
函数powf（M_E，（E/T））的概率
此时T也取1。
该算法迭代很多次，直到达到平衡已经达到了结束间隔距离，即b [127] -a [127]。 为了生成随机数，我使用了我在代码中定义的drand函数。由于有人告诉我这可能不是一个非常好的随机数生成器，我还尝试使用函数ran2，我刚刚将代码复制到代码中，但没有如何工作。
无论如何，现在我的问题是平衡距离出来远远高于应该是。理想情况下，我被告知它应该最多为0或者2和4。比这更不可能。但是我的代码非常频繁地给出像22,30等值。 有人能告诉我什么是错的？随意要求进一步澄清。
#include <stdio.h>
#include <stdlib.h>
#include <math.h>
#define IM1 2147483563
#define IM2 2147483399
#define AM (1.0/IM1)
#define IMM1 (IM1-1)
#define IA1 40014
#define IA2 40692
#define IQ1 53668
#define IQ2 52774
#define IR1 12211
#define IR2 3791
#define NTAB 32
#define NDIV (1+IMM1/NTAB)
#define EPS 1.2e-7
#define RNMX (1.0-EPS)
float drand()
{
float f, r, randmax;
r = rand();
randmax = RAND_MAX;
f = r/(randmax+1);
return(f);
}
double ran2(long *idum)
{
int j;
long k;
static long idum2=123456789;
static long iy=0;
static long iv[NTAB];
double temp;
if (*idum <= 0) /* Initialize. */
{
if (-(*idum) < 1) *idum=1; /*Be sure to prevent idum = 0. */
else *idum = -(*idum);
idum2=(*idum);
for (j=NTAB+7; j>=0; j--) /* Load the shuffle table (after 8 warm-ups).*/
{
k=(*idum)/IQ1;
*idum=IA1*(*idum-k*IQ1)-k*IR1;
if (*idum < 0) *idum += IM1;
if (j < NTAB) iv[j] = *idum;
}
iy=iv[0];
}
k=(*idum)/IQ1; /* Start here when not initializing.*/
*idum=IA1*(*idum-k*IQ1)-k*IR1; /* Compute idum=(IA1*idum) % IM1 without
overflows by Schrage's method. */
if (*idum < 0) *idum += IM1;
k=idum2/IQ2;
idum2=IA2*(idum2-k*IQ2)-k*IR2; /* Compute idum2=(IA2*idum) % IM2 likewise. */
if (idum2 < 0) idum2 += IM2;
j=iy/NDIV; /* Will be in the range 0..NTAB-1. */
iy=iv[j]-idum2; /* Here idum is shuffled, idum and idum2 are
combined to generate output. */
iv[j] = *idum;
if (iy < 1) iy += IMM1;
if ((temp=AM*iy) > RNMX)
return RNMX; /* Because users don't expect endpoint values. */
else return temp;
}
int main()
{
int a[128],b[128]; /*array defining position of polymer*/
long int i, j; /* integers defined for iteration purposes*/
int r; /* The rth random monomer of the polymer while conducting the MC algorithm*/
int x; /* The new position of the monomer if it overcomes the probability*/
float E = -1; /* Energy associated with overlapping monomers*/
float T = 1; /* Temperature*/
int t; /*separation between final monomers*/
long idum = time(NULL);
srand (time(NULL)); /*set seed for the random number*/
a[0]=0;
b[0]=0;
for (i=1; i<128; i++) /*Defining a random but overlapping initial position for the strands*/
{
if (ran2(&idum)<0.5)
{
a[i]=a[i-1]+1;
b[i]=a[i];
}
else
{
a[i]=b[i]=a[i-1]-1;
b[i]=a[i];
}
}
/* Following is the metropolis algorithm*/
for (j=1; j<1000000; j=j+1)
{
r = floor(ran2(&idum)*128);
if (ran2(&idum)<0.5)
{
if (r<=126)
{
x=a[r+1]+a[r-1]-a[r];
if (x==b[r])
{
a[r]=x;
}
else if (x==b[r]-2)
{
if (ran2(&idum)<powf(M_E,(E/T)))
{
a[r]=x;
}
}
else if (x<b[r]-2)
{
a[r]=x;
}
}
else if (r==127)
{
x=2*a[126]-a[127];
if (x==b[127])
{
a[127]=x;
}
else if (x==b[127]-2)
{
if (ran2(&idum)<powf(M_E,(E/T)))
{
a[127]=x;
}
}
else if (x<b[127]-2)
{
a[127]=x;
}
}
}
else
{
if (r<=126)
{
x=b[r+1]+b[r-1]-b[r];
if (x==a[r])
{
b[r]=x;
}
else if (x==a[r]+2)
{
if (ran2(&idum)<powf(M_E,(E/T)))
{
b[r]=x;
}
}
else if (x>a[r]+2)
{
b[r]=x;
}
}
else if (r==127)
{
x=2*b[126]-b[127];
if (x==a[127])
{
b[127]=x;
}
else if (x==a[127]+2)
{
if (ran2(&idum)<powf(M_E,(E/T)))
{
b[127]=x;
}
}
else if (x>a[127]+2)
{
b[127]=x;
}
}
}
t = b[127]-a[127];
if (j%(25600)==0)
{
printf("%d\n", t);
}
}
printf("%f\n", powf(M_E,(E/T)));
return 0;
}
所以你问我们分析你的算法，然后找到它的问题？我认为这个问题太多了，因为你的算法非常广泛。你的代码看起来非常好/干净;做得好！你不能放大，或削减部分处理和检查中间结果？ –
是的。我确实意识到代码很长，但在我发布之前尽量找到问题。 – aniruud
我确实尝试隔离某些部件，以便找到问题。随机数发生器似乎没有任何问题。初始设置聚合物也是如此。问题必须在大都会算法中。当迭代次数较低时，结果更加明智。但是当我们增加迭代次数时，尽管事实上它们应该在某个点达到平衡，并且在后续迭代之后才停留在那里，但值会变得更加怪异和怪异。 – aniruud