1
我想知道溫度和結合能對DNA分裂的影響。 我用一個簡單的一維步行來描述DNA聚合物的位置。我已經設定了它們重疊的初始條件。初始位置是一種自我避免和單向隨機遊走。該聚合物具有128個單體，每個單體的位置由陣列a [0-127]和b [0-127]給出。有兩種單體在相同位置上的能量E（我已經採用-1）。所有其他分隔距離都沒有能量。 現在我已經使用Metropolis算法來使聚合物達到平衡。 我已經隨機選擇了一個單體（256個）並翻轉了它。翻轉已被定義爲DNA分裂算法
A [1] = A [1 + 1] + A [I-1] + A [1]
這將是 'B' 而不是「一個'在第二種聚合物的情況下。 當然，如果所選擇的最終聚合物被倒裝將由
來定義[127] = 2 *一個[126] + A [127]
應當注意的是，由於翻轉位置將改變爲2,0或-2。
現在，大都會算法規定，如果由於翻轉而沒有能量變化（例如，如果已經分離的單體進一步變得更遠，或者如果分離的單體變得更近但不完全在一起），將總是允許翻蓋。 當能量變化爲負值時，也就是在翻轉兩個單體後，總是可以翻轉。 當有一個積極的能量變化即，當最初兩種單體在一起但翻轉後，他們然後分離該倒裝被接受與
函數powf（M_E，（E/T））的概率
此時T也取1。
該算法迭代很多次，直到達到平衡已經達到了結束間隔距離，即b [127] -a [127]。 爲了生成隨機數，我使用了我在代碼中定義的drand函數。由於有人告訴我這可能不是一個非常好的隨機數生成器，我還嘗試使用函數ran2，我剛剛將代碼複製到代碼中，但沒有如何工作。
無論如何，現在我的問題是平衡距離出來遠遠高於應該是。理想情況下，我被告知它應該最多爲0或者2和4。比這更不可能。但是我的代碼非常頻繁地給出像22,30等值。 有人能告訴我什麼是錯的？隨意要求進一步澄清。
#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;
}
所以你問我們分析你的算法，然後找到它的問題？我認爲這個問題太多了，因爲你的算法非常廣泛。你的代碼看起來非常好/乾淨;做得好！你不能放大，或削減部分處理和檢查中間結果？ –
是的。我確實意識到代碼很長，但在我發佈之前儘量找到問題。 – aniruud
我確實嘗試隔離某些部件，以便找到問題。隨機數發生器似乎沒有任何問題。初始設置聚合物也是如此。問題必須在大都會算法中。當迭代次數較低時，結果更加明智。但是當我們增加迭代次數時，儘管事實上它們應該在某個點達到平衡，並且在後續迭代之後才停留在那裏，但值會變得更加怪異和怪異。 – aniruud