蛋白质结构预测问题是指从蛋白质的一级结构预测它的折叠和二级,三级,四级的结构,而蛋白质的结构信息可以给出远多于其序列所能给出的功能机制信息,因此这一问题是生命科学与理论化学所追求的核心问题之一。由于蛋白质结构预测问题已经被证明是一种NP问题,而启发式算法对解决NP问题有着相当大的优势,因此人们试图找到高效的启发式算法解决这种问题。启发式算法是相对于最优化算法提出的一种算法。通过学习自然界中的各种现象,该种算法力图在计算的时间和计算的精度之间取得一个良好的平衡,从而实现在较短的时间内,能够对于比较复杂的问题得到一个可以接受的计算结果。为了解决蛋白质结构预测问题,人们通常将蛋白质结构简化成具体的模型进行计算,本算法是基于其中一种应用十分广泛的模型——HP格点模型。本算法的基础为拟人改进的PERM算法,该算法通过在传统的PERM算法的基础之上增加拟人改进策略对算法进行了优化。这一类算法是一种剪枝算法,通过考虑当前构型在历史构型中的地位以及任意动作对当前构型的影响制定合适的剪枝策略,从而提高算法的搜索效率。本算法是在拟人改进的PERM算法的基础之上对其进行了进一步的优化,使用该算法的计算结果作为树搜索过程中进行分支选择的依据。简单地说,就是在每次进行分支选择的时候,对于每一个可行的动作都迭代执行PERM算法,并且记录下迭代的最优结果,该结果可以表明从哪个分支出发能得到更好地结果,而之后的迭代过程则集中在该分支上。该方法可以使得在进行树搜索的过程中更加具有针对性,从而能够在更短的时间内找到最优构型。