Estoy tratando de optimizar algunos parámetros del campo de fuerza en un marco molecular para que el resultado de la simulación se acerque lo más posible a la estructura experimental.
En el pasado, he escrito un algoritmo genético donde esencialmente muestro aleatoriamente el espacio de parámetros, selecciono la combinación que funciona mejor, creo conjuntos de parámetros mutados y repito el proceso hasta obtener los mejores parámetros para alguna función objetivo. También realizo una optimización del algoritmo en sí, donde la distribución de los valores mutados se optimiza para favorecer una convergencia más rápida.
Mi asesor no ha oído hablar de algoritmos genéticos, y nunca he oído hablar de los métodos que recomendó: el método de gradiente conjugado y el algoritmo simplex.
En mi situación, la función objetivo es una función de la desviación de cada átomo de su ubicación experimental (por lo que es una optimización estructural). El sistema es de 4-10K átomos. ¿Vale la pena invertir tiempo en aprender CGM o el algoritmo simplex? De los tres, ¿cuál es el mejor para esta situación?