Студопедия
Случайная страница | ТОМ-1 | ТОМ-2 | ТОМ-3
АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

Компьютерное моделирование эволюции кооперативных стратегий

Читайте также:
  1. YIII.5.2.Аналогия и моделирование
  2. Бежная стадия их эволюции, то естественно, что они испытывают к ней
  3. Виды инвестиционных стратегий
  4. Виды маркетинговых стратегий
  5. ВОЗВРАЩАЕМСЯ К ЭВОЛЮЦИИ СЕКСА
  6. Д. Разумно применяется на стороне эволюции.
  7. Диагностическое восковое моделирование

В. А. Донских

Институт цитологии и генетики СО РАН

Новосибирский государственный университет

Распространённым способом моделирования поведения общественной или биологической системы из первых принципов является использование «интеллектуальных агентов». Каждый агент имеет рецепторы для получения информации о внешней среде, которая определяет его выбор одного из возможных действий.

Подход позволяет изучить как эволюцию системы в целом, так и закономерности поведения отдельных агентов.

В работе мы рассматриваем реальные ситуации, в которых группа людей или животных стремится к некоторому небольшому объекту. Участники движения не могут одновременно занимать одну и ту же область. Модель представляет собой двумерную сетку 30x30, по которой перемещаются агенты. Каждый агент обладает запасом «энергии» и расходует его в разных количествах на стояние на месте, движение или столкновение с другим агентом. Энергия агента пополняется при каждом последовательном посещении центра и края сетки. Также агент обладает однослойной нейронной сетью с 8 входящими сигналами и 4 выходящими: параметры сети определяют индивидуальную стратегию агента. Переобучение нейронной сети агента происходит на примере успешных агентов и только тогда, когда истощается энергия агента.

Модель реализована в виде компьютерной программы.

Статистический анализ популяции агентов позволяет классифицировать их стратегии, оценить их эффективность и распространённость и проследить зависимость выбора стратегии от параметров модели.

Проведён анализ эволюции и динамики системы. Движение агентов проинтерпретировано с помощью транспортных уравнений. На основе зависимости числа агентов, совершивших путь к центру сетки, от общего числа агентов и отношений максимальной энергии агента к её затратам на действия и столкновения построена фазовая диаграмма системы.

Научный руководитель – канд. физ.-мат. наук И. И. Титов.

 

 

РАЗРАБОТКА ВЫСОКОПРОИЗВОДИТЕЛЬНЫХ МЕТОДОВ МОДЕЛИРОВАНИЯ ЭВОЛЮЦИИ БАКТЕРИАЛЬНЫХ СООБЩЕСТВ В ПРОГРАММЕ «ГАПЛОИДНЫЙ ЭВОЛЮЦИОННЫЙ КОНСТРУКТОР»

З. С. Мустафин

Институт цитологии и генетики СО РАН

Новосибирский государственный университет

Моделирование эволюции бактериальных сообществ – актуальная задача современной биоинформатики. «Гаплоидный эволюционный конструктор» - программный комплекс, разработанный в ИЦиГ СО РАН, который осуществляет данное моделирование с помощью объектно-ориентированного подхода [1]. В рамках ГЭК реализуется моделирование эволюции бактериальных сообществ, включая процессы метаболизма и транспорта субстратов, взаимодействия с окружающей средой и другими популяциями. Время расчета сложных моделей ГЭК может достигать десятков часов. Данная работа направлена на ускорение процесса моделирования.

Разработан алгоритм для расчета функции изменения численности популяций – наиболее трудоемкого этапа моделирования. Исходный алгоритм [1] был реализован с помощью рекурсии. Рекурсия была заменена циклом, что дало около 25% прироста производительности. Была реализована параллельная версия алгоритма с использованием технологии MPI. Алгоритм был протестирован на кластере ЦКП «Биоинформатика» СО РАН. Общее ускорение параллельной версии оказалось почти линейным. Время расчета тестовой модели бактериального сообщества с высокой степенью генетического разнообразия (порядка 108 уникальных аллельных комбинаций) сократилось с 622 минут (оригинальная версия ГЭК) до 482 минут (последовательная версия нового алгоритма) и двух минут (параллельная MPI версия, 264 процесса).

Таким образом, разработанный алгоритм позволяет пользователю значительно увеличить разнообразие процесса моделирования бактериальных сообществ.

_____________________________

1. Lashin S.A., Suslov V.V., Kolchanov N.A., Matushkin Yu.G. // In Silico Biology, 2007, V 7, N 3, 261-275.

Научный руководитель – канд. биол. наук С. А. Лашин.

 


Дата добавления: 2015-10-16; просмотров: 98 | Нарушение авторских прав


Читайте в этой же книге: ВОЗМОЖНОСТИ ПСИХОЛОГИЧЕСКОЙ ПРОФИЛЛАКТИКИ НЕВРОТИЧЕСКИХ СОСТОЯНИЙ ДЛЯ ЖЕНЩИН В ПЕРИОД БЕРЕМЕННОСТИ | ИЗУЧЕНИЕ МОТИВОВ НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ РАБОТЫ СТУДЕНТОВ. ИХ УСЛОВИЯ И ОРГАНИЗАЦИЯ | МЛАДШИХ ШКОЛЬНИКОВ | ИССЛЕДОВАНИЕ ЦЕННОСТНО-СМЫСЛОВОЙ СФЕРЫ ВОЕННОСЛУЖАЩИХ, ПЕРЕЖИВШИХ ПОСЛЕДСТВИЯ БОЕВОГО СТРЕССА | ВЗАИМОСВЯЗЬ ШУМОВОГО ЗАГРЯЗНЕНИЯ, ТРЕВОЖНОСТИ И ДЕПРЕССИИ | РАЗРАБОТКА И СОЗДАНИЕ АВТОНОМНОГО КОНТРОЛЬНО-ПЕРЕДАЮЩЕГО МОДУЛЯ ВЕТРОИЗМЕРИТЕЛЬНОГО КОМПЛЕКСА | ВЛИЯНИЕ УФ-А ИЗЛУЧЕНИЯ НИЗКОЙ ИНТЕНСИВНОСТИ НА ПРОДУКТИВНОСТЬ LACTUCA SATIVA В ГИДРОПОНИКЕ | ВЛИЯНИЕ УЛЬТРАЗВУКА НА БИОХИМИЧЕСКИЕ ПОКАЗАТЕЛИ СЫВОРОТКИ КРОВИ ХРЯКОВ | ЭФФЕКТ ДЕЙСТВИЯ УЛЬТРАЗВУКА НА БИОЛОГИЧЕСКИ АКТИВНЫЕ ТОЧКИ И СЕМЕННИКИ ХРЯКОВ | КОМПОЗИЦИЯ ЭПИЗОДОВ РЕЧЕВОГО КОНФЛИКТА В СТУДЕНЧЕСКОЙ КОММУНИКАЦИИ |
<== предыдущая страница | следующая страница ==>
ИСПОЛЬЗОВАНИЕ ЖЕВАТЕЛЬНЫХ КОМПОЗИЦИЙ ДЛЯ ВЫЯВЛЕНИЯ АЛЛЕЛЬНЫХ ПОЛИМОРФИЗМОВ ГЕНОМА И ДНК-ВИРУСОВ ЧЕЛОВЕКА| ЖАНРОВЫЕ ОСОБЕННОСТИ ГИМНА РОССИИ НА ОСНОВЕ СОПОСТАВЛЕНИЯ НЕСКОЛЬКИХ РЕДАКЦИЙ

mybiblioteka.su - 2015-2024 год. (0.007 сек.)