Разработка математической модели алгоритмов и программного обеспечения для кодирования структуры многоклеточного организма с целью исследования процесса деления клеток.
Заказать уникальную дипломную работу- 80 80 страниц
- 41 + 41 источник
- Добавлена 14.07.2020
- Содержание
- Часть работы
- Список литературы
- Вопросы/Ответы
Введение 7
1 Обзор существующих математических моделей процесса деления клеток 10
1.1 Основные понятия КА 14
1.2. Шаблоны соседства и именующие функции 17
1.3. Правила переходов динамического КА 21
1.4. Правила и алгоритмы Клеточных автоматов 24
1.5.Правило «горящего леса» вероятностного клеточного автомата 26
1.6. Осуществление муравьиного правила 29
2 Разработка требований на алгоритмы и программное обеспечение 31
2.1. Моделирование роста и размножения клеток с помощью вероятностного клеточного автомата 32
2.2. Моделирование клеточных биосистем действующих по правилу муравья Лэнгтона 39
2.3. Соображения о процессе реализации разработки программного обеспечения 45
3 Описание программного обеспечения имитации с помощью клеточных автоматов. 51
3.1. Программа моделирования роста и размножения клеток с помощью вероятностного клеточного автомата 51
3.2. Программа имитации биосистем действующих по правилу муравья Лэнгтона 61
4 Вычислительные эксперименты с программными моделями 71
Список использованных источников 76
Приложения 1 81
Приложения 2 87
Рассмотрены алгоритмы и правила формирования окрестностей, шаблоны соседства и именующие функции. Рассмотрены также алгоритмы «горящего леса» и муравьиного правила.
В первой главе был проведен анализ предметной области и сформулированы задачи моделирования.
Во второй главе приведены техническое задание на программное обеспечение для моделирования, оформленные в соответствии с ГОСТ на разработку программных средств.
В третьей главе описаны созданных программ. Описание программы соответствует ГОСТ на описание программного обеспечения. Схемы алгоритмов реализованы на распространяемом Российским космическим агентством языке Дракон. Его обозначения включены в современные варианты нормативных документов на программные средства.
В четвёртой главе проведены вычислительные эксперименты с созданными моделями и сформулированы выводы. Уровень выводов соответствует уровню понимания процессов в современной научной литературе.
Предложенные модели обладает всеми преимуществами классических КА, а именно: вычислительной устойчивостью, отсутствием ошибок округления, естественным параллелизмом. Дальнейшее развитие КА позволит по-новому взглянуть на задачи роста биологических тканей, и смоделировать те механизмы роста живых организмов, для которых применение существующих методов было ограниченным, либо вовсе невозможным в связи с огромной сложностью таких моделей.
Доклад окончен, большое спасибо всем за внимание!
Я готов ответить на Ваши вопросы.
2
3
1. Ачасова С.М. Клеточно-автоматная самовоспроизводящаяся матрица на искусственных биологических клетках//Проблемы информатики, 2916,№ 5, с.15-25.
2. Алёшкин А.С., Обухова А.Г., Жукова Д.О. Математическое и программное обеспечение стохастических клеточных автоматов с памятью//Современные информационные технологии и ИТ-образование, 2017, т.13, № 2, с.25-39
3. Виноградов Д.В. Реализация клеточного автомата «Жизнь» в пакете Mathcad//Наука и перспективы, 2018, № 2, с. 1-6.
4. Витвицкий А.А. Клеточные автоматы с динамической структурой для моделирования роста биологических тканей//СЖВМ, 2014, т.17,№ 4, с.314-328
5. Витвицкий А.А. Клеточные автоматы с динамической структурой на примере роста и деления клеток цианобактерии//Труды конференции молодых учёных -Новосибирск: НГУ, 2015, с. 46-57
6. Гаврилов С.В., Матюшин А.Л., Стемповский А.П. Вычислимость в клеточных автоматах//Искусственынй интеллеки м принятие решений, 2016, № 1, с.18-36
7. Глухова В.В., Терещенко Д.Ф. Исследование клеточных автоматов на планарных графах// материалы VII Международной молодежной научно-практической конференции с элементами научной школы, посвященной 60-летию Института математики им. С. Л. Соболева СО РАН. 2017,с.116-118
8. Ершов Н.М., Кравчук А.В. Дискретное моделирование с помщью стохастических клеточных автоматов. Вестник рУДН. Серия Математика. Информатика. Физика, 2014,№ 2, с.359-362
9. Зубкова Е.В., Жукова Л.А., Фролов П.В., Шанин В.Н. Работы А.С. Комарова по клеточно-автоматному моделированию популяционно-онтогенетических процессов у растений//Компьютерные исследования и моделирование, 2016, т.8 № 2 С. 285-295
10. Киреева О.И. Клеточные автоматы в лабораторном практикуме дисциплины «Математическое моделирование» // ХIII Международная конференция, ХI Международный конкурс научных и научно-методических работ, V конкурс Научное школьное сообщество: сборник трудов. 2019, с.40-43
11. Ланцева А.А. Дискретные математические модели. / А.А. Ланцева, С.В. Иванов– СПб: Университет ИТМО, 2018. – 33 с.
12. Меншуткин В.В. Искусство моделирования (экология, физиология, эволюция). –Петрозаводск — Санкт-Петербург. 2010. 416 с.
13. Митькин С.Б. Автоматное программирование на языке Дракон// Программная инженерия, 2019,Том 10, № 1, с.3-14
14. Митыпов Л.С. О моделировании клеточных автоматов// ГЕОМЕТРИЯ МНОГООБРАЗИЙ И ЕЕ ПРИЛОЖЕНИЯ Улан-Удэ, 26-30 июня 2016 , с.164-17 1.
15. Нагорнов Ю.С. К вопросу моделирования межклеточного взаимодействия в условиях QUORUM SENSING методом клеточных автоматов// Материалы 3-й научно-практической internet-конференции. Министерство образования и науки Российской Федерации; Тольяттинский государственный университет; Научно-образовательный центр «Математические модели и теоретические основы классической и квантовой информатики»; ответственный редактор: Нагорнов Ю.С.. 2014, с. 408-414
16. Программа для моделирования процесса роста клеток адгезивного типа на поверхности микроносителей с использованием метода клеточных автоматов. Номер регистрации (свидетельства): 2017614151
17. Попов А.В., Пальмов С.В. Новая жизнь игры «Жизнь»//Евразийский Союз Ученых (ЕСУ) # 1 (22), Технические науки. 2016, №1(22), с.94-96
18. Уманов А.А. Исследование абстрактного клеточного автомата независимого от времени// Моделирование, оптимизация и информационные технологии. 2019. Т. 7. № 1 (24). С. 196-212.
19. Соколов И. А., Миловидова А. А Обзор свойств клеточных автоматов, их применения/ /Сетевое научное издание «Системный анализ в науке и образовании», 2017, №1, С. 1-11.
20. Хромов Н.Н., Лысов Д.И. Моделирование одномерных клеточных автоматов средствами Borland Delphi 7.0// В сборнике: Научные труды Калужского государственного университета имени К.Э. Циолковского Сер. "Естественные науки" Калужский государственный университет им. К.Э. Циолковского. 2018. С. 357-360.
21. Хромова Н.Н Моделирование двумерных клеточных автоматов средствами Borland Delphi 7.0 // В сборнике: Научные труды Калужского государственного университета имени К.Э. Циолковского Сер. "Естественные науки" Калужский государственный университет им. К.Э. Циолковского. 2018. С. 291-296.
22. Шлагов Д.А. Разработка библиотеки для реализации клеточных автоматво// Образование и наука в современных условиях. 2016. № 4 (9). С. 160-162.
23. Potts, R. B. Some Generalized Order-Disorder Transformations / R. B. Potts // Mathematical Proceedings. — 1952. — Vol. 48, no. 1. — Pp. 106-109.
24. Swat, M. H. CompuCell3D Reference Manual [Электронный ресурс] / M. H. Swat, J. B. Bel¬monte, R. W. Heiland, B. L. Zaitlen, J. A. Glazier, A. Shirinifard. — Режим доступа: http://www.compucell3d.org/Manual/.
25. Gao, X. A Multiscale Model for Hypoxia-induced Avascular Tumor Growth / X. Gao, M. Tangney, Tabircam S. // Proceedings of 2011 International Conference on Bioscience, Biochemistry and Bioinformatics. — 2011. — Vol. 5. — Pp. 53-58.
26. Poplawski, N. J. Simulation of single-species bacterial-biofilm growth using the Glazier-Graner- Hogeweg model and the CompuCell3D modeling environment / N. J. Poplawski, A. Shirinifard, Swat M., J. A. Glazier // Math Biosci Eng. — 2008. — Vol. 5, no. 2. — Pp. 355-388.
27. Kleinstreuer, N. A Computational Model Predicting Disruption of Blood Vessel Development /
28. N. Kleinstreuer, D. Dix, Rountree M., N. Baker, N. Sipes, D. Reif, R. Spencer, T. Knudsen // PLoS Comput Biol. — 2013. — Vol. 9, no. 4. — 20 pp.
29. J. V. Neumann. The Theory of Self-Reproducing Automata. A. W. Burks (ed), Univ. of Illinois Press, Urbana and London, 1966.
30 S. Wolfram. Theory and Applications of Cellular Automata. World Scientific, Singapore, 1986. ISBN 9971-50-124-4 pbk.
31. S. Wolfram. A New Kind of Science. Champaign, IL: Wolfram Media, pp. 29-30, 52, 59, 317, and p. 871, 2002
32. Toffoli, T. Cellular Automata Machines: A new Environment for Modeling / T. Toffoli, N. Margo- lus. — The MIT Press, 1987.
33. T. Toffoli, N. Margolus. II.12 The Margolus neighborhood. Cellular Automata Machines: A New Environment for Modeling, MIT Press, pp. 119–138, 1987.
34. Бандман, О.Л. Стохастическое клеточно-автоматное моделирование колебаний и автоволн в реакционно-диффузионных системах / О.Л. Бандман, А.Е. Киреева // Сиб. журн. вычисл. математики. — 2015. — Т. 18, № 3. — С. 251-269.
35. Калиничева, М. М. Моделирование роста опухоли эпителиальных тканей с использовани¬ем алгоритмов клеточных автоматов / М. М. Калиничева, В. В. Котин, Е. М. Писаренко // Альманах клинической медицины. — 2008. — Т. 17, № 1. — С. 179-182.
36. J. Schiff. 4.2.1 Partitioning Cellular Automata. Cellular Automata: A Discrete View of the World, Wiley, pp. 115– 116, 2008.
37. W. Burks. Essays on Cellular Automata. Technical Report, Univ. of Illinois, Urbana, 1970.
38. P. Pal Chaudhuri, D. R. Chowdhury, S. Nandi, and S. Chatterjee. Additive Cellular Automata - Theory and Applications, volume 1. IEEE Computer Society Press, CA, USA, ISBN 0-8186-7717-1, 1997.
39. P. Bak, K. Chen, C. Tang. A forest-fire model and some thoughts on turbulence. Physics Letters A, Vol. 147, Issues 5- 6, pp. 297-300, 1990.
40. B. Chopard and M. Droz. Cellular Automata Modeling of Physical Systems, Cambridge University Press, 1998. ISBN 0-521-46168-5.
41. C. G. Langton. Studying artificial life with cellular automata. Physica D: Nonlinear Phenomena 22 (1-3): 120–149, 1986.
Вопрос-ответ:
Какие математические модели существуют для процесса деления клеток?
В существующих математических моделях для процесса деления клеток используются такие понятия, как клеточные автоматы, шаблоны соседства и именующие функции.
Что такое клеточные автоматы и как они применяются для кодирования структуры многоклеточного организма?
Клеточные автоматы являются математической моделью, которая состоит из сетки клеток, каждая из которых может находиться в определенном состоянии. Они используются для кодирования структуры многоклеточного организма, где каждая клетка влияет на состояние своих соседей и они взаимодействуют в соответствии с правилами переходов.
Какие правила обычно используются в клеточных автоматах для моделирования процесса деления клеток?
В клеточных автоматах для моделирования процесса деления клеток применяются правила переходов, которые определяют, как клетка будет менять свое состояние в зависимости от состояний ее соседей. Эти правила могут различаться в зависимости от конкретной модели и исследуемого процесса деления.
Что такое правило горящего леса вероятностного клеточного автомата и как оно связано с делением клеток?
Правило горящего леса вероятностного клеточного автомата - это специальное правило, которое используется для моделирования динамики процесса деления клеток. Оно основано на идее распространения огня в лесу и позволяет определить вероятности переходов клеток из одного состояния в другое в зависимости от состояний их соседей.
Какие шаблоны соседства и именующие функции используются для кодирования структуры многоклеточного организма?
Для кодирования структуры многоклеточного организма используются различные шаблоны соседства и именующие функции. Шаблоны соседства определяют, какие клетки считаются соседними для данной клетки, а именующие функции присваивают определенное значение каждому состоянию клетки в зависимости от ее окружения.
Какова цель разработки математической модели алгоритмов и программного обеспечения для кодирования структуры многоклеточного организма?
Целью разработки такой модели является исследование процесса деления клеток в многоклеточных организмах. Математическая модель позволяет анализировать и предсказывать различные аспекты этого процесса и понимать его механизмы.
Какие основные понятия используются в математических моделях процесса деления клеток?
Основные понятия, используемые в таких моделях, включают клетки, шаблоны соседства, именующие функции, правила переходов динамического клеточного автомата, правила и алгоритмы клеточных автоматов и правило горящего леса вероятностного клеточного автомата.
Какие шаблоны соседства и именующие функции используются в моделях процесса деления клеток?
Шаблоны соседства и именующие функции являются основными элементами математических моделей для кодирования структуры многоклеточного организма. Шаблоны соседства определяют окружение каждой клетки, а именующие функции связаны с особенностями разделения клеток и обозначают их состояния и свойства.
Что такое правила переходов динамического клеточного автомата?
Правила переходов динамического клеточного автомата определяют, как изменяются состояния клеток в процессе деления. Они могут зависеть от состояний соседних клеток и особенностей моделируемого организма. Эти правила определяют поведение клеточного автомата и позволяют моделировать различные сценарии деления клеток.
Для чего используется правило горящего леса вероятностного клеточного автомата?
Правило горящего леса вероятностного клеточного автомата используется для моделирования процесса деления клеток с учетом вероятностей. Это правило позволяет учитывать случайные факторы и стохастические процессы, которые могут влиять на деление клеток в многоклеточных организмах.
Какие математические модели существуют для исследования процесса деления клеток?
Существуют различные математические модели для исследования процесса деления клеток, такие как клеточные автоматы, генетические алгоритмы, вероятностные клеточные автоматы и др.
Что такое клеточные автоматы и как они применяются в моделях деления клеток?
Клеточные автоматы - это математические модели, которые представляют собой сетку клеток, каждая из которых может принимать определенное состояние. В моделях деления клеток клеточные автоматы используются для описания динамики и взаимодействия клеток в многоклеточном организме.