1 / 6

2000. 12. 1

DNA 컴퓨팅 기법을 이용한 조합 최적화 문제의 해결 Solving Combinatorial Optimization Problems using Simulated DNA Computing. 2000. 12. 1. 분자 프로그래밍 (Molecular Programming). 생체 분자를 직접 표현할 수 있고 , 생체 분자의 계산 속도와 집적도를 활용할 수 있는 계산 모델이 필요 . 기존의 진화 연산을 기반으로 하여 새로운 계산 모델을 개발 . ‘ 진화 ’의 개념을 사용해서 최종해를 적극적으로 탐색 .

leola
Download Presentation

2000. 12. 1

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. DNA 컴퓨팅 기법을 이용한 조합 최적화 문제의 해결Solving Combinatorial Optimization Problems using Simulated DNA Computing 2000. 12. 1

  2. 분자 프로그래밍 (Molecular Programming) • 생체 분자를 직접 표현할 수 있고, 생체 분자의 계산 속도와 집적도를 활용할 수 있는 계산 모델이 필요. • 기존의 진화 연산을 기반으로 하여 새로운 계산 모델을 개발. • ‘진화’의 개념을 사용해서 최종해를 적극적으로 탐색. • 기존의 진화 연산과 유사하나 개체군의 수가 매우 크고, 생체 분자를 사용. 분자 프로그래밍

  3. 코드 최적화 (Code Optimization) 생체 분자, 생물학 실험 방법을 이용해서 계산  항상 오류의 가능성 내제 해결책 유전자 알고리즘을 이용해서 오류를 최소화하는 코드 발견

  4. Fitness • 주어진 코드에서 발생할 수 있는 오류의 횟수  최적의 적합값 = 0 • Hybridization mismatch • 임의의 확률로 측정 오류 발생 • Shifted mismatch • 모든 가능한 위치 이동 다 검사 • 가중치 표현 정확도

  5. Pk1 Pi2 TSP 해결 • 수소 결합수를 이용하는 방법 TTGA GACGT AACT ACATT 3’ 5’ Pj2 Wm Pa1 Edge j  a TGACCGGACG TGTAA ACTGG CCTGC GCCGT 5’ 3’ Wn Edge i  k

  6. Molecular Algorithm for TSP • GA를 이용해 최적 코드 생성 • 초기화 • While (cycle c cmax) do • MID pool합성 • MID pool분리 • INI pool과 결합 • FIN pool과 결합 • 최종 분리 • 특정한 정점으로 시작하고 끝나는 경로만을 선택 • n + 1개의 정점을 가지고 있는 경로만을 선택 • 그래프의 모든 정점을 최소한 한번 이상씩 방문한 경로만 선택 • 남은 경로 중에서 가장 짧으면서 G/C쌍을 적게 가지고 있는 경로를 선택

More Related