Otimização Baseada na Quimiotaxia Social de Bactérias: Uma Introdução e Perspectivas Seminário da disciplina “Computação E...
Sumário <ul><li>   Estratégias para busca de alimentos: elementos; </li></ul><ul><li>Estratégias em bactérias: modelo-pad...
Estratégias para Busca de Alimentos: Elementos <ul><li>Tipo de “objetivo: maximizar razão </li></ul><ul><li>:aporte de ene...
Estratégias para Busca de Alimentos: Elementos Tipos de estratégia (Atum) (Peixes, pássaros, insetos) (Ofídeos) O’Brien, W...
Estratégias para Busca de Alimentos: Elementos <ul><li>Estratégias de grupo ( comportamento social ): vantagens </li></ul>...
Estratégias em Bactérias: Modelo     E. coli Audersik, T. and Audersik, G.  (1999).  Biology: Life on Earth . 5th ed. Eng...
E. coli: Motilidade e Quimiotaxia “ Motor biológico”* Quimiotaxia** *Alberts, B., Bray, D., Lewis, J., Raff, M., and Watso...
E. coli: Motilidade e Quimiotaxia <ul><li>Comportamento na quimiotaxia </li></ul><ul><ul><li>Meio “neutro”: alternando “co...
Motilidade: Formação de Padrões Fototaxia ,  Thiospirillum jenense* *Madigan, M., Martinko, J., and Parker, J.  (1997).  B...
Comportamentos mais complexos: Myxobactéria 2.Formação de “corpo frutificante”,  Myxococcus xanthus * 3.Ondas    “sinal”-...
Inspiração: Otimização – Um Modelo Método global, sem informação a respeito do gradiente da função custo Minimizar um perf...
Inspiração: Otimização – Um Modelo “ Sinalização” entre indivíduos via secreção de substâncias atratoras: função varia no ...
Exemplos  – Perspectivas Exemplo 01 Modelo:  Myxococcus xanthus  (com superfície de nutrição, atração intercelular e trilh...
Função de atração/repulsão Exemplos  – Perspectivas (Quantidade secretada = h r ) (Taxa de difusão; w r  = 10) Exemplo 01
Exemplos  – Perspectivas Alguns resultados Exemplo 01
Exemplos  – Perspectivas Exemplo 02 Modelo:  E. coli     População de bactérias: 50; “Vida útil” das bactérias: 100 passo...
Exemplos  – Perspectivas (Quantidade secretada = h r ) (Taxa de difusão; w r  = 10) Função de atração/repulsão Exemplo 02
Exemplos  – Perspectivas Alguns resultados 4 gerações  antes  de um evento eliminativo-dispersivo 4 gerações  após  um eve...
Comentários Finais <ul><li>   Analogias e distinções com métodos evolucionários; </li></ul><ul><li>Integração com métodos...
Próximos SlideShares
Carregando em…5
×

Biomimicry of Bacterial Chemotaxis for Optimization

643 visualizações

Publicada em

Publicada em: Tecnologia
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
643
No SlideShare
0
A partir de incorporações
0
Número de incorporações
14
Ações
Compartilhamentos
0
Downloads
0
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Biomimicry of Bacterial Chemotaxis for Optimization

  1. 1. Otimização Baseada na Quimiotaxia Social de Bactérias: Uma Introdução e Perspectivas Seminário da disciplina “Computação Evolucionária” 28/setembro, 2004 Centro de Pesquisa e Desenvolvimento em Engenharia Elétrica Universidade Federal de Minas Gerais Modelagem, Análise e Controle de Sistemas Não-Lineares – MACSIN ‡ [email_address]
  2. 2. Sumário <ul><li> Estratégias para busca de alimentos: elementos; </li></ul><ul><li>Estratégias em bactérias: modelo-padrão  E. coli; </li></ul><ul><li>E. coli: motilidade e quimiotaxia; </li></ul><ul><li>Motilidade: formação de padrões; </li></ul><ul><li>Comportamento mais complexo: myxobacteria; </li></ul><ul><li>Inspiração: otimização – um modelo; </li></ul><ul><li>Exemplos: Perspectivas; </li></ul><ul><li>Comentários finais. </li></ul>
  3. 3. Estratégias para Busca de Alimentos: Elementos <ul><li>Tipo de “objetivo: maximizar razão </li></ul><ul><li>:aporte de energia </li></ul><ul><li>:tempo despendido na busca </li></ul><ul><li>Restrições: </li></ul><ul><li>  Fisiologia; </li></ul><ul><li>  Predador / Presa; </li></ul><ul><li>  Ambiente; </li></ul><ul><li>Sinergia: sistemas evolucionários x sistemas de aprendizagem; </li></ul><ul><li>Estratégia: encontrar nicho, decidir quando entrar e quando sair, etc  Experiência. </li></ul>
  4. 4. Estratégias para Busca de Alimentos: Elementos Tipos de estratégia (Atum) (Peixes, pássaros, insetos) (Ofídeos) O’Brien, W., Browman, H., and Evans, B. (1990). Search strategies of foraging animals. American Scientist , vol. 78, pp. 152-160, mar./apr. 1990.
  5. 5. Estratégias para Busca de Alimentos: Elementos <ul><li>Estratégias de grupo ( comportamento social ): vantagens </li></ul><ul><ul><li>Mais “sensores”; </li></ul></ul><ul><ul><li>Presas grandes; </li></ul></ul><ul><ul><li>Predadores; </li></ul></ul><ul><li>“ Comunicação” entre os indivíduos </li></ul><ul><ul><li>movimentos; </li></ul></ul><ul><ul><li>ruído; </li></ul></ul><ul><ul><li>alteração (química) do ambiente  “memória”; </li></ul></ul><ul><li>Aprendizagem; </li></ul><ul><li>Formas inferiores  “inteligência de grupo” (adaptação ao ambiente) </li></ul><ul><li>Formas superiores  atividades cognitivas (adaptação do ambiente) </li></ul>Engenharia: exploração de todo o espectro cognitivo
  6. 6. Estratégias em Bactérias: Modelo  E. coli Audersik, T. and Audersik, G. (1999). Biology: Life on Earth . 5th ed. Englewood Cliffs, NJ: Prentice-Hall, 1999. *Madigan, M., Martinko, J., and Parker, J. (1997). Biology of Microorganisms . 7th ed. Englewood Cliffs, NJ: Prentice-Hall, 1997. Alguns dados: Diâmetro = 1  m; Comprimento = 2  m Peso = 1 pg (70% água); Divisão = 20 mins (37º C) Taxa de mutação = 10 -7 /gene/geração; Genoma seqüenciado Conjugação* Mais detalhes...
  7. 7. E. coli: Motilidade e Quimiotaxia “ Motor biológico”* Quimiotaxia** *Alberts, B., Bray, D., Lewis, J., Raff, M., and Watson, J. (1989). Molecular Biology of the Cell . 2th ed. New York: Garland Publishing, 1989. ** Passino, K.M. (2002). Biomimicry of bacterial foraging for distributed optimization and control. IEEE Control Systems Mag., june/2002. Flagelos : giram a 100-200 rps; reversíveis (“Corrida”) (Translação) (Gradiente nutritivo)
  8. 8. E. coli: Motilidade e Quimiotaxia <ul><li>Comportamento na quimiotaxia </li></ul><ul><ul><li>Meio “neutro”: alternando “corridas” e translações  busca (comportamento-padrão); </li></ul></ul><ul><ul><li>Gradiente nutritivo ascendente (ou nocivo descendente): “corridas” mais longas; </li></ul></ul><ul><ul><li>Gradiente nutritivo descendente (ou nocivo ascendente): comportamento-padrão; </li></ul></ul><ul><ul><li>Eventos eliminativo-dispersivos. </li></ul></ul>Sensitividade e controle 1. Ganho alto 2. Calcula média das concentrações e aproxima uma derivada temporal *Alberts, B., Bray, D., Lewis, J., Raff, M., and Watson, J. (1989). Molecular Biology of the Cell . 2th ed. New York: Garland Publishing, 1989.
  9. 9. Motilidade: Formação de Padrões Fototaxia , Thiospirillum jenense* *Madigan, M., Martinko, J., and Parker, J. (1997). Biology of Microorganisms . 7th ed. Englewood Cliffs, NJ: Prentice-Hall, 1997. **Budrene, E. and Berg, H. (1995). Dynamics of formation of symmetrical patterns by chemotactic bacteria. Nature , vol. 349, pp. 630-633, Feb. 1991. Aerotaxia Termotaxia Fototaxia Magnetoxia Padrões espaço-temporais estáveis em meio semi-sólido : 1.Deslocamento radial 2.Proteção mútua 3.Sinais (químicos) de atração Padrão, E. coli**
  10. 10. Comportamentos mais complexos: Myxobactéria 2.Formação de “corpo frutificante”, Myxococcus xanthus * 3.Ondas  “sinal”-C (concentração da proteína)** 1 2 3 4.Indução de padrões via “sinal”-C*** 1.Comportamento social e “ousado” Myxococcus xanthus * 4 • v. refs. ... Eliminação de trilhas de muco (em superfícies sólidas) Sob condições de inanição
  11. 11. Inspiração: Otimização – Um Modelo Método global, sem informação a respeito do gradiente da função custo Minimizar um perfil p -dimensional de substâncias atratoras e repulsoras em relação à posição das bactérias j = índice do passo quimiotáxico k = índice do passo reprodutivo l = índice do evento eliminativo-dispersivo S = população de bactérias (indivíduos inicialmente distribuídos de forma aleatória) Passo quimiotáxico: C(i) = amplitude do passo da i -ésima bactéria ( passo do algoritmo )  (j) = direção aleatória a seguir após uma translação no j -ésimo passo Ao fim de cada passo quimiotáxico, se a bactéria tiver amostrado um gradiente nutritivo mais elevado, então outro passo na mesma direção deverá ser dado; senão, a direção é alterada (aleatoriamente). O procedimento deve ser repetido até atingir um número máximo de passos (correspondente a uma medida da vida média dos indivíduos – valores baixos podem conduzir a retenção em mínimos locais ).
  12. 12. Inspiração: Otimização – Um Modelo “ Sinalização” entre indivíduos via secreção de substâncias atratoras: função varia no tempo, com a movimentação dos indivíduos (deforma dinamicamente o espaço de busca)  mais detalhes ... Indivíduos, simultaneamente: buscam nutrientes, evitam substâncias nocivas e movem-se em direção aos outros (mas não permanecendo muito próximos – consumo local) Comportamento social: Passo reprodutivo: Atingido o número máximo de passos quimiotáxicos, metade dos indivíduos (os que obtiveram mais nutrientes em sua vida útil) se dividem (o restante morre) – população fixa (menos freqüentes que os passos quimiotáxicos). Número de passos reprodutivos. Eventos eliminativo-dispersivos: Ajusta-se uma probabilidade para que os indivíduos estejam sujeitos à eliminação-dispersão a cada evento (menos freqüentes que os passos reprodutivos). Número de eventos eliminativo-dispersivos. Modelo simplificado: objetivo é reproduzir características fundamentais da ascensão em gradientes nutritivos e comportamento de grupo.
  13. 13. Exemplos – Perspectivas Exemplo 01 Modelo: Myxococcus xanthus (com superfície de nutrição, atração intercelular e trilhas de muco) S: 50; “Vida média”: 100 passos quimiotáxicos; “Dimensão” do problema: 2 “ Quantidade” de muco secretada: 0,1; Taxa de evaporação do muco: 0,98
  14. 14. Função de atração/repulsão Exemplos – Perspectivas (Quantidade secretada = h r ) (Taxa de difusão; w r = 10) Exemplo 01
  15. 15. Exemplos – Perspectivas Alguns resultados Exemplo 01
  16. 16. Exemplos – Perspectivas Exemplo 02 Modelo: E. coli  População de bactérias: 50; “Vida útil” das bactérias: 100 passos quimiotáxicos; Extensão máxima de um passo quimiotáxico: 4 (“corrida” em um gradiente nutritivo); Número de passos reprodutivos: 4; Número de eventos eliminativo-dispersivos: 2 (probabilidade de eliminação/dispersão: 0,25)
  17. 17. Exemplos – Perspectivas (Quantidade secretada = h r ) (Taxa de difusão; w r = 10) Função de atração/repulsão Exemplo 02
  18. 18. Exemplos – Perspectivas Alguns resultados 4 gerações antes de um evento eliminativo-dispersivo 4 gerações após um evento eliminativo-dispersivo Exemplo 02
  19. 19. Comentários Finais <ul><li> Analogias e distinções com métodos evolucionários; </li></ul><ul><li>Integração com métodos evolucionários; </li></ul><ul><li>Contextualização teórica entre os outros métodos estocásticos; </li></ul><ul><li>Robustez em ambientes ruidosos e variantes no tempo; </li></ul><ul><li>Aplicações </li></ul><ul><ul><li>Otimização; </li></ul></ul><ul><ul><li>Controle adaptativo (estratégias multi-modelo); </li></ul></ul><ul><ul><li>Veículos autônomos. </li></ul></ul>

×