کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
6369717 | 1623827 | 2015 | 16 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Toward a unifying framework for evolutionary processes
ترجمه فارسی عنوان
به یک چارچوب متحد برای فرآیندهای تکاملی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ژنتیک جمعیت، سیر تکاملی، محاسبات تکاملی، مدل سازی ریاضی،
ترجمه چکیده
تئوری ژنتیک جمعیت و محاسبات تکاملی به طور جداگانه در حدود 30 ساله تکامل یافته است. بسیاری از نتایج به طور مستقل در هر دو زمینه به دست آمده است و بسیاری از دیگر به حوزه مربوطه منحصر به فرد هستند. ما قصد داریم این شکاف را با ایجاد یک چارچوب متحد برای فرایندهای تکاملی که اجازه می دهد تا هر دو الگوریتم تکاملی و مدل های ژنتیک جمعیتی در یک چارچوب رسمی به کار گرفته شود، برداریم. چارچوبی که در اینجا ارائه می کنیم فرآیند تکاملی را به اجزای مختلف آن تجزیه می کنیم تا تشابه شباهت بین مدل های مختلف را تسهیل کنیم. به طور خاص، ما یک دسته بندی از اپراتورهای تکاملی را بر اساس خواص تعریف اجزای مختلف پیشنهاد می کنیم. ما چندین اپراتور معمول از هر دو زمینه را به این چارچوب مشترک هدایت می کنیم. با استفاده از این، ما الگوریتم های مختلف تکاملی و ژنتیک را به رژیم های مختلف تکاملی و شناسایی نامزدهای با بیشترین پتانسیل برای ترجمه نتایج بین زمینه ها می پردازیم. این توصیف یکپارچه از فرایندهای تکاملی را ارائه می دهد و نشان دهنده یک گام به سمت ابزارهای جدید و نتایج در هر دو زمینه است.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علوم کشاورزی و بیولوژیک
علوم کشاورزی و بیولوژیک (عمومی)
چکیده انگلیسی
The theory of population genetics and evolutionary computation have been evolving separately for nearly 30 years. Many results have been independently obtained in both fields and many others are unique to its respective field. We aim to bridge this gap by developing a unifying framework for evolutionary processes that allows both evolutionary algorithms and population genetics models to be cast in the same formal framework. The framework we present here decomposes the evolutionary process into its several components in order to facilitate the identification of similarities between different models. In particular, we propose a classification of evolutionary operators based on the defining properties of the different components. We cast several commonly used operators from both fields into this common framework. Using this, we map different evolutionary and genetic algorithms to different evolutionary regimes and identify candidates with the most potential for the translation of results between the fields. This provides a unified description of evolutionary processes and represents a stepping stone towards new tools and results to both fields.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Theoretical Biology - Volume 383, 21 October 2015, Pages 28-43
Journal: Journal of Theoretical Biology - Volume 383, 21 October 2015, Pages 28-43
نویسندگان
Tiago Paixão, Golnaz Badkobeh, Nick Barton, DoÄan ÃörüÅ, Duc-Cuong Dang, Tobias Friedrich, Per Kristian Lehre, Dirk Sudholt, Andrew M. Sutton, Barbora Trubenová,