Таблица | Карточка | RUSMARC | |
Разрешенные действия: –
Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети
Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
Данная бакалаврская работа посвящена разработке гиперэвристического алгоритма для решения задач биоинформатики. Задачи исследования: 1) Изучить различные виды эвристических алгоритмов и способы их создания. 2) Разработать гиперэвристический алгоритм для решения задачи параметризации в биоинформатике. 3) Разработать низкоуровневые эвристики для использования в гиперэвристическом алгоритме. 4) Провести тестирование разработанного метода на задаче оптимизирования параметров модели и провести сравнительный анализ результатов. Существующие исследования послужили основой для разработки гиперэвристического метода, который был реализован с использованием инструментария EvoHyp-python. В качестве эвристических алгоритмов оптимизации были выбраны Sine-Cosine метод, а также метод разностной эволюции DEEP. Произведены тесты разработанного алгоритма на функциях Растригина, и анализ численных результатов подтвердил его эффективность и перспективы в решении задач биоинформатики.
This bachelors thesis is dedicated to the development of a hyperheuristic algorithm for solving bioinformatics problems. Research objectives: 1) Study various types of heuristic algorithms and methods of their creation. 2) Develop a hyperheuristic algorithm for solving the parametrization problem in bioinformatics. 3) Develop low-level heuristics for use in the hyperheuristic algorithm. 4) Test the developed method on the task of optimizing model parameters and conduct a comparative analysis of the results. Existing research served as the basis for the development of the hyperheuristic method, which was implemented using the EvoHyp-python toolkit. The Sine-Cosine method and the Differential Evolution DEEP method were chosen as heuristic optimization algorithms. Tests of the developed algorithm were conducted on Rastrigin functions, and the analysis of numerical results confirmed its effectiveness and prospects in solving bioinformatics problems.
Права на использование объекта хранения
Место доступа | Группа пользователей | Действие | ||||
---|---|---|---|---|---|---|
Локальная сеть ИБК СПбПУ | Все |
![]() ![]() ![]() |
||||
Интернет | Авторизованные пользователи СПбПУ |
![]() ![]() ![]() |
||||
![]() |
Интернет | Анонимные пользователи |
Статистика использования
|
Количество обращений: 0
За последние 30 дней: 0 Подробная статистика |