Модель розвитку простих органiзмiв з використанням генетичних алгоритмiв та глибинного навчання

Скорочена інформація про документ
dc.contributor.advisorОрєхов, Олександр Арсенійович
dc.contributor.authorЖиткевич, Iван Олександрович
dc.date.accessioned2023-09-10T17:23:49Z
dc.date.available2023-09-10T17:23:49Z
dc.date.issued2023
dc.description.abstractКвалiфiкацiйна робота мiстить: 52 стор., 12 рисункiв, 8 джерел. Мета роботи полягає в аналiзi адаптацiї та еволюцiйному розвитку модельованих органiзмiв за допомогою генетичних алгоритмiв та глибинного навчання на основi розробленого програмного забезпечення. Об’єктом дослiдження є еволюцiйний розвиток простих органiзмiв за допомогою генетичних алгоритмiв та глибинного навчання. Предмет дослiдження — симуляцiя еволюцiї простих органiзмiв у двовимiрному обмеженому непервному просторi. Це дослiдження використовує унiкальний пiдхiд до моделювання розвитку та адаптивностi органiзму, поєднуючи переваги глибокого навчання з адаптивним потенцiалом генетичних алгоритмiв. Дослiдження розкриває складний взаємозв’язок мiж складнiстю геному, та довгостроковою адаптацiєю, демонструючи, що органiзми з простiшою генетичною архiтектурою можуть адаптуватися швидше завдяки меншому простору рiшень. Незважаючи на простоту моделi, спостерiгалося виникнення групової поведiнки, що є переконливим емпiричним доказом, незважаючи на те, що цi угруповання не пропонують жодних переваг у конкурентному середовищi.uk
dc.description.abstractotherQualification work contains: 52 pages, 12 figures, 8 sources. The purpose of the work is to analyze the adaptation and evolutionary development of modeled organisms using genetic algorithms and deep learning based on the developed software. The object of study is the evolutionary development of simple organisms using genetic algorithms and deep learning. The subject of the study is the simulation of the evolution of simple organisms in a two-dimensional bounded non-primary space. This research uses a unique approach to modeling the development and adaptability of of an organism, combining the advantages of deep learning with the adaptive potential of of genetic algorithms. The study reveals a complex relationship between genome complexity and long-term adaptation, demonstrating that organisms with simpler genetic architecture can adapt faster due to due to a smaller decision space. Despite the simplicity of the model, the emergence of group behavior was observed, which is a strong empirical evidence, despite the fact that that these groupings do not offer any advantages in a competitive environment.uk
dc.format.extent52 с.uk
dc.identifier.citationЖиткевич, І. О. Модель розвитку простих органiзмiв з використанням генетичних алгоритмiв та глибинного навчання : дипломна робота … бакалавра : 113 Прикладна математика / Житкевич Іван Олександрович. – Київ, 2023. – 52 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/60144
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectеволюцiйний розвитокuk
dc.subjectevolutionary developmentuk
dc.subjectгенетичний алгоритм,uk
dc.subjectgenetic algorithmuk
dc.subjectнейроннi мережiuk
dc.subjectneural networksuk
dc.subjectпростi органiзмиuk
dc.subjectsimple organismsuk
dc.titleМодель розвитку простих органiзмiв з використанням генетичних алгоритмiв та глибинного навчанняuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Zitkevitch_bakalavr.pdf
Розмір:
1.2 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.1 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММАД)
Бакалаврські роботи