advertisement

Biomimicry of Bacterial Chemotaxis for Optimization

38 %
63 %
advertisement
Information about Biomimicry of Bacterial Chemotaxis for Optimization
Technology

Published on May 8, 2009

Author: gladstone_barbosa

Source: slideshare.net

advertisement

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]

Sumário  Estratégias para busca de alimentos: elementos; Estratégias em bactérias: modelo-padrão  E. coli; E. coli: motilidade e quimiotaxia; Motilidade: formação de padrões; Comportamento mais complexo: myxobacteria; Inspiração: otimização – um modelo; Exemplos: Perspectivas; Comentários finais.

 Estratégias para busca de alimentos: elementos;

Estratégias em bactérias: modelo-padrão  E. coli;

E. coli: motilidade e quimiotaxia;

Motilidade: formação de padrões;

Comportamento mais complexo: myxobacteria;

Inspiração: otimização – um modelo;

Exemplos: Perspectivas;

Comentários finais.

Estratégias para Busca de Alimentos: Elementos Tipo de “objetivo: maximizar razão :aporte de energia :tempo despendido na busca Restrições:  Fisiologia;  Predador / Presa;  Ambiente; Sinergia: sistemas evolucionários x sistemas de aprendizagem; Estratégia: encontrar nicho, decidir quando entrar e quando sair, etc  Experiência.

Tipo de “objetivo: maximizar razão

:aporte de energia

:tempo despendido na busca

Restrições:

 Fisiologia;

 Predador / Presa;

 Ambiente;

Sinergia: sistemas evolucionários x sistemas de aprendizagem;

Estratégia: encontrar nicho, decidir quando entrar e quando sair, etc  Experiência.

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.

Estratégias para Busca de Alimentos: Elementos Estratégias de grupo ( comportamento social ): vantagens Mais “sensores”; Presas grandes; Predadores; “ Comunicação” entre os indivíduos movimentos; ruído; alteração (química) do ambiente  “memória”; Aprendizagem; Formas inferiores  “inteligência de grupo” (adaptação ao ambiente) Formas superiores  atividades cognitivas (adaptação do ambiente) Engenharia: exploração de todo o espectro cognitivo

Estratégias de grupo ( comportamento social ): vantagens

Mais “sensores”;

Presas grandes;

Predadores;

“ Comunicação” entre os indivíduos

movimentos;

ruído;

alteração (química) do ambiente  “memória”;

Aprendizagem;

Formas inferiores  “inteligência de grupo” (adaptação ao ambiente)

Formas superiores  atividades cognitivas (adaptação do ambiente)

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...

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)

E. coli: Motilidade e Quimiotaxia Comportamento na quimiotaxia Meio “neutro”: alternando “corridas” e translações  busca (comportamento-padrão); Gradiente nutritivo ascendente (ou nocivo descendente): “corridas” mais longas; Gradiente nutritivo descendente (ou nocivo ascendente): comportamento-padrão; Eventos eliminativo-dispersivos. 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.

Comportamento na quimiotaxia

Meio “neutro”: alternando “corridas” e translações  busca (comportamento-padrão);

Gradiente nutritivo ascendente (ou nocivo descendente): “corridas” mais longas;

Gradiente nutritivo descendente (ou nocivo ascendente): comportamento-padrão;

Eventos eliminativo-dispersivos.

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**

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

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 ).

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.

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

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 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)

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 evento eliminativo-dispersivo Exemplo 02

Comentários Finais  Analogias e distinções com métodos evolucionários; Integração com métodos evolucionários; Contextualização teórica entre os outros métodos estocásticos; Robustez em ambientes ruidosos e variantes no tempo; Aplicações Otimização; Controle adaptativo (estratégias multi-modelo); Veículos autônomos.

 Analogias e distinções com métodos evolucionários;

Integração com métodos evolucionários;

Contextualização teórica entre os outros métodos estocásticos;

Robustez em ambientes ruidosos e variantes no tempo;

Aplicações

Otimização;

Controle adaptativo (estratégias multi-modelo);

Veículos autônomos.

Add a comment

Related presentations

Presentación que realice en el Evento Nacional de Gobierno Abierto, realizado los ...

In this presentation we will describe our experience developing with a highly dyna...

Presentation to the LITA Forum 7th November 2014 Albuquerque, NM

Un recorrido por los cambios que nos generará el wearabletech en el futuro

Um paralelo entre as novidades & mercado em Wearable Computing e Tecnologias Assis...

Microsoft finally joins the smartwatch and fitness tracker game by introducing the...

Related pages

A Crossover Bacterial Foraging Optimization Algorithm

In the traditional bacterial foraging optimization ... “Biomimicry of ... “Adaptive computational chemotaxis in bacterial foraging optimization: ...
Read more

Biomimicry of Social Foraging Bacteria for Distributed ...

Distributed optimization biomimicry bacteria models. ... SEGALL, J. E., BLOCK, S. M., and BERG, H. C., Temporal Comparisons in Bacterial Chemotaxis, ...
Read more

Bacterial Foraging Optimization Algorithm - Clever ...

... Clever Algorithms: Nature-Inspired Programming Recipes. ... "Optimization Based on Bacterial Chemotaxis", ... "Biomimicry of bacterial foraging for ...
Read more

Bacterial Foraging Optimization Algorithm: Theoretical ...

... Biomimicry of Social Foraging ... Abraham, A., Biswas, A.: Adaptive Computational Chemotaxis in Bacterial Foraging Optimization: ... Bacterial Foraging ...
Read more

Biomimicry of quorum sensing using bacterial lifecycle ...

Biomimicry of quorum sensing using bacterial lifecycle model. ... Bacterial chemotaxis with ... Figure 8 shows the bacterial optimization process with ...
Read more

CiteSeerX — A Bacterial Chemotaxis Multiobjective ...

... (Bacterial Chemotaxis Multiobjective Optimization ... multiobjective optimization, bacterial chemotaxis, ... Biomimicry of bacterial foraging ...
Read more

CiteSeerX — Citation Query Biomimicry of bacterial ...

... Biomimicry of bacterial foraging for distributed optimization and control. ... Adaptive Computational Chemotaxis in Bacterial Foraging Optimization: ...
Read more

Biomimicry of quorum sensing using bacterial lifecycle ...

Biomimicry of quorum sensing using bacterial ... Figure Figure8 8 shows the bacterial optimization process with the chemotaxis ... Biomimicry of bacterial ...
Read more