Índice
- O Curso R
-
- Tutoriais
-
- Apostila
-
- 6. Testes de Hipótese (em preparação!)
- Exercícios
-
- Material de Apoio
-
- Área dos Alunos
-
- Cursos Anteriores
-
IBUSP
Outras Insitutições
Linques
Visitantes
Outras Insitutições
Aluna de Graduação do Curso de Ciências Moleculares da USP (CCM-USP). Atualmente faz Iniciação Científica em Mapeamento Genético no Instituto de Matemática e Estatística da USP (IME) com parceria com o Laboratório de Genética do Instituto do Coração - InCor/FMUSP. Orientadora: Júlia Maria Pavan Soler(IME-USP) e Alexandre Pereira(InCor-FMUSP).
Algoritmos genéticos são algoritmos de otimização baseados em conceitos genéticos.
A função será composta por 3 operações:
Seleção: Um operador que seleciona os cromossomos para reprodução. Assim, quanto maior é o fitness do cromossomo, mais vezes ele será selecionado para reprodução.
Crossover: Operador que escolhe aleatóriamente um locus e muda a subsequencia antes e depois do locus entre dois cromossomos para criar dois outros cromossomos.
Mutação: O operador muda aletoriamente uma das unidades do cromossomo.
O objetivo desse plano será implementar um algoritmo genético com seleção proporcional ao fitness, assim, dada uma população (que pode ser gerada aleatoriamente), frequencia de crossover (pCross) e frequência de mutação (pMut), obterá uma saída com uma “solução ótima”.
O estado de uma população com 3 estratégias, A, B e C, pode ser representada por um simplex. A dinâmica pode então ser representada pelas trajetórias no simplex. Assim, tentaria escrever uma função que recebe como entrada a matriz de payoff 3×3 e as frequências iniciais de A, B e C e plotar as dinâmicas no gráfico simplex.
Ana, os dois planos são muito interessantes se você implementar os métodos “na mão”. Se a sua função só chamar um pacote que faz o trabalho pesado, não vale
Independente do plano que vc escolher, explique um pouco melhor o contexto matemático do que a sua função faz! — Andre Chalom 2013/03/18 19:36
Utilizar a função em meu projeto de mapeamento genético, o qual, em poucas palavras, busca encontrar um subconjunto ótimo de SNPs no genoma que possa representar certas condições cardíacas.