本研究通过可视化遗传编程系统的搜索轨迹作为基于图形的模型,探究基因型和表型空间中的搜索轨迹,特别是通过中性突变,帮助我们更好地理解进化的进展和算法行为。同时,通过量化表型特征,包括其基因型丰度和科尔莫戈洛夫复杂性,我们将这些量化指标与搜索轨迹可视化相连接,并发现更复杂的表型由较少的基因型代表,更难以被发现,而较简单的表型则被更多的基因型代表,更容易被发现,并经常被用作进化的垫脚石。
Nov, 2022
本研究探究了基因型表型图对于单倍体 Wright-Fisher 模型的进化动力学的影响,结果表明表现型频数大的现象更容易出现,并且即使具有更高适应度但频数小的表型也很难在人口中趋于固定,这表明进化遵循了非人类学的规则。
Feb, 2014
《基因型表型图中的突变邻域:中性及非中性相互关联影响进化探索》的研究发现通过比较 3 个表型图,证明基因型表型图中的中性关联大大增加了突变的鲁棒性,这种中性关联还可以超过形成大型中性网络所需的临界阈值,从而增强了中性探索的能力,而非中性关联则可能减弱进化能力。
May, 2015
通过高通量技术揭示了许多生物的基因组、基因的全局表达模式和种群内变异的详细信息,这使得我们第一次能够探讨基因组的演化、基因及其调控的结构,以及个体基因型和表型之间的联系,并使生命科学中新学科 Phylogenomics 迅速发展。本文的目标是为数学家提供这一新兴领域的第一次介绍,并讨论从 Phylogenomics 中产生的具体数学问题和进展。
Sep, 2004
本论文提出了 Taak-duality,一种将生态和基因型 / 表型类型都考虑在内的术语,并利用这种等价关系研究了高度一般化类型的生态进化轨迹,分析了有向进化的效率潜在限制。
May, 2023
本文旨在研究表型复杂性在具有 “meta-brain models” 机构的偏离系统功能中所起的作用,通过对生理发育中层次结构处理信息和自我调节现象的观察来指导其研究方向,并通过胃的发育过程以及不同过程中的信息表示来验证了折叠和分层作为多种生物情境中信息表现的基础表现方式,同时也提出了 “异地映射”,将 “meta-brains method” 引入到其生物模拟的认知处理和生态主义研究中。
Jul, 2022
本文通过 NeuroEvolution of Augmenting Topologies(NEAT)方法在协同进化的机器人对战领域进行应用,证明复杂化的进化方式可以更好地发现和改进复杂问题的解决方案,因此我们应该让进化和搜索复杂化并优化以发现和改进复杂问题的解决方案。
Jun, 2011
通过选择直接减少网络节点之间成本的压力,模块化网络的出现是普遍的。在最大程度上提高网络表现和最小化连接成本的选择压力下进行的实验产生的网络比仅选择性能的对照实验更具模块化和适应性。
Jul, 2012
我们认为将硬分类界限视为暂时的、观察者相关的、实用主义的观点是有用的,这种观点有助于我们理解生物与技术中的多计算、多功能原则,并有助于我们理解和设计演化和设计系统的方式。
Dec, 2022
本文研究了模拟、演化和随机神经网络的超图灵计算能力,通过其真实权重、演化权重和真实概率的科尔莫哥罗夫复杂性进行细致的表征,并在不同网络类型间建立了无限层次的复杂性等级。通过提供这些层次结构的存在和示例,描绘了聚类越来越复杂的函数类构造它们的一般方法。
Sep, 2023