Generalized Moran process
Zobecněný Moranův proces
diplomová práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/107028Identifikátory
SIS: 213526
Katalog UK: 990022822750106986
Kolekce
- Kvalifikační práce [11982]
Autor
Vedoucí práce
Oponent práce
Balko, Martin
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Teoretická informatika
Katedra / ústav / klinika
Informatický ústav Univerzity Karlovy
Datum obhajoby
10. 6. 2019
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
stochastické procesy, Moranův proces, evoluční dynamika, grafKlíčová slova (anglicky)
stochastic process, Moran process, evolutionary dynamics, graphMoránův proces je model používaný k simulaci evolučních dynamik. Ve struk- turované populaci se objeví lépe přizpůsobený jedinec, mutant. Evoluce je simu- lována v krocích. V jednom kroku, jedinec je vybrán proporcionálně ke své fitness a rozšíří se na místo svého souseda. V této práci, vysvětlujeme Moránův proces, prezentujeme základní výsledky a definujeme vlastní variantu. Pracujeme v prostředí, kde každý jedinec má fitness v závislosti na svém typu a vrcholu, který obývá. V modifikovaném modelu dokážeme dvě věty o počtu kroků, který proces udělá než se dostane do stabilního stavu. Ukážeme, že na úplném grafu proces udělá polynomiálně mnoho kroků. Najdeme také graf, kde proces udělá expo- nenciálně mnoho kroků ale v normálním modelu jich udělá stejně jako v úplném grafu. 1
The Moran process is a model for simulating evolutionary dynamics. In that model, one mutant with higher fitness is introduced to a structured population. Evolution is simulated in rounds. In one round, individual is selected proportio- nally to its fitness and spreads to the place of a random neighbour. In this thesis, we motivate the Moran process, present basic results, and define our variant. We work in a vertex dependent model; every individual has fitness according to its type and occupied vertex. In the vertex dependent model we prove two theorems about the number of steps the process has to make to get to the stable state. We show that on the complete graph, the process takes only polynomially many steps and we find a graph where the process take exponentially many steps, but in the normal settings the number of steps is the same as on the complete graph. 1
