�ݺ�ߣ

1. Facoltà di IngegneriaLAUREA SPECIALISTICA IN INGEGNERIA INFORMATICAIMPLEMENTAZIONE IN .NET DI UN FRAMEWORK PER L'ANALISI DI SISTEMI BIOLOGICI BASATO SULLA PROGRAMMAZIONE CONCORRENTE CON VINCOLI.Studente: Diego BANOVAZRelatore: Prof. Luca BORTOLUSSI

2. Prima analisi dell’obbiettivoSi vuole ottenere un framework per la simulazione di modelliIl framework deve essere interfacciabile con programmi esterniDeve essere utilizzabile da utenti non esperti in programmazioneDeve avere prestazioni accettabili

3. sCCP: StochasticConcurrentConstraintProgrammingEvoluzione di CCP

4. Linguaggio per la descrizione di modelli

5. Modello ad agenti interagenti

6. Interazioni di tipo concorrente

7. Sistema ad evoluzione probabilisticaLotka-Volterra

8. Lotka-Volterra: Codice SCCPPredatore :- [X > 0 -> Y = Y + 1; X = X - 1]@{Km * X * Y}.Predatore() + [Y > 0 -> Y = Y - 1]@{Kd * Y}.Predatore();Preda:- [X > 0 -> X = X + 1]@{Kr * X}.Preda();

9. Lotka-Volterra: Codice SCCPNomi degli AgentiPredatore :- [X > 0 -> Y = Y + 1; X = X - 1]@{Km * X * Y}.Predatore() + [Y > 0 -> Y = Y - 1]@{Kd * Y}.Predatore();Preda:- [X > 0 -> X = X + 1]@{Kr * X}.Preda();

10. Lotka-Volterra: Codice SCCPNomi degli AgentiPredatore :- [X > 0 -> Y = Y + 1; X = X - 1]@{Km * X * Y}.Predatore() + [Y > 0 -> Y = Y - 1]@{Kd * Y}.Predatore();Preda:- [X > 0 -> X = X + 1]@{Kr * X}.Preda();Scelta

11. Lotka-Volterra: Codice SCCPNomi degli AgentiPredatore :- [X > 0 -> Y = Y + 1; X = X - 1]@{Km * X * Y}.Predatore() + [Y > 0 -> Y = Y - 1]@{Kd * Y}.Predatore();Preda:- [X > 0 -> X = X + 1]@{Kr * X}.Preda();SceltaChiamate di Agenti

12. Lotka-Volterra: Codice SCCPGuardieNomi degli AgentiPredatore :- [X > 0 -> Y = Y + 1; X = X - 1]@{Km * X * Y}.Predatore() +[Y > 0 -> Y = Y - 1]@{Kd * Y}.Predatore();Preda:- [X > 0 -> X = X + 1]@{Kr * X}.Preda();SceltaChiamate di Agenti

13. Lotka-Volterra: Codice SCCPasktellif (ask) {tell}ratePredatore :- [X > 0 -> Y = Y + 1; X = X - 1]@{Km * X * Y}.Predatore() + [Y > 0 -> Y = Y - 1]@{Kd * Y}.Predatore();Preda:- [X > 0 -> X = X + 1]@{Kr * X}.Preda();Tra tutti gli agenti attivi, l’azione da eseguire viene scelta tramite una Race Condition tra le azioni con asktrue.La probabilità che un’azione venga eseguita è proporzionale al proprio rate.

14. Semantica per sCCPPredaPredatoreAgentiX > 0 -> X = X + 1X > 0 -> Y = Y + 1; X = X - 1Y > 0 -> Y = Y - 1AzionisCCP istanzia dal sorgente un ambiente fatto da agenti.Il sistema è descritto completamente dagli agenti in vita e dallo stato delle variabili.

15. Semantica per ITSX > 0SVPreda > 0 && X > 0GuardiaX = X + 1X = X + 1; SVPreda--; SVPreda++UpdateKr * XSVPreda * Kr * XRateLo stato del sistema è dato dalle definizioni degli Agenti, dalle variabili globali e dalle State Variables. Le State Variables vengono associate ad ogni agente e rappresentano il Numero di agenti attivi di quel particolare tipo.

16. Semantica per ODELa modifica alle variabili avviene proporzionalmente alla state variables dell’agente e al rate dell’azione stessa.

17. Questa simulazione completamente deterministica.

18. Le equazioni e cui si arriva sono le stesse equazioni matematiche che definiscono il sistema.Risultati SemanticheSCCPITSODE

19. AnalisiDerivare dal codice SCCP le tre semanticheFornire un’interfaccia utenteInput standardizzatoOutput standardizzatoOutput graficoCustom MemorySemanticPerformance

20. ProgettazioneSCCPOther SWInputXMLCompilerComputazioneSimulatorGraphCSVOutput

21. Schema Macro ClassiConversione tra sCCPe XMLInterfacciaProgrammazioneInterfaccia SimulazioneCompilatore e Simulatore

22. Conversione tra sCCP e XMLUtilizzato un compilatore di compilatori (COCO)

23. In grado di generare documenti XML che rispettino un determinato DTD

24. Efficace segnalazione degli errori di ParsingConversione tra sCCPe XMLInterfacciaProgrammazioneInterfaccia SimulazioneCompilatore e Simulatore

25. Interfaccia ProgrammazioneScrivere codice sCCP

26. CommonsFunctions (Save, Load..)

27. Compilazione

28. Selezione Compilatore

29. Selezione ConstraintStore

30. Start GraphicSimulation

31. Start BatchSimulationConversione tra sCCPe XMLInterfacciaProgrammazioneInterfaccia SimulazioneCompilatore e Simulatore

32. Interfaccia SimulazioneGraphic:Interfaccia completa, funzionalità avanzate

33. Possibilità di salvare e continuare le simulazioni

34. Modalità continua / modalità per passi

35. Traccia il graficoBatch:Stato avanzamento del sistema

36. Interfaccia leggera, funzionalità di baseConversione tra SCCP e XMLInterfacciaProgrammazioneInterfaccia SimulazioneCompilatori e Simulatori

37. Compilatori e SimulatoriInterscambiabili

38. Interfacciabili con programmi esterni

39. In grado di comprendere codice XML-sCCP

40. Semantica matematica programmabileConversione tra SCCP e XMLInterfacciaProgrammazioneInterfaccia SimulazioneCompilatori e Simulatori

41. Compilatori e Simulatori(2)ConstraintStoreDefinition ManagerOperazioni sulle VariabiliOperazioni sulle DefinizioniParser ResultsParser ResultsParser AMParser CSRuntime ManagerParse CSXMLParse AMXMLInput Output

42. ConstraintStoreFrom ParserFrom/ToRuntime ManagerConstraintStoreDeclarationsResultsMathParserQueriesNuova VariabileNuova FunzioneNuovo ConstraintNuovo OperatoreNuovo ParametroNuova CostanteIl MathParser è un modulo esterno che permette la risoluzione di equazioni. Il framework mette a disposizione due ConstraintStore, uno basato su muParser e uno basato su Flee.Il ConstraintStore si interfaccia al MathParser facendo da Wrapperintelligiente.Ask: richiede la validità di una formulaTell: impone un nuovo vincolo al sistemaGetRate: ottiene il valore di una formulaGetVariables: ottiene lo stato delle variabili.

43. Definition ManagerFrom ParserToRuntime ManagerDefinition ManagerDefinitionsInstancesNuova DefinizioneDefinition Manager contiene e gestisce tutte le definizioni. Ne esiste uno per ogni semantica, in modo che questi possa modellare il suo prodotto a seconda delle richieste.A seconda della sua implementazione ritorna Agenti oppure Transizioni

44. Runtime ManagerToUser InterfaceFrom User InterfaceRuntime ManagerCommandsResultsStartStopStepRuntime Manager è l’esecutore.Utilizza il ConstraintStore e l’DefinitionManager per simulare il modello.Loop:Scegli AzioneEsegui AzioneIncrementa il tempo trascorsoStato del sistemaValori delle variabiliAgenti Attivi

45. Interfaccia ProgrammazioneMenu CompilazioneScelta SemanticaScelta ConstraintStoreInizia SimulazioneDefinizione Agenti e Stato InizialeDefinizione ConstraintStore

46. Interfaccia SimulazioneOptionsStato VariabiliGraficoStato AgentiScelta SimulazioniSystem Status

47. TestSistema semplificatoClient ServerLotka-VolterraSintesi di Glucosio da Lattosio in E-Coli

48. PerformancesClient Server – Peso del grafico e confronto ConstraintStoreIl grafico rallenta di molto la simulazioneIl ConstraintStoremuParser è molto più lento di FleeIn questo caso ODE è molto più lento di SCCP ed ITSLotka Volterra – Differenza tra i compilatoriITS è più veloce di SCCPODE è più veloce di entrambiLactose – Differenza tra i compilatori

49. Analisi PerformanceFlee molto più veloce di muParser (circa 50 volte)

50. Tracciare il grafico influenza pesantemente la velocità di simulazione (circa 50 volte)

51. ITS risulta più efficiente di sCCP, più agenti in gioco ci sono e più risulta efficiente

52. ODE risulta più efficiente in alcuni esempi rispetto ad altriConclusioni6 mesi di lavoroOltre 250 classi scritteOltre 20.000 righe di codiceProgetto funzionante al 100%Migliorie necessarie per incrementarne l’usabilità

�ݺ�ߣ

BanovazDiego-�ݺ�ߣs Prelaurea

More Related Content

BanovazDiego-�ݺ�ߣs Prelaurea