Šiame magistro baigiamajame darbe lyginamuoju metodu yra analizuojamas preimplantacinės diagnostikos reguliavimas įvairiose pasaulio valstybėse, tuo pačiu atskleidžiant pagrindines iš to kylančias problemas. Tyrimas atliktas siekiant palyginti skirtingų valstybių teisės aktus ir patirtį šioje biomedicinos srityje. Atlikta analizė rodo, kad preimplantacinė diagnostika vis dar yra pakankamai nauja ir atsargiai vertinama procedūra, sukelianti daug etinių ir teisinių diskusijų, o teisinis reguliavimas priklauso nuo valstybės teisinių, religinių, kultūrinių, socialinių tradicijų. / These master theses analyze the regulation of preimplantation genetic diagnosis in comparative aspect in different countries, simultaneously revealing main problems arising. The aim of this research is to compare legal acts and experience of different countries in this biomedical field. The analysis shows, that preimplantation genetic diagnosis is still innovative and well considered procedure, which give a rise to a lot of ethical and legal discussions, and legal regulation of this procedure depends on legal, religious, cultural and social traditions of the country.

Šiame darbe tiriama sritis yra kompiuteriniuose žaidimuose naudojamas dirbtinis intelektas. Konkrečiai gilinamasi į metodus, kurie valdo daugybę veikėjų žaidime, siekiančių tam tikro tikslo. Dėl konkretiems žaidimams unikalių mechanikų, šie metodai paprastai būna labai glaudžiai susiję su žaidimo aplinka ir taisyklėmis. Tyrimo tikslas yra sukurti ir ištirti metodą, skirtą daugybės veikėjų pajėgų valdymui ir jų veiksmų modeliavimui virtualioje aplinkoje. Analizuojami metodai skirti pavienių veikėjų veiksmų įvertinimui ir modeliavimui, metodai skirti optimalių sprendimų žinių bazei sudaryti ir metodai toms žinioms pritaikyti paskirstant veikėjus aplinkoje. Pagal analizės rezultatus sukuriamas projektas daugelio veikėjų valdymui realiu laiku virtualioje aplinkoje. Lokalių veikėjų veiksmų modeliavimui naudojamas procedūrinis taktinių veiksmų parinkimo metodas. Veikėjų judėjimui aplinkoje modeliuoti naudojamas neuroninis tinklas. Jis apmokomas pagal genetiniu algoritmu sudarytus optimalius sprendimus. Suprojektuota sistema realizuojama ir testuojama. Atliekamas eksperimentas su sistemos veikimo metu gautais rezultatais. Eksperimente nustatoma, kad šis sprendimo būdas gali tikslingai reaguoti į situacijas, susidarančias realaus laiko virtualioje aplinkoje, ir modeliuoti veikėjų veiksmus joje. / The research area of this paper is artificial intelligence used in computer games. Specifically it is focused on methods for controlling a group of agents with a specific goal. Because of the uniqueness of individual game mechanics, those kinds of methods are usually closely related to that games environment and rules. The goal of this study is to design and test a method that could control a group of multiple agents in a virtual environment. Methods for evaluating and selecting individual agent actions in a local environment, for gathering a database of optimal solutions and for applying that knowledge in distributing agents across the environment are analyzed. A design for controlling the actions of multiple agents in a real time virtual environment is designed, based on the results. Dynamic procedural combat tactics is used to model individual agent actions in a local environment. A neural network is used to model the movement of multiple agents in an environment. It is trained using optimal solutions, generated by a genetic algorithm. Designed system is implemented and tested. Using data that the system generates, an experiment is conducted. It shows that this solution is capable of correctly reacting to situations, occurring in a real time virtual environment, and of modeling multiple agent actions in it.

Portfelio parinkimo uždavinys yra viliojantis technikos moksluose, tiesioginiuose („online“) algoritmuose ir žinoma financiniuose skaičiavimuose. Šiame darbe buvo naudotas algoritmas, kuris nebando atspėti laimėtojus. ANTICOR algoritmo optimizavimui buvo naudotas genetinis algoritmas ir algoritmo stabdymas. / The portfolio selection problem is a challenging problem for machine learning, online algorithms and of course, computational finance. In this work was used a portfolio selection algorithm, which does not try to predict winners. There were used a genetic algorithm and algorithm stopping, trying to optimize the ANTICOR algorithm.

To understand evolution, and to discover how different species are related, gene order analysis is a useful tool. Problems in this area can usually be formulated in a combinatorial language. We regard genomes as signed, or unsigned permutations, and thus evolutionary operations like inversions (reversing the order of a segment of genes) are easy to describe combinatorially. A commonly studied problem is to determine the evolutionary distance between two species. This is estimated by several combinatorial distances between gene order permutations, for instance the inversion distance. The main objective of this work was to survey the existing algorithms for genome comparison and to present new approach for solving this problem. The work led to these results: - We have surveyed existing approaches of genome comparison, namely comparison by inversion distance in signed and unsigned cases. It appeared that sorting signed genomes by inversions is done in quadratic time, but sorting unsigned genomes by inversions is NP-hard. - We have proposed the method of how to apply heuristic algorithms for sorting unsigned genomes by inversions. - We have applied tabu search and genetic algorithm to solve the sorting unsigned genomes by inversions problem. - We have experimentally proven, that the worst case solutions to sorting unsigned genomes by inversions found by heuristics (tabu search and genetic algorithm) are better then ones expected from best known approximating algorithm used for... [to full text]

Retosios ligos (RL) – tai ypač mažai paplitusios ligos (gyvybei pavojų keliančios arba lėtai sekinančios ligos), kuriomis Europos Sąjungoje (ES) serga ne daugiau kaip 5 iš 10 000 asmenų. Pirmą kartą terminą „retosios ligos“ 1978 metais pavartojo Neilas A. Holtzmanas. Kiekviena RL ES serga apie 246 000 žmonių. Iš viso RL, kurių žinoma 5 000 – 8 000, kokiu nors gyvenimo etapu suserga apie 6% ES gyventojų ir tai yra 29 – 36 mln. ligonių. Lietuvoje sergančių RL galėtų būti apie 200 000 žmonių. Dauguma RL yra genetinės ligos (jos sudaro 80%), o likusios – kitų kategorijų retos vėžio formos, autoimuninės ligos, įgimtos raidos anomalijos, toksinės ir infekcinės ligos. Habilitacijos procedūrai teikiamų mokslo darbų apžvalgoje nagrinėtos 22 mokslinės publikacijos. Istoriniai šaltiniai apie RL gali būti anatominių preparatų muziejai, antikvarinės knygos medicinine tematika, tautosaka. Apžvalgoje nagrinėta Vilniaus universiteto Medicinos fakulteto anatominių preparatų kolekcija, kurioje nustatytas unikalus žmogaus anotocefalijos atvejis ir 11 kitų nozologinių RL (įgimtų anomalijų) vienetų. Pagrindinės priemonės žinioms apie RL turtinti ir klinikiniams moksliniams tyrimams plėtoti yra registrai ir duomenų bazės. Tai vienintelis būdas kaupti duomenis, kad būtų galima gauti pakankamo dydžio imtis epidemiologiniams ir (arba) klinikiniams tyrimams. Apžvalgoje nagrinėtos autopsijų ir Lietuvos paveldimų ligų ir įgimtų anomalijų (LIRECA) duomenų bazės, kurių analizės metu taikyti statistiniai... [toliau žr. visą tekstą] / Rare diseases (RD) – life menacing or slowly emaciating diseases of extremely low incidence (less than 5 cases in 10,000 EU inhabitants). The term was launched by Neil A. Holtzman in 1978. There are about 5,000 – 8,000 RD, each manifesting itself in some life stage of about 6% of EU population, that amounts from 29 to 36 million people. In Lithuania that would make about 200,000 people. The majority of RD are genetic (80%), the remaining consist of rare cancer forms, autoimmune diseases, inborn developmental anomalies, toxic or contagious illnesses. The author presented an analytical review of 22 publications on RD. Historical indications about RD could be found in anatomical museums, ancient medical books, and folk art. In the collection of anatomical specimens of Medical Faculty of Vilnius University the author has discovered a unique case of human anotocephaly and eleven more nosological entities of RD (congenital anomalies). The main sources for information on RD are registers and data bases. This is the only way to obtain sufficient samples for epidemiologic and/or clinical research. Lithuanian Register of Congenital Anomalies (LIRECA) and autopsies data base were reviewed by the author and analyzed by statistical research models applicable in registration of RD, in particular Poisson linear model and logistic (binomic) regression. Analysis of standardized remainders confirmed their adequacy and suitability. Biological asymmetry was evaluated by analysis of... [to full text]

Šiame darbe nagrinėjama negiljotininio, dvimačio, stačiakampių pjaustymo uždavinio atliekų minimizavimo problema ir jos sprendimo metodai. Dėl uždavinio kombinatorinio sudėtingumo neįmanoma tiksliai ir visais atvejais pateikti optimalų jo sprendinį, todėl pasirinkti apytiksliai sprendimo metodai. Uždavinys sprendžiamas metaeuristiniais hibridiniais genetiniu ir modeliuojamo atkaitinimo algoritmais apjungtais su euristiniais „Žemiausio kairėn užpildymo“ ir „Žemiausio tarpo“, kuris yra originali „Geriausiai tinkamo“ metodo modifikacija. Taip pat realizuojami minėti euristiniai algoritmai atskirai nuo hibridinių. Atliekama šių metodų lyginamoji analizė bei jų parametrų ir pradinių sąlygų parinkimo įtakos tyrimas sprendinio kokybei. Suformuojama ir pateikiama metodika pjaustymo uždavinių sprendimui. / A non – guillotinable, two – dimensional, rectangular cutting stock problem is being introduced in this paper and its solving methods either. Due to the combinatorial complexity of a problem, it is impossible to solve it optimally for every instance. Consequently an aproximate methods have been chosen. The problem is solved by metaheuristic genetic and simulated annealing methods hybridised with heuristic „Bottom Left Fill“ and „Lowest Gap“, which is an originally modified version of „Best Fit“ algorithm. The same heuristic algorithms are implemented separately from hybridised ones. A comparation analysis of these methods is done and the influence on solution quality depending on the selection of algorithms parameters and its initial conditions is considered. The methodology of solving cutting stock problems is being formulated and presented.

Darbe yra vertinami stochastinio genetinio modelio ir CKLS lygties parametrai pasinaudojant sprendinio stacionariuoju tankiu. Atlikti skaičiavimai parodo, kad SDL parametrai yra ,,gerai" įvertinami, esant pakankamai dideliam stebėjimų skaičiui, pvz.: N = 10 000. Skaičiavimams atlikti sukurta kompiuterinė programa. / In this work estimation of parameters of stochastic genetic model and CKLS equation using process stationary density is presented. The research shows that SDE parameters are estimated "well" when we have large number of observations, e.g. N = 10 000. Application is created to carry out calculations.

Darbe nagrinėjami euristiniai algoritmai NPC aibės uždaviniams spręsti ir jų taikymas lygiagrečiųjų ir paskirstytųjų skaičiavimų (angl. GRID) tinkle. NPC aibės uždaviniai, taikant įprastus algoritmus, nėra išsprendžiami per polinominį laiką, todėl jiems taikomi euristiniai algoritmai, kurie pasižymi gebėjimu, per priimtiną laiko tarpą, rasti geros kokybės sprendinius, bet didėjant uždavinių apimtims, euristinių algoritmų vykdymo laikas taip pat sparčiai ilgėja. Norint gauti geresnės kokybės sprendinius, reikia daugiau kompiuterinių išteklių. Darbe detaliau nagrinėjami trys populiarūs euristiniai algoritmai: genetinis, modeliuoto atkaitinimo ir skruzdžių kolonijų. Visi šie algoritmai buvo pritaikyti keliaujančio prekeivio uždaviniui (angl. Traveling salesman problem) spręsti GRID skaičiavimo tinkle. Atlikti bandymai su 20 didelės apimties TSPLIB bibliotekos testinių pavyzdžių leidžia teigti, kad kompiuterinių išteklių problemą, sėkmingai galima išspręsti euristinius algoritmus vykdant GRID skaičiavimo tinkle. Gauti rezultatai rodo, kad euristinių algoritmų efektyvumas, juos vykdant GRID skaičiavimo tinkle yra labai aukštas. Daugelyje bandymų pavyko rasti optimalius sprendinius, o kitais atvejais rasti sprendiniai nedaug skyrėsi nuo optimalių. Darbo autorius euristinių algoritmų bandymams siūlo naudoti „DAG“ tipo GRID užduotis. Tokio tipo užduotys leidžia ta patį bandymą atlikti skirtinguose skaičiavimo klasteriuose tuo pačiu metu, tokiu būdu galima įvykdyti daug pakartotinų... [toliau žr. visą tekstą] / The main goal of this work is to implement and test heuristic algorithms for GRID computing network to solve NP-complete problems. The problems of NP-complete set are not solved in polynomial time. To solve such problems, researchers have to use heuristic algorithms. Heuristic algorithms always give result in polynomial time, but it doesn’t mean that result is optimal, also computing time grows together with problem scope, and in this case bigger computing recourses are needed. Three popular heuristic algorithms are included in this works: genetic, simulated annealing and ant colony. All of them were implemented to solve traveling salesman problem in GRID computing network. With mentioned heuristic algorithms 20 TSP instances of TSPLIB library were solved. Experiential results shows that efficiently of heuristic algorithms are high and with 12 tested instances optimal solution was found. Author of this work recommends to use “DAG” type GRID tasks. Such type tasks allows to execute algorithms in different clusters at same time, so in same time researcher can execute a lot of tests and final test will give best results.

Neural networks are one of the most efficient classifier methods. One of such classifying neural networks we are trying to teach in this work by using genetic algorithms. In this work we test two types of genetic algorithms. One may be called parameterized genetic algorithm. It is built on the basic ideas of genetic algorithms. The other one is called parameter less genetic algorithm. It was presented by F. G. Lobo and D. E. Goldberg. Both genetic algorithms are tested and compared to the other well known optimization methods such as Bayes and Monte Carlo search. Experiments show the relevance of use genetic algorithms in teaching classifying neural network. Also stated that parameter less genetic algorithm works more efficient than parametric genetic algorithm in general cases. Created programs will be used in future studies.

In this work, the Traveling Salesman Problem (TSP) is discussed. The Hybrid Genetic Algorithm for solving the TSP is presented. The traveling salesman problem is formulated as follows: given matrix D=(dij)nxn of distances between n objects and the set P of permutations of the integers from 1 to n, find a permutation p=(p(1), p(2), ..., p(n)) P that minimizes. Many heuristic algorithms can be applied for the TSP. Recently, genetic algorithms (GAs) are among the advanced heuristic techniques for the combinatorial problems, like the TSP. genetic algorithms are based on the biological process of natural selection. The original concepts of GAs were developed in 1970s. Many simulations have demonstrated the efficiency of GAs on different optimization problems, among them, bin–packing, generalized assignment problem, graph partitioning, job–shop scheduling problem, set covering problem, vehicle routing. One of the main operators in GAs is the crossover (i.e. solution recombination). This operator plays a very important role by constructing competitive GAs. In this work, we investigate several crossover operators for the TSP, among them, CX (cycle crossover), PMX (partialy mapped crossover), POS (position based crossover), ER (edge recombination crossover), edge-NN (edge recombination crossover, nearest neighbour) and AP (alternating-positions crossover). Comparison of these crossover operators was performed. The results show high efficiency of the edge-NN, ER and PMX crossovers.