parsimony problems
DESCRIPTION
Sankoff (+demo) and Fitch algorithm for small parsimony problem.NP-hard prove for large parsimony problem and some basic algorithms.TRANSCRIPT
Bài toán Hà tiệnGiảng viên: TS. Đỗ Phan ThuậnSinh viên:
Nguyễn Việt HàLê Ngọc Minh
1
Cây tiến hóa Bài toán Hà tiện nhỏ◦ Phương pháp giải của Fitch và Sankoff◦ Cài đặt Sankoff
Bài toán Hà tiện lớn◦ Bài toán Hà tiện lớn là NP-đầy đủ◦ Thuật toán nhánh cận◦ Các thuật toán tìm kiếm cục bộ
Bài toán Hà tiện
2
Cây tiến hóa được dùng để mô hình hóa cơ chế tiến hóa giữa các loài.
Giúp giải thích được quan hệ họ hàng, tổ tiên giữa các loài.
Cây tiến hóa thường là cây nhị phân
Cây tiến hóa
3
4
Cây có gốc◦ Gốc = Loài tổ tiên xa nhất◦ Lá = Loài hiện tại◦ Nút trong = Loài tổ tiên giả thuyết◦ Đường đi gốc lá = Đường tiến hoá
Cây không gốc◦ Không quan tâm đến vị trí của loài tổ tiên chung trong cây
Cây tiến hóa
5
Cây nhị phân có trọng số Cạnh có trọng số dương (cũng gọi là độ dài)
Trọng số trên cạnh (v, w) thể hiện: Số lượng biến dị từ v đến w Khoảng cách ước lượng về thời gian tiến hoá
Cây tiến hóa
6
Có nhiều phương pháp xây dựng cây tiến hóa Một trong các phương pháp xây dựng cây là dựa vào
ma trận đặc tính loài.◦ Đầu vào là một ma trận đặc tính loài m x n.◦ Đầu ra: cây có số lá tương ứng với n loài hiện có và có đỉnh
tương ứng với loài tổ tiên◦Mục tiêu: Tìm chuỗi ký tự ở các nút bên trong cây sao cho
chuỗi ký tự này giải thích tốt nhất cho n loài quan sát. Khác biệt được tính bằng khoảng cách Hamming Giải quyết bằng bài toán Hà tiện
Xây dựng cây tiến hóa
7
Bài toán Hà tiện là các bài toán xây dựng cây sao cho tối thiểu hóa điểm hà tiện.
Điểm hà tiện của cây T là tổng độ dài các cạnh của nó. Bài toán Hà tiện nhỏ Bài toán Hà tiện lớn
Bài toán Hà tiện
8
Mục tiêu: Tìm cách gán nhãn tối thiểu cho các đỉnh trong của một cây tiến hóa.
Đầu vào: Cây T với mỗi lá đã được gán nhãn bởi xâu m ký tự.
Đầu ra: Phép gán nhãn các đỉnh trong của cây T sao cho tối thiểu hóa điểm hà tiện.
Hai phương pháp giải bài toán Hà tiện nhỏ đã giới thiệu là của Fitch và Sankoff đều có thời gian chạy O(nm).
Bài toán Hà tiện nhỏ
9
Khởi tạo: gán st(v) theo luật sau:◦ st(v) = 0 nếu v được gán nhãn t
◦ st(v) = ∞ nếu ngược lại
Tính st(v) – điểm hà tiện nhỏ nhất của đỉnh v với ký tự t:
Với u,w là đỉnh con của v; 1≤i,j ≤ k là các ký tự. Sau khi tính được st(v) của các đỉnh, ta thực hiện gán
nhãn bằng phương pháp quay lui.
Giải thuật của Sankoff
10
Phương pháp này gán tập ký tự Sv cho mỗi đỉnh theo cách sau:◦ Nếu v là lá, Sv chứa 1 ký tự là nhãn của lá đó.
◦ Nếu v là cạnh trong với đỉnh con u,w, Sv được tạo thành như sau:
Sv được gán theo thứ tự duyệt sau từ lá đến gốc.
Phương pháp gán nhãn của Fitch
11
Sau khi có các tập Sv ta chọn một ký tự đế gán nhãn cho mỗi đỉnh bằng cách:
Gán ký tự bất kỳ thuộc Sr cho gốc. Duyệt cây theo thứ tự trước từ gốc đến lá. Cho mỗi đỉnh trong v, ◦ gán nhãn giống của cha cho đỉnh đó nếu nhãn của cha thuộc
Sv.
◦ Nếu không thì gán nhãn bất kì từ tập Sv.
Phương pháp gán nhãn của Fitch
12
VD: Với ma trận k x k (δi,j):
Cài đặt giải thuật của Sankoff
δ A T G CA 0 3 4 9T 3 0 2 4G 4 2 0 4C 9 4 4 0
13
14
δ A T G CA 0 3 4 9T 3 0 2 4G 4 2 0 4C 9 4 4 0
A ∞ 3 ∞ ∞ A ∞ ∞ ∞ 9
15
δ A T G CA 0 3 4 9T 3 0 2 4G 4 2 0 4C 9 4 4 0
C 9 ∞ ∞ ∞ C ∞ ∞ 4 ∞
16
δ A T G CA 0 3 4 9T 3 0 2 4G 4 2 0 4C 9 4 4 0
T 15 4 8 8 T 7 5 6 17
17
Điểm hà tiện S(T) = 918
Bài toán Hà tiện lớn sẽ giải quyết vấn đề xây dựng cấu trúc cây mà bài toán Hà tiện nhỏ chưa giải quyết.
Bài toán Hà tiện lớn
19
Đầu vào: Ma trận M(n × m) biểu diễn n loài, mỗi loài bằng một chuỗi m ký tự.
Đầu ra: Một cây T có n lá được gán nhãn bằng n hàng của ma trận M và một cách gán nhãn các đỉnh trong của cây đó sao cho điểm hà tiện là nhỏ nhất.
Bài toán Hà tiện lớn (LPP)
20
Nếu định duyệt qua tất cả các cấu trúc cây, ta cần xem xét số lượng cấu trúc cần duyệt.
Theo Cayley số cây không gốc có gán nhãn khác nhau với n đỉnh: nn-2
Nếu như coi cây tiến hóa là cây nhị phân đầy đủ: (2n-3)!!
Trường hợp coi cây tiến hóa là cây có gốc thông thường với N đỉnh trong đó có n lá:
Số cấu trúc cây cần duyệt qua
21
Thực tế bài toán Hà tiện lớn là NP-đầy đủ
Bài toán Hà tiện lớn (LPP)Khó như thế nào?
22
Đầu vào:Cho n nút lá, mỗi nút biểu diễn một chuỗi đặc tính hoặc thứ tự DNA. Xây dựng một cây có gốc T bằng cách gán nhãn cho các nút lá của nó các chuỗi đầu vào và gán nhãn cho các đỉnh trong các xâu tương ứng sao cho có cây với điểm hà tiện tối thiểu. Gọi S(T) là điểm hà tiện của cây T.
Đầu ra:Cho một hằng số BϵR+, có cây T nào mà
.
Bài toán Hà tiện lớn (LPP) ở dạng quyết định
B?|}uv:{j| =S(T)E(T)v)(u,
jj
23
Thực hiện với một trường hợp cụ thể của LPP. ◦ Giả sử tổng số đỉnh của cây là đã biết, đặt là N, trong đó số
lượng nút lá là n. ◦ Ví dụ với trường hợp cụ thể là cây nhị phân đầy đủ có gốc, N =
(2n-1). Gọi trường hợp cụ thể của LPP là S-LPP
Hướng chứng minh NP-đầy đủ
24
Chứng minh S-LPP là NP-đầy đủ bằng cách quy dẫn từ bài toán Minimum Energy Broadcast tree (MEB).
MEB đã được chứng minh là NP-đầy đủ qua phép quy dẫn từ bài toán Phủ tập (Set Cover Problem).
Hướng chứng minh NP-đầy đủ
25
Đầu vào:Xem xét tập đỉnh V gồm N đỉnhs ϵ V: đỉnh nguồn, Tập trọng số các cạnh: Px là năng lượng cần thiết cho một nút x:
Đầu ra:Cho một hằng số BϵR+, có cây có gốc tại S nào mà
.
Bài toán Truyền thông tối thiểu năng lượng (MEB)
26
S
X1
PS
Px1
27
S
28
S
29
Xem xét bài toán Minimum Energy n-lá-xác-định Broadcast tree (MEnB):o Có 1 đỉnh nguồn đã biết, o n nút lá đã biết trong N-1 đỉnh đích. oĐầu ra cần xác định của bài toán là một cây có gốc là đỉnh
nguồn truyền tới N-1 đỉnh trong đó có đúng n nút lá đã được xác định sao cho tối thiểu hóa tổng năng lượng cần dùng.
Bài toán Truyền thông tối thiểu năng lượngvới n lá xác định (MEnB)
30
MEnB là bài toán thuộc lớp NP do có Bằng chứng ngắn gọn dễ kiểm tra.
Giả sử ta tìm được cây MEnB với năng lượng tối thiểu. ◦ Loại bỏ n nút lá đã định nghĩa cùng các cạnh tương ứng trên
cây MEnB. Một cây có (N-n) đỉnh gọi là rMEnB. Tính được năng lượng
cần cho cây này đặt là Wr.
MEnB là NP-đầy đủ
31
S
32
SVới B=Wr
33
MEnB đã trở thành bài toán MEB: có thể xây dựng cây MEB cho (N-n) đỉnh với mức năng lượng Wr hay không?
MEnB ít nhất cũng khó như việc tìm cây MEB trong (N-n) đỉnh còn lại trong đó có 1 đỉnh nguồn và (N-n-1) đỉnh đích. Vậy MEnB cũng là NP-đầy đủ.
MEnB là NP-đầy đủ
34
S-LPP là bài toán thuộc lớp NP:◦ Cho một cấu trúc cây nhị phân có gốc có N đỉnh trong đó có n
nút lá đã được gán nhãn. ◦ Có thể kiểm tra điểm hà tiện của cây này có nhỏ hơn hằng số
B hay không bằng giải thuật của Fitch hoặc Sankoff, chạy trong thời gian đa thức.
Bài toán Hà tiện lớn (LPP) là NP-đầy đủ
35
Tồn tại phép quy dẫn độ phức tạp đa thức từ MEnB sang S-LPP:◦ Với một đầu vào của MEnB, mục tiêu là xây dựng một cây nhị
phân có gốc tại đỉnh nguồn tới N-1 đỉnh đích trong đó có đúng n nút lá sao cho năng lượng cần dùng là tối thiểu.
◦ Đầu vào S-LPP tương đương với đầu vào MEnB này có thể được xây dựng như sau:
Bài toán Hà tiện lớn (LPP) là NP-đầy đủ
36
Ánh xạ n lá của MEnB sang n lá của S-LPP tương ứng một-một.
Dựa trên liên hệ giữa khoảng cách Euclidean giữa các đỉnh của MEnB và khoảng cách Hamming của các chuỗi đầu đầu vào trong S-LPP.
Phép ánh xạ
Trong đó khoảng cách A,T,G,C được xác định theo khoảng cách Hamming
Phép quy dẫn
mCGTAR },,,{2
38
Phép ánh xạ: ◦ Từ mỗi cấu trúc cây từ đầu vào MEnB, cho một giá trị năng
lượng cần dùng duy nhất. Cũng cấu trúc cây đó, từ giải thuật của Fitch hoặc Sankoff, ta có thể tính được duy nhất 1 giá trị điểm hà tiện của cây bằng cách gán lại nhãn cho cách đỉnh trong.
◦ Năng lượng cần cho một đỉnh để có thể truyền tin có thể được ánh xạ sang số đột biến xảy ra trên một đỉnh của S-LPP.
◦ Về cơ bản khi tìm ra cây MEnB thì có thể xác định được là có thể dựng được một cây N đỉnh có chính xác n nút lá được gán nhãn mà điểm hà tiện nhỏ hơn một số B (BϵR+) hay không.
Phép quy dẫn
39
Do giải thuật của Fitch hay Sankoff có độ phức tạp O(nm).
Do đó, tồn tại phép quy dẫn ra đầu vào cho S-LPP từ đầu vào của MEnB trong thời gian đa thức.
MEnB là NP-đầy đủ S-LPP là NP-đầy đủ. S-LPP chỉ là một trường hợp riêng của LPP LPP cũng
là NP-đầy đủ.
Bài toán Hà tiện là NP-đầy đủ
41
LPP đã được chứng minh là NP-đầy đủ qua phép quy dẫn từ bài toán MEB:
MEnB(MEB)S-LPP(LPP) Việc mong tìm một giải thuật giải được bài toán Hà
tiện lớn một cách vừa nhanh chóng vừa chính xác là vô vọng.
Bài toán Hà tiện là NP-đầy đủ
Thuật toán nhánh cận
43
Xét mảng [i3][i5][i7]...[i2n-5], với mỗi ik nhận giá trị 1...k Ban đầu cây có 3 chuỗi x1, x2, x3
Thêm chuỗi x4 vào cạnh có chỉ số lưu trong [i3]: có 3+2=5 cạnh
Thêm chuỗi x5 vào cạnh có chỉ số lưu trong [i5]: có 5+2=7 cạnh
... Thêm chuỗi xn để được cây hoàn chỉnh.
Biểu diễn cây
44
Ví dụ: n=5, [i3][i5] = (1, 3)
Biểu diễn cây
45
Tưởng tượng mảng [i3][i5][i7]...[i2n-5] là một chiếc công-tơ-mét
Công-tơ-mét chạy cho ta một phép duyệt tất cả cây n lá
Phép duyệt toàn bộ
46
Để duyệt các cây ít hơn n lá, ta cho phép bộ đếm nhận giá trị 0
Ý nghĩa: xâu thứ k không được đưa vào cây
Không có giá trị khác không bên phải 0
Nếu có một dãy số 0 về bên phải, ta tăng cả dãy
Phép duyệt toàn bộ
47
Thêm nút lá mới chỉ làm tăng điểm hà tiện của cây
Nếu cây đang xây dựng có điểm lớn hơn điểm tốt nhất hiện biết cắt nhánh
Tăng bộ đếm khác không bên phải nhất lên một
Cắt nhánh
48
Cài đặt
49
Kết quả thử nghiệm
4 5 6 7 8 9 100
20
40
60
80
100
120
140
160
Thời gian chạy phụ thuộc vào kích thước dữ liệu
số chuỗi
thời
gia
n (s
)
50
Số lượng cây không gốc n lá:3.5.7...(2n-5) = (2n-5)!!
Khối lượng tính toán quá lớn Áp dụng các chiến lược tìm kiếm cục bộ
Kết quả thử nghiệm
51
Các thuật toán tìm kiếm cục bộ
52
Di chuyển trong không gian tất cả các cây bằng các phép biến đổi
Tại mỗi bước cố gắng làm giảm giá trị hàm mục tiêu Không đảm bảo tìm được giá trị tối ưu toàn cục Các phép biến đổi khác nhau cho hiệu quả khác nhau
Các thuật toán tìm kiếm cục bộ
53
NNI (Nearest Neighbour Interchange) D. F. Robinson năm 1969 Đổi chỗ hai cây con ở hai phía của một cạnh trong Một cây n lá có (2n-6) cách biến đổi
Thay thế láng giềng gần nhất
54
SPR (Subtree Pruning Regrating) Cắt một cạnh và ghép vào chỗ khác Một cây n lá có 2(n-3)(2n-7) cách biến đổi
Cắt tỉa và cấy ghép lại
55
TBR (Tree-Bisection-Reconnection) Cắt đôi thành hai cây con và thêm cạnh nối ở vị trí khác
Chia đôi và kết nối lại
56
NNI SPR TBR⊆ ⊆ Phép biến đổi nhỏ:◦ Dễ bị kẹt ở cực trị cục bộ
Phép biến đổi lớn:◦ Khối lượng tính toán lớn◦ Cấu trúc cây thay đổi nhiều nên khó tận dụng thông tin để tính
điểm hà tiện
Quan hệ giữa các phép biến đổi
57
Parametric Progressive Neighborhood Adrien Goeffon et al. 2008 Cắt một cạnh và ghép lại ở vị trí cách nó không quá d
Láng giềng tăng tiến có tham số
58
Với d=1, PPN trở thành NNI Với d=∞, PPN trở thành SPR
Láng giềng tăng tiến có tham số
59
Ban đầu d nhận giá trị lớn, sau giảm dần về 1
Giả sử số bước lặp là M, d giảm tuyến tínhd = .
Láng giềng tăng tiến có tham số
60
Nhiều bộ dữ liệu gồm cả ngẫu nhiên và thực tế Cho phép bước di chuyển không làm thay đổi giá trị
hàm mục tiêu Chọn bước di chuyển đầu tiên cải thiện kết quả Lời giải đầu được sinh bằng thuật toán ngẫu nhiên (R)
hoặc tham lam (G)
Kết quả thử nghiệm
61
Φ0: điểm của cây ban đầu Φb : điểm của cây tốt nhất sau khi tìm kiếm kết thúc f: tần suất của nó Φa: điểm trung bình của các cây σ: độ lệch chuẩn của Φa và time: thời gian trung bình cho các lần lặp (s)
Kết quả thử nghiệm
62
Bộ dữ liệu ngẫu nhiên nhỏ
Kết quả thử nghiệm
63
Bộ dữ liệu ngẫu nhiên trung bình
Kết quả thử nghiệm
64
Bộ dữ liệu ngẫu nhiên trung bình
Kết quả thử nghiệm
65
TBR không hiệu quả về thời gian Nói chung SPR tốt hơn NNI PPN cho kết quả tốt nhất trong hầu hết trường hợp
Kết quả thử nghiệm
66
Với ngành Sinh học ngày càng phát triển phát hiện thêm nhiều loài mới, phát hiện thêm nhiều đặc điểm, bằng chứng tiến hóa mới.
Việc xây dựng cây tiến hóa từ các chuỗi đặc tính là quan trọng.
Trên đây ta đã xem xét một phương pháp xây dựng cây tiến hóa là bài toán Hà tiện ở mức cơ bản nhất.
Kết luận
67
Thank you!
68