[論文レビュー] Evolutionary search agents in complex landscapes - a new model for the role of competence and meta-competence (EVOLINO and other simulation tools)

Andrea Scharnhorst, W. Ebeling|ArXiv.org|Nov 28, 2005

Complex Systems and Decision Making参考文献 90被引用数 9

ひとこと要約

本論文は、幾何学的進化的理論（G_O_E_THE）フレームワーク内に、複雑で動的な問題解決のランドスケープにおいて、熟達性とメタ熟達性がどのように進化するかをモデル化する進化的探索エージェントを導入する。EVOLINOシミュレーションツールを用いて、エージェントは熟達性プロファイルを最適化し、適応戦略を通じて問題を解決する。その結果、メタ熟達性—戦略の適応性—が粗いフィットネスランドスケープにおいて顕著にパフォーマンスを向上させることを示している。

ABSTRACT

The acquisition of competence is a key element in the ability to assert oneself in the complex and rapidly changing modern worlds of work. This paper examines the evolution of competence, i.e. the role of competences in an evolutionary problem-solving process, and the role of flexibility as a meta-competence from the perspective of the general concept of Geometrically-Oriented Evolution THEory (G_O_E_THE). We use evolutionary search agents as abstract models of real individuals and groups. In a first approach the agents search for better competence profiles. In a second approach they use competences to solve problems. A search agent operates in an abstract value landscape, a fitness landscape. The crucial difference between the evolutionary search agents and other agent models is the fact that interaction patterns of the new agents incorporate evolutionary search strategies. A special simulation tool called EVOLINO allows to simulate the hill-climbing process of search agents in complex landscapes.

研究の動機と目的

• 複雑で動的な業務および問題解決環境における熟達性とメタ熟達性の進化をモデル化すること。
• 柔軟で適応的な戦略（メタ熟達性）が粗いフィットネスランドスケープにおけるパフォーマンスに与える影響を調査すること。
• 抽象的価値ランドスケープにおける進化的探索プロセスを研究するためのシミュレーションフレームワーク（EVOLINO）の開発および適用すること。
• 進化的戦略を組み込んだエージェント間の相互作用パターンが、どのように集団的問題解決能力を生み出すかを分析すること。
• 急激に変化するシステムにおける個人および集団の適応の理論的・計算的基盤を提供すること。

提案手法

• エージェントは、問題解決空間を表す抽象的フィットネスランドスケープ内で動作する抽象的実体としてモデル化される。
• 進化的探索戦略はエージェントの相互作用パターンに埋め込まれており、ランドスケープの変化に動的に適応可能である。
• 幾何学的進化的理論（G_O_E_THE）は、熟達性の進化をモデル化する理論的枠組みを提供する。
• EVOLINOは、複雑なランドスケープにおける勾配上昇プロセスのモデル化およびエージェントの軌跡追跡に使用される特別なシミュレーションツールである。
• 熟達性プロファイルは反復的探索を通じて最適化され、メタ熟達性により環境フィードバックに応じた戦略の切り替えが可能になる。
• モデルは計算シミュレーションを用いて、複数のランドスケープ構成における収束性、多様性、パフォーマンスを分析する。

実験結果

リサーチクエスチョン

• RQ1 メタ熟達性—戦略選択の柔軟性—の統合が、複雑なランドスケープにおける問題解決成功に与える影響は何か？
• RQ2 フィットネスランドスケープの構造が熟達性プロファイルの進化に与える役割は何か？
• RQ3 進化的戦略を組み込んだエージェント間の相互作用パターンが集団的パフォーマンスに与える影響は何か？
• RQ4 EVOLINOシミュレーションツールは、抽象ランドスケープにおける非線形的で適応的な探索プロセスの研究をどのように可能にするか？
• RQ5 動的環境における熟達性とメタ熟達性の共進化から、どのような顕在的行動が生じるか？

主な発見

• メタ熟達性は、粗く変動しやすいフィットネスランドスケープを効果的にナビゲートする能力をエージェントに与え、適応的戦略の切り替えを可能にする。
• EVOLINOシミュレーションツールは、エージェントの勾配上昇プロセスを効果的にモデル化し、初期熟達性プロファイルに依存する収束パターンを明らかにした。
• 高いメタ熟達性を持つエージェントは、動的で複雑な環境において、固定された熟達性セットに依存するエージェントよりも優れたパフォーランスを示した。
• モデルは、エージェントの相互作用に埋め込まれた進化的探索戦略が、静的モデルには存在しない顕在的問題解決能力を生み出すことを示した。
• 熟達性の進化は線形的ではなく、ランドスケープのトポロジーおよび探索と活用の行動の相互作用に依存する。
• シミュレーション結果は、柔軟なエージェントが、硬直的な対照群と比較して、複雑で変化し続けるランドスケープにおいてより高いフィットネス値とより速い収束を達成することを示した。