[論文レビュー] Prediction and Adaptation in an Evolving Chaotic Environment

Alfred Hübler, David Pines|ArXiv.org|Jun 28, 1993

Complex Systems and Time Series Analysis参考文献 21被引用数 9

ひとこと要約

本稿は、解析的手法とシミュレーションを用いて、混沌とした環境下における適応的予測器を調査し、中程度の記憶容量と複雑性における最適な適応が実現すること、またノイズの導入が予測性能を向上させることを示している。エージェント間の共適応は、混沌の縁近くで、指導者・従属者のダイナミクスが出現し、複雑系における最適な共適応の仮説を支持する。

ABSTRACT

We describe the results of analytic calculations and computer simulations of adaptive predictors (predictive agents) responding to an evolving chaotic environment and to one another. Our simulations are designed to quantify adaptation and to explore co-adaptation for a simple calculable model of a complex adaptive system. We first consider the ability of a single agent, exposed to a chaotic environment, to model, control, and predict the future states of that environment. We then introduce a second agent which, in attempting to model and control both the chaotic environment and the first agent, modifies the extent to which that agent can identify patterns and exercise control. We find that (i) optimal adaptive predictors have an optimal memory and an optimal complexity, which are small for a rapidly changing map dynamics and (ii) that the predictive power can be increased by imposing chaos or random noise onto the map dynamics. The competition between the two predictive agents can lead either to chaos, or to metastable emergent behavior, best described as a leader-follower relationship. Our results suggest a correlation between optimal adaptation, optimal complexity, and emergent behavior, and provide preliminary support for the concept of optimal co-adaptation near the edge of chaos.

研究の動機と目的

• 適応的エージェントが予測学習を通じて混沌とした環境をモデル化・制御する方法を理解すること。
• 環境のダイナミクスがエージェントの記憶容量および複雑性要件に与える影響を検討すること。
• 2つのエージェントが互いと環境をモデル化するために競合する際の共適応を分析すること。
• 複雑適応系において、混沌の縁近くに最適な適応が出現するかどうかを調査すること。
• 環境のノイズまたは混沌が、適応的エージェントの予測性能に与える影響を定量化すること。

提案手法

• 時間的に変化するパラメータを有するロジスティック写像を用いて、進化するダイナミクスを模擬する混沌とした環境のモデル化。
• 将来的な環境状態を推定できる、調整可能な記憶容量と複雑性を持つ適応的予測器の設計。
• 2つのエージェント間の相互作用をシミュレートし、それぞれが環境および他方のエージェントを予測・制御しようとすること。
• ノイズまたは混沌を制御的に導入し、予測精度に与える影響を評価すること。
• 時系列解析、相関次元、安定性指標を用いてシステム行動を分析すること。
• 数値シミュレーションを用いて、混沌、準安定状態、指導者・従属者ダイナミクスへの遷移を探索すること。

実験結果

リサーチクエスチョン

• RQ1 急激に変化する混沌とした環境において、適応的予測器の最適な記憶容量と複雑性は何か？
• RQ2 環境にノイズまたは混沌を導入すると、適応的エージェントの予測性能にどのような影響を与えるか？
• RQ3 2つの競合する適応的エージェントが、互いと混沌とした環境をモデル化する際、どのように共適応するか？
• RQ4 エージェントの相互作用から、指導者・従属者関係のような出現的行動が混沌としたシステムで生じるか？
• RQ5 最適な適応、システムの複雑性、および混沌の縁近くの行動の間に相関があるか？

主な発見

• 最適な適応的予測器は、記憶容量と複雑性のバランスを示し、急激に変化する混沌としたダイナミクスにおいては、より小さい値が最適である。
• 環境に混沌やランダムノイズを導入することで、適応的エージェントの予測性能が向上することがある。
• 2つのエージェント間の共適応は、準安定的行動を生じさせ、指導者・従属者関係として最も適切に記述される。
• システムは混沌から構造的共適応への遷移を示し、混沌の縁近くに最適な共適応の領域があると考えられる。
• エージェントがあまりに単純でも複雑でもなく、予測精度が最大になる点で、適応可能性と過剰適合のトレードオフが生じる。
• 結果は、複雑適応系が、適応的性能が最適化される臨界点近くで動作する可能性があるという仮説を支持する。