[論文レビュー] Societal Implicit Memory and his Speed on Tracking Extrema over Dynamic Environments using Self-Regulatory Swarms

Vitorino Ramos, Carlos M. Fernandes+1 more|ArXiv.org|Dec 1, 2005

Artificial Intelligence in Games参考文献 56被引用数 5

ひとこと要約

本稿では、動的環境における移動極値を追跡するために、群れ知能と単純な進化的メカニズムを組み合わせた自己規制型スウォーム（SRS）アルゴリズムを提案する。集団的フェロモンベースの社会的暗黙的記憶と、局所的適応度に基づく自己規制型の集団制御を用いることで、個々のエージェントと比較して最大10倍の高速なピーク追跡が達成され、複雑な動的関数において標準的なGA、BFOA、および共進化手法を上回る性能を示した。

ABSTRACT

In order to overcome difficult dynamic optimization and environment extrema tracking problems, We propose a Self-Regulated Swarm (SRS) algorithm which hybridizes the advantageous characteristics of Swarm Intelligence as the emergence of a societal environmental memory or cognitive map via collective pheromone laying in the landscape (properly balancing the exploration/exploitation nature of our dynamic search strategy), with a simple Evolutionary mechanism that trough a direct reproduction procedure linked to local environmental features is able to self-regulate the above exploratory swarm population, speeding it up globally. In order to test his adaptive response and robustness, we have recurred to different dynamic multimodal complex functions as well as to Dynamic Optimization Control problems, measuring reaction speeds and performance. Final comparisons were made with standard Genetic Algorithms (GAs), Bacterial Foraging strategies (BFOA), as well as with recent Co-Evolutionary approaches. SRS's were able to demonstrate quick adaptive responses, while outperforming the results obtained by the other approaches. Additionally, some successful behaviors were found. One of the most interesting illustrate that the present SRS collective swarm of bio-inspired ant-like agents is able to track about 65% of moving peaks traveling up to ten times faster than the velocity of a single individual composing that precise swarm tracking system.

研究の動機と目的

• 動的でマルチモーダルな最適化ランドスケープにおける移動極値の追跡という課題に対処すること。
• 集団的環境記憶を通じて探査と活用のバランスを取る自己規制型スウォームシステムの開発。
• 進化的メカニズムと群れ知能を統合することで、動的最適化における応答速度と頑健性の向上。
• 複雑な動的制御問題において、標準的なGA、バクテリア探索、共進化的手法と比較しての性能評価。

提案手法

• SRSアルゴリズムは、フェロモンを放出することで環境の社会的暗黙的記憶を形成するアリのようなエージェントを用いる。これにより集団的学習が可能となる。
• フェロモンの堆積は局所的適応度に従うため、スウォーム全体が動的ピークに適応して環境を共同でマッピングできる。
• 直接的な個体増殖メカニズムにより、局所的環境要因に基づいてスウォームの集団サイズが制御され、グローバルな速度と効率が向上する。
• アルゴリズムは高適応度領域におけるエージェント密度を動的に調整することで、探査を犠牲にせずに活用を強化する。
• 群れ知能と進化的計算の原則を統合することで、適応的かつ自己規制的な行動を実現する。
• ベンチマーク用の動的マルチモーダル関数および複雑度の異なる制御問題を用いて性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 フェロモンベースの集団的暗黙的記憶を有する自己規制型スウォームは、動的環境における移動極値を効果的に追跡できるか？
• RQ2 進化的な集団サイズ制御の統合が、動的最適化における応答速度と頑健性をどのように向上させるか？
• RQ3 SRSアルゴリズムは、標準的なGA、BFOA、および共進化手法と比較して、どれほど優れたピーク追跡性能を示すか？
• RQ4 集団スウォームは、システム内の個々のエージェントと比較して、ピーク追跡で最大どれほどの高速化を達成できるか？
• RQ5 社会的暗黙的記憶は、複雑で変化し続けるランドスケープにおいて、性能を維持するためにどれほど効果的か？

主な発見

• SRSアルゴリズムは最適化ランドスケープにおける動的変化に対して迅速な適応反応を示し、高い頑健性を示した。
• SRSは、テストされたすべての動的マルチモーダル関数において、標準的な遺伝的アルゴリズム（GA）、バクテリア探索最適化アルゴリズム（BFOA）、および共進化的手法を上回った。
• 集団スウォームは複雑な環境下で、約65％の移動ピークを追跡できた。
• スウォームは、システム内に存在する単一のエージェントと比較して、ピーク追跡を最大10倍の速度で実行できた。
• 自己規制メカニズムにより、探査と活用のバランスが効果的に保たれ、多様な動的シナリオにおいて高い性能を維持した。
• フェロモンベースの社会的暗黙的記憶により、環境の持続的マッピングが可能となり、追跡の正確性と速度が顕著に向上した。