[논문 리뷰] Digital Ecosystems

Gerard Briscoe|arXiv (Cornell University)|2009. 09. 18.

Modular Robots and Swarm Intelligence참고 문헌 282인용 수 16

한 줄 요약

이 논문은 동적이고 복잡한 문제를 해결하기 위해 탈중앙화된 에이전트 이동과 국지적 진화 계산을 융합한 새로운 디지털 생태계 아키텍처를 제안한다. 이는 진화하는 에이전트 집단에서 자율성, 안정성, 다양성을 보여주며, 군집 촉매제와 표적 이동이 최적화 속도와 생태계 효율성을 향상시킨다.

ABSTRACT

We view Digital Ecosystems to be the digital counterparts of biological ecosystems, which are considered to be robust, self-organising and scalable architectures that can automatically solve complex, dynamic problems. So, this work is concerned with the creation, investigation, and optimisation of Digital Ecosystems, exploiting the self-organising properties of biological ecosystems. First, we created the Digital Ecosystem, a novel optimisation technique inspired by biological ecosystems, where the optimisation works at two levels: a first optimisation, migration of agents which are distributed in a decentralised peer-to-peer network, operating continuously in time; this process feeds a second optimisation based on evolutionary computing that operates locally on single peers and is aimed at finding solutions to satisfy locally relevant constraints. We then investigated its self-organising aspects, starting with an extension to the definition of Physical Complexity to include evolving agent populations. Next, we established stability of evolving agent populations over time, by extending the Chli-DeWilde definition of agent stability to include evolutionary dynamics. Further, we evaluated the diversity of the software agents within evolving agent populations. To conclude, we considered alternative augmentations to optimise and accelerate our Digital Ecosystem, by studying the accelerating effect of a clustering catalyst on the evolutionary dynamics. We also studied the optimising effect of targeted migration on the ecological dynamics, through the indirect and emergent optimisation of the agent migration patterns. Overall, we have advanced the understanding of creating Digital Ecosystems, the self-organisation that occurs within them, and the optimisation of their Ecosystem-Oriented Architecture.

연구 동기 및 목표

• 복잡하고 동적인 문제를 해결하기 위해 생물학적 생태계에서 영감을 얻은 자율적이고 조직화되는 디지털 생태계를 설계하기 위해.
• 그러한 생태계 내에서 진화하는 소프트웨어 에이전트 집단의 안정성과 다양성에 대해 조사하기 위해.
• 군집 촉매제와 표적 이동과 같은 아키텍처 보완을 통해 생태계 성능을 최적화하기 위해.
• 물리적 복잡성과 에이전트 안정성의 정의를 진화적 동역학을 포함하도록 확장하기 위해.
• 에이전트 이동의 간접적 생태계 동역학을 통해 부상하는 최적화를 평가하기 위해.

제안 방법

• 디지털 생태계는 이중 수준 최적화를 사용한다: 피어 투 피어 네트워크에서의 탈중앙화된 연속적 에이전트 이동과 개별 피어에서의 국지적 진화 계산.
• 진화 계산은 문제에 특화된 제약 조건을 충족시키기 위해 국지적으로 적용되어 적응형 솔루션 생성을 가능하게 한다.
• 물리적 복잡성의 개념이 진화하는 에이전트 집단을 포함하도록 확장되어 동적 시스템의 복잡성을 캡처한다.
• 에이전트 안정성은 Chli-DeWilde 정의를 통해 진화적 동역학을 통합하여 장기적인 시스템 신뢰성을 보장한다.
• 군집 촉매제가 도입되어 진화적 동역학을 가속화하고 수렴 속도를 향상시킨다.
• 표적 이동이 구현되어 이동 패턴을 간접적으로 형상화하고 생태적 행동의 부상적 최적화를 가능하게 한다.

실험 결과

연구 질문

• RQ1 생물학적 유사성에 기반해 자율적 조직화와 강건성을 달성할 수 있는 디지털 생태계는 어떻게 아키텍처화될 수 있는가?
• RQ2 진화적 압력이 변화하는 상황에서 진화하는 에이전트 집단은 시간이 지남에 따라 어떻게 안정성을 유지하는가?
• RQ3 자율적 디지털 생태계에서 에이전트 다양성은 어느 정도 변동하는가?
• RQ4 군집 촉매제가 생태계 내 진화적 동역학의 가속화에 어떤 영향을 미치는가?
• RQ5 표적 이동은 생태계 동역학의 부상적 최적화로 이어지는가?

주요 결과

• Chli-DeWilde 안정성 정의를 진화적 동역학을 포함하도록 확장함으로써 디지털 생태계는 장기간에 걸쳐 안정적인 에이전트 집단을 유지한다.
• 진화하는 집단 내에서 에이전트 다양성이 유지되고 측정 가능하여 저항력과 적응 능력을 나타낸다.
• 군집 촉매제의 도입으로 진화적 동역학이 크게 가속화되어 수렴 시간이 감소한다.
• 표적 이동은 이동 패턴의 간접적이고 부상적인 최적화를 유도하여 전체 생태계 성능을 향상시킨다.
• 확장된 물리적 복잡성 정의는 진화하는 에이전트 집단의 복잡성을 효과적으로 캡처한다.
• 이중 수준 최적화 아키텍처 — 이동과 국지적 진화 — 는 동적 문제 해결에서 강건성과 확장성을 입증한다.