[논문 리뷰] On Ants, Bacteria and Dynamic Environments

Vitorino Ramos, Carlos M. Fernandes외 1명|ArXiv.org|2005. 12. 01.

Insect and Arachnid Ecology and Behavior참고 문헌 26인용 수 7

한 줄 요약

이 논문은 동적이고 다중 최적화 문제를 해결하기 위해 개미 군집 행동을 모방한 군집 번식 알고리즘(Swarming Foraging Algorithm, SSA)을 제안한다. 이 알고리즘은 스티그머지(stigmergy)와 자율 조직화(self-organization)를 활용하여 실시간에서 갈등하는 목표를 다룰 때 적응 속도와 내성에서 인공 박테리아 번식 알고리즘(BFOA)을 능가한다. 이는 동적 환경에서 뛰어난 집단 지능을 보여준다.

ABSTRACT

Wasps, bees, ants and termites all make effective use of their environment and resources by displaying collective swarm intelligence. Termite colonies - for instance - build nests with a complexity far beyond the comprehension of the individual termite, while ant colonies dynamically allocate labor to various vital tasks such as foraging or defense without any central decision-making ability. Recent research suggests that microbial life can be even richer: highly social, intricately networked, and teeming with interactions, as found in bacteria. What strikes from these observations is that both ant colonies and bacteria have similar natural mechanisms based on Stigmergy and Self-Organization in order to emerge coherent and sophisticated patterns of global behaviour. Keeping in mind the above characteristics we will present a simple model to tackle the collective adaptation of a social swarm based on real ant colony behaviors (SSA algorithm) for tracking extrema in dynamic environments and highly multimodal complex functions described in the well-know De Jong test suite. Then, for the purpose of comparison, a recent model of artificial bacterial foraging (BFOA algorithm) based on similar stigmergic features is described and analyzed. Final results indicate that the SSA collective intelligence is able to cope and quickly adapt to unforeseen situations even when over the same cooperative foraging period, the community is requested to deal with two different and contradictory purposes, while outperforming BFOA in adaptive speed.

연구 동기 및 목표

• 동적 최적화를 위해 실제 개미 군집 행동을 기반으로 한 집단적 적응 모델링.
• 스티그머지적 및 자율 조직화 메커니즘이 복잡하고 변화하는 환경에서 견고한 적응을 가능하게 하는 방식 탐구.
• 동적 조건에서 극값을 추적하는 데 있어 기반 기반(ant-based, SSA)과 박테리아 기반(bacterial-based, BFOA) 알고리즘의 성능 비교.
• 협동 번식 과정에서 갈등하는 번식 목표를 동시에 처리할 수 있는 SSA의 능력 평가.
• 동적 환경에서 BFOA에 비해 SSA가 적응 속도와 내성 면에서 뛰어나다는 것을 입증.

제안 방법

• 실제 개미 군집 행동을 기반으로 한 스위밍 번식 알고리즘(SSA) 설계. 스티그머지적 의사소통과 분산형 의사결정 중심.
• 동적 환경 피드백과 적응을 모델링하기 위해 페로몬 기반의 길 강화 및 분해 구현.
• 다중 최적화 함수를 기준 문제로 정의하기 위해 De Jong 테스트 세트 사용.
• 동일한 군집이 한 번의 번식 주기 내내 갈등하는 두 가지 번식 목표를 전환해야 하는 이중 목표 제약 통합.
• 유사한 스티그머지 원리를 사용하지만 박테리아 번식 행동을 기반으로 한 BFOA 알고리즘과의 성능 비교.
• 수렴 속도, 환경 변화에 대한 적응 가능성, 갈등 목표 하에서의 강건성 등의 지표를 사용해 알고리즘 성능 평가.

실험 결과

연구 질문

• RQ1 스티그머지 기반의 개미를 모방한 알고리즘(SSA)이 동적이고 다중 최적화 지형에서 다수의 극값을 효과적으로 추적할 수 있는가?
• RQ2 동일한 번식 사이클 내에서 두 갈등하는 번식 목표에 적응해야 할 경우 SSA의 성능은 어떠한가?
• RQ3 동적 환경에서 SSA의 상대적 적응 속도는 BFOA에 비해 어느 정도인가?
• RQ4 사회 곤충과 미생물의 자율 조직화 메커니즘이 복잡한 환경에서 집단 지능을 어떻게 가능하게 하는가?
• RQ5 분산형, 페로몬 기반 시스템이 동적 최적화 과제에서 중심화된 또는 더 복잡한 모델보다 뛰어난 성능을 낼 수 있는가?

주요 결과

• SSA 알고리즘은 De Jong 테스트 세트에서 높은 효율성으로 동적 환경에 적응하고 다수의 극값을 추적하는 데 성공했다.
• 특히 갈등하는 번식 목표 간 전환 시 BFOA에 비해 뛰어난 적응 속도를 보였다.
• 한 번의 번식 주기 내내 서로 모순되는 목표를 동시에 수행해야 할 경우에도 알고리즘이 강건한 성능을 유지했다.
• 스티그머지적 의사소통을 통해 환경 변화에 신속하게 대응하여 집단 행동을 재구성할 수 있었다.
• 수렴 속도와 내성 면에서 BFOA를 능가함으로써, 동적 환경에서 개미를 모방한 메커니즘이 효과적임을 입증했다.
• 결과적으로, 실시간으로 빠르게 적응이 필요한 동적 최적화 과제에서는 박테리아 기반 모델보다 개미 기반 모델이 더 적합할 수 있음을 시사한다.