[논문 리뷰] Prediction and Adaptation in an Evolving Chaotic Environment

Alfred Hübler, David Pines|ArXiv.org|1993. 06. 28.

Complex Systems and Time Series Analysis참고 문헌 21인용 수 9

한 줄 요약

이 논문은 분석적 및 시뮬레이션 방법을 사용하여 혼돈 환경에서의 적응형 예측기의 성질을 조사하며, 최적의 적응은 중간 수준의 기억력과 복잡도에서 발생하며, 노이즈를 도입함으로써 예측 성능을 햖थ할 수 있음을 보여준다. 에이전트 간의 공적응은 혼돈의 가장자리 근처에서 상하 관계의 잠재적 역학을 유도하며, 복잡계에서 최적의 공적응이 발생할 가능성을 뒷받침한다.

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.

연구 동기 및 목표

• 적응형 에이전트가 예측 학습을 통해 혼돈스러운 환경을 모델링하고 통제하는 방식을 이해하기 위해.
• 환경 역학이 에이전트의 기억력과 복잡도 요구 사항에 미치는 영향을 검토하기 위해.
• 서로를 모델링하고 환경을 모델링하는 두 에이전트 간의 공적응을 분석하기 위해.
• 복잡한 적응형 시스템에서 혼돈의 가장자리 근처에 최적의 적응이 나타나는지 조사하기 위해.
• 환경의 노이즈 또는 혼돈이 적응형 에이전트의 예측 성능에 미치는 영향을 정량화하기 위해.

제안 방법

• 시간에 따라 변화하는 매개변수를 가진 로지스틱 맵을 사용하여 혼돈스러운 환경을 모델링하여 변화하는 역학을 시뮬레이션하기 위해.
• 미리 설정된 기억력과 복잡도를 가진 적응형 예측기를 설계하여 환경의 미래 상태를 추정하기 위해.
• 서로 다른 환경과 다른 에이전트를 예측하고 통제하려는 두 에이전트 간의 상호작용을 시뮬레이션하기 위해.
• 예측 정확도에 미치는 영향을 평가하기 위해 맵 역학에 통제된 노이즈 또는 혼돈을 도입하기 위해.
• 시계열 분석, 상관 차원, 안정성 지표를 통해 시스템 행동을 분석하기 위해.
• 수치적 시뮬레이션을 통해 혼돈, 준안정 상태, 상하 관계 역학으로의 전이를 탐색하기 위해.

실험 결과

연구 질문

• RQ1 빠르게 변화하는 혼돈스러운 환경에서 적응형 예측기의 최적 기억력과 복잡도는 무엇인가?
• RQ2 환경에 노이즈 또는 혼돈을 도입하면 적응형 에이전트의 예측 성능에 어떤 영향을 미치는가?
• RQ3 서로를 모델링하고 혼란스러운 환경을 모델링하는 두 경쟁적 적응형 에이전트가 상호작용할 때 어떻게 공적응하는가?
• RQ4 혼란스러운 시스템에서 에이전트 상호작용으로부터 상하 관계와 같은 잠재적 행동이 나타날 수 있는가?
• RQ5 최적의 적응, 시스템 복잡도, 혼돈의 가장자리 근처의 행동 간에 상관관계가 존재하는가?

주요 결과

• 최적의 적응형 예측기는 기억력과 복잡도 사이의 균형을 이루며, 빠르게 변화하는 혼돈스러운 역학에서는 작은 값이 최적임을 보여준다.
• 환경에 혼돈이나 무작위 노이즈를 도입하면 적응형 에이전트의 예측 성능이 향상될 수 있다.
• 두 에이전트 간의 공적응은 준안정적인 행동을 유도하며, 이를 상하 관계로 가장 잘 기술할 수 있다.
• 시스템은 혼돈에서 구조적인 공적응으로의 전이를 보이며, 혼돈의 가장자리 근처에서 최적의 공적응 상태가 존재할 가능성을 시사한다.
• 에이전트가 너무 단순하거나 너무 복잡하지 않을 때 예측 정확도가 최대가 되며, 이는 적응 가능성과 과적합 사이의 트레이드오프를 나타낸다.
• 결과는 복잡한 적응형 시스템이 적응 성능이 최적화되는 임계점 근처에서 작동할 수 있다는 가설을 지지한다.