[論文レビュー] Ideal Free Distribution in Agents with Evolved Neural Architectures

Virgil Griffith, Larry Yaeger|arXiv (Cornell University)|Dec 15, 2011

Evolutionary Game Theory and Cooperation参考文献 22被引用数 6

ひとこと要約

本論文は、進化的に発達したニューラルアーキテクチャを備えたエージェントが、明示的な餌集めや凝集のプログラミングがなくても、不均一な環境においてリソース利用の理想自由分布（IFD）を自然に達成することを示している。IFD—すなわち、リソースの可用性に比例してエージェントが分布すること—の出現は、生態的圧力の下でのニューラル進化から生じ、最適な餌集めが自己組織的ニューラル制御系によって生物的妥当性を伴って進化しうることを示唆している。

ABSTRACT

We investigate the matching of agents to resources in a computational ecology configured to present heterogeneous resource patches to evolving, neurally controlled agents. We repeatedly find a nearly optimal, ideal free distribution (IFD) of agents to resources. Deviations from IFD are shown to be consistent with models of human foraging behaviors, and possibly driven by spatial constraints and maximum foraging rates. The lack of any model parameters addressing agent foraging or clustering behaviors and the biological verisimilitude of our agent control systems differentiates these results from simpler models and suggests the possibility of exploring the underlying mechanisms by which optimal foraging emerges.

研究の動機と目的

• 神経ネットワークで制御されるエージェントが、不均一なリソース環境において理想自由分布（IFD）を達成できるかどうかを調査すること。
• IFDが、餌集めや凝集行動の明示的モデリングなしに出現するかどうかを特定すること。
• 進化的に発達したニューラルアーキテクチャが最適な餌集め戦略を生成する際の生物学的妥当性を調査すること。
• IFDからの逸脱を検討し、それらが空間的制約や最大餌集め速度とどのように関連しているかを調査すること。

提案手法

• フィードフォワードニューラルネットワークを備えたエージェントを、遺伝的アルゴリズムを用いて、不均一なリソースパッチを有するシミュレーテッド生態的環境で進化させた。
• リソースパッチの質や空間的分布にばらつきがあり、効率的な餌集めが生態的圧力として作用した。
• 複数の世代にわたり、リソース摂取に基づくエージェントの適応度を最大化するように、ニューラルネットワークの重みを最適化した。
• 進化後、エージェントのパッチ間分布を分析し、理想自由分布（IFD）モデルへの適合度を評価した。
• IFDからの逸脱を定量化し、空間的制約および最大餌集め速度と相関をとった。
• 進化的に発達したエージェント行動を人間の餌集めモデルと比較し、行動の一貫性を評価した。

実験結果

リサーチクエスチョン

• RQ1 神経ネットワークで制御されるエージェントは、不均一な環境においてリソース利用の理想自由分布（IFD）を進化で達成できるか？
• RQ2 エージェントアーキテクチャに餌集めや凝集行動の明示的モデリングがなくても、IFDはどの程度出現するか？
• RQ3 進化的に発達したエージェントでIFDから逸脱する要因は何か？ それらは生態的制約とどのように関連しているか？
• RQ4 進化的に発達したニューラルアーキテクチャは、分布パターンの観点から人間の餌集め行動とどのように比較できるか？
• RQ5 IFDの出現は、最適な餌集めの背後にある進化的メカニズムについて何を示唆しているか？

主な発見

• エージェントは、餌集めや凝集の明示的プログラミングがなくても、不均一なパッチにおいて常にほぼ最適な理想自由分布（IFD）のリソース利用を達成した。
• IFDからの逸脱が観察され、それは空間的制約や最大餌集め速度の制限下で、人間の餌集めモデルと一貫していた。
• エージェントの餌集めや集団行動を明示的にモデリングするパrameterが一切存在しないにもかかわらず、IFDの出現が確認された。
• エージェントを制御するニューラルアーキテクチャは生物学的妥当性を示しており、最適な餌集めのための合理的な進化的経路を示唆している。
• 結果から、最適な餌集め戦略は、明示的なこのような行動の最適化がなくても、生態的環境下でのニューラル進化によって出現しうることが示された。
• 本研究は、複雑な餌集め行動が、選択的圧力の下で自己組織的ニューラルシステムから生じうることを裏付けた。