[論文レビュー] On Ants, Bacteria and Dynamic Environments

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

Insect and Arachnid Ecology and Behavior参考文献 26被引用数 7

ひとこと要約

本論文は、サナギのコロニー行動を模倣した、スティグメルジーと自己組織化を活用する動的で多次元の最適化問題を解くためのスウォーム採餌アルゴリズム（SSA）を提案する。BFOA（人工バクテリア採餌アルゴリズム）と比較して、リアルタイムでの矛盾する目的を扱う際の適応速度と耐性に優れ、動的環境における優れた集団知能を示している。

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.

研究の動機と目的

• 動的最適化のための社会的スウォームの集団的適応を、アリにインspiredした行動によってモデル化すること。
• スティグメルジックおよび自己組織化メカニズムが、複雑で変化し続ける環境においていかに頑健な適応を可能にするかを調査すること。
• 動的条件下での極値の追跡において、アリベース（SSA）とバクテリアベース（BFOA）のアルゴリズムの性能を比較すること。
• 協働的採餌中に、同時に矛盾する採餌目標を処理できるSSAの能力を評価すること。
• 動的環境における適応速度と耐性の面で、SSAがBFOAを上回ることを示すこと。

提案手法

• 実際のアリコロニー行動に基づき、スティグメルジック通信と分散型意思決定を重視したスウォーム採餌アルゴリズム（SSA）を設計すること。
• 動的環境フィードバックと適応をモデル化するため、フェロモンに基づくトレース強化と劣化を実装すること。
• De Jongテストセットを用いて、多次元的かつ動的な最適化関数をベンチマーク問題として定義すること。
• 同じコロニーが1回の採餌期間中に、矛盾する採餌目標を切り替えることを想定した二重目的制約を統合すること。
• スティグメルジック原則を同様に使用するが、バクテリア採餌行動に基づくBFOAアルゴリズムとSSAの性能を比較すること。
• 収束速度、環境変化への適応性、矛盾する目的下での頑健性といった指標を用いて、アルゴリズムの性能を評価すること。

実験結果

リサーチクエスチョン

• RQ1 スティグメルジーに基づくアリにインspiredなアルゴリズム（SSA）は、動的で多次元的な最適化ランドスケープにおいて複数の極値を効果的に追跡できるか？
• RQ2 同じ採餌サイクル内で二つの矛盾する採餌目的に適応する必要がある場合、SSAはどのように性能を発揮するか？
• RQ3 動的環境において、SSAの相対的適応速度はBFOAに比べてどの程度速いか？
• RQ4 社会的昆虫および微生物における自己組織化メカニズムは、複雑な環境で集団知能をどのように可能にするか？
• RQ5 分散型でフェロモンに基づくシステムは、集中型またはより複雑なモデルに比べて、動的最適化タスクで優れた性能を発揮できるか？

主な発見

• SSAアルゴリズムは、De Jongテストセットにおいて、動的環境にうまく適応し、複数の極値を高い効率で追跡できた。
• 特に矛盾する採餌目標間の切り替えにおいて、SSAはBFOAに比べて優れた適応速度を示した。
• 1回の採餌期間中に、2つの矛盾する目標を同時に処理する必要がある状況でも、アルゴリズムは頑健な性能を維持した。
• スティグメルジック通信の使用により、環境変化への対応で集団行動の迅速な再構成が可能になった。
• 収束速度と耐性の面で、SSAはBFOAを上回り、動的環境におけるアリにインspiredなメカニズムの有効性を示した。
• 結果から、リアルタイムで迅速な適応を要する動的最適化タスクにおいて、バクテリアベースのモデルに比べてアリベースのモデルがより適している可能性が示唆された。