[论文解读] Revisiting the Edge of Chaos: Evolving Cellular Automata to Perform Computations

Melanie Mitchell, Peter Hraber+1 more|ArXiv.org|Mar 31, 1993

Cellular Automata and Applications参考文献 27被引用 393

一句话总结

本文重新評估了演化演算法在最佳計算表現下會選擇接近「混沌邊緣」的細胞自動機規則的假設。利用遺傳演算法演化一維、兩狀態細胞自動機以執行密度分類任務，作者發現並無證據顯示臨界性（Langton的 kappa 值接近 0.27）受到青睞；相反，對稱性破壞機制阻礙了朝高計算能力進化的進展。

ABSTRACT

We present results from an experiment similar to one performed by Packard (1988), in which a genetic algorithm is used to evolve cellular automata (CA) to perform a particular computational task. Packard examined the frequency of evolved CA rules as a function of Langton's lambda parameter (Langton, 1990), and interpreted the results of his experiment as giving evidence for the following two hypotheses: (1) CA rules able to perform complex computations are most likely to be found near ``critical'' lambda values, which have been claimed to correlate with a phase transition between ordered and chaotic behavioral regimes for CA; (2) When CA rules are evolved to perform a complex computation, evolution will tend to select rules with lambda values close to the critical values. Our experiment produced very different results, and we suggest that the interpretation of the original results is not correct. We also review and discuss issues related to lambda, dynamical-behavior classes, and computation in CA. The main constructive results of our study are identifying the emergence and competition of computational strategies and analyzing the central role of symmetries in an evolutionary system. In particular, we demonstrate how symmetry breaking can impede the evolution toward higher computational capability.

研究动机与目标

• 測試當優化計算任務時，演化演算法是否偏好選擇接近『混沌邊緣』的細胞自動機規則——此處以 Langton 的 kappa 參數定義。
• 探討對稱性及其破壞在細胞自動機演化動態中的角色。
• 挑戰廣泛引用的主張，即複雜計算會優先在有序與混沌態之間的相變附近出現。
• 釐清細胞自動機中動態行為、計算能力與演化選擇之間的關係。
• 評估遺傳演算法在自動編程細胞自動機以執行非平凡任務方面的實用可行性。

提出的方法

• 使用遺傳演算法演化一維、兩狀態細胞自動機，其鄰域半徑為 1。
• 適應度函數評估規則在密度分類任務中的表現，目標是根據初始密度收斂至全 0 或全 1。
• 為每個演化出的規則計算 Langton 的 kappa 參數，以量化其動態規則（有序、臨界、混沌）。
• 使用空間-時間圖像可視化動態行為並評估收斂特性。
• 演化過程追蹤跨世代的規則頻率，特別關注對稱性破壞事件與組合漂移現象。
• 與簡單的最速上升爬山法進行對比實驗，以評估在適應度評估上的表現差異。

实验结果

研究问题

• RQ1 當優化非平凡計算時，透過遺傳演算法演化是否會偏好選擇 Langton 臨界 kappa 值（≈0.27）附近的細胞自動機規則？
• RQ2 目標任務中的對稱性在塑造演化路徑與限制計算能力方面發揮何種作用？
• RQ3 早期世代中的對稱性破壞如何影響族群的長期優化潛力？
• RQ4 『混沌邊緣』假設在細胞自動機的演化計算中是否成立？抑或存在其他機制在起作用？
• RQ5 與較簡單的梯度基方法相比，遺傳演算法能否有效編程細胞自動機以執行複雜任務？

主要发现

• 研究發現並無偏好選擇接近 Langton 臨界 kappa 值的規則；相反，演化出的規則分佈於廣泛的 kappa 值範圍，與混沌邊緣假設相矛盾。
• 早期世代中的對稱性破壞導致穩定但次優的演化分支，阻礙進一步優化，此現象稱為『次優物種形成』。
• 遺傳演算法在適應度評估上顯著優於最速上升爬山法，且在同等計算資源下達成更高表現。
• 演化出的規則經常展現出涉及局部模式傳播與訊號協調的突發計算策略，而非依賴全局臨界動態。
• 結果顯示，細胞自動機的計算能力並非與動態臨界性本質相關，而是與結構化、對稱性破壞策略的出現有關。
• 本研究顯示，雖然細胞自動機的通用性在數學上具有吸引力，但並非演化優化或實際計算的主要驅動因素。