[论文解读] A Realization Theory for Bio-inspired Collective Decision-Making

Alessio Franci, Vaibhav Srivastava+1 more|arXiv (Cornell University)|Mar 30, 2015

Opinion Dynamics and Social Influence参考文献 18被引用 9

一句话总结

本文提出了一种基于线性时不变系统与S型非线性的最小化代理级意见动力学模型，以实现生物启发的集体决策。结果表明，社交互动强度会引发Pitchfork分岔，使类似动物的群体实现一致决策——在蜜蜂筑巢选址中得到验证，与实证数据和群体级模型完全一致。

ABSTRACT

The collective decision-making exhibited by animal groups provides enormous inspiration for multi-agent control system design as it embodies several features that are desirable in engineered networks, including robustness and adaptability, low computational effort, and an intrinsically decentralized architecture. However, many of the mechanistic models for collective decision-making are described at the population-level abstraction and are challenging to implement in an engineered system. We develop simple and easy-to-implement models of opinion dynamics that realize the empirically observed collective decision-making behavior as well as the behavior predicted by existing models of animal groups. Using methods from Lyapunov analysis, singularity theory, and monotone dynamical systems, we rigorously investigate the steady-state decision-making behavior of our models.

研究动机与目标

• 开发一种简单且可实现的代理级模型，以实现动物群体中观察到的集体决策行为。
• 通过推导机制性、基于代理的动力学，弥合群体级模型与可实现的工程系统之间的差距。
• 利用李雅普诺夫、奇点理论与单调系统理论，严格分析稳态决策行为。
• 将该模型应用于蜜蜂筑巢选址问题，并验证其与实证数据和群体级模型的一致性。
• 建立系统化的生物启发式集体决策工程网络设计框架。

提出的方法

• 将意见动力学建模为具有S型非线性的互联线性时不变系统，以描述代理级决策行为。
• 应用李雅普诺夫分析证明不动点的稳定性，并运用奇点理论分析无信息情况下的分岔行为。
• 使用李雅普诺夫-施密特约化方法，表明有信息意见动力学模型是从无信息情况下的Pitchfork分岔展开的。
• 使用一组站点值α建模蜜蜂筑巢选址，其中有信息代理具有非零条目，无信息代理具有零值。
• 引入两个时标参数：u₁表示对外部刺激的承诺程度，u₂表示社交影响强度，其中u = u₂/u₁控制分岔行为。
• 在完全图上分析该模型，证明其与群体级模型（14）等价，并通过数值与解析方法推导分岔图。

实验结果

研究问题

• RQ1 如何通过最小化代理级模型复现如蜜蜂和鱼类等动物群体中观察到的集体决策行为？
• RQ2 社交互动强度（u₂）在引发Pitchfork分岔并促成群体一致决策中起到何种作用？
• RQ3 有信息代理（暴露于外部刺激）的存在如何改变分岔结构与决策结果？
• RQ4 该模型的行为在对称与非对称筑巢选址中，与实证数据和群体级模型的匹配程度如何？
• RQ5 网络拓扑结构如何影响分岔的起始点以及一般图中决策性能？

主要发现

• 当社交影响强度（u₂）较小时，系统表现出决策僵局，意见呈零和分布，对应无一致决策。
• 当u₂达到临界值时，发生Pitchfork分岔，产生稳定的非零均衡，使群体一致选择两个备选方案之一。
• 在对称筑巢选址（v₁ = v₂）情况下，分岔对称，当u₂超过临界阈值时，系统均匀随机选择一个选项。
• 在非对称情况（v₁ ≠ v₂）下，分岔被展开，倾向于选择价值更高的筑巢地点，且随着u₂增加，稳定均衡向更优选项移动。
• 当u₂足够高时，第二个稳定均衡出现，使系统可能收敛至较差选项，与群体级模型和实证观察一致。
• 分岔点对筑巢地点价值的依赖关系在定性上与Seeley等人[5]的预测行为一致，并与Pais等人[6]的分析结果相符，验证了模型的准确性。