[论文解读] 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 6

一句话总结

本文表明，经过神经架构进化的智能体在异质环境中自然实现了资源使用的理想自由分布（IFD），而无需为觅食或聚集行为进行显式编程。IFD的出现——即智能体按资源可用性成比例分布——源于生态压力下的神经进化，表明最优觅食行为可通过具有生物学合理性的自组织神经控制系统进化而来。

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.

研究动机与目标

• 研究神经网络控制的智能体是否能在异质资源环境中实现理想自由分布（IFD）
• 确定IFD是否在未显式建模觅食或聚集行为的情况下自然出现
• 探讨进化神经架构在生成最优觅食策略方面是否具有生物学合理性
• 考察IFD的偏离现象及其与空间约束和最大觅食速率的潜在关联

提出的方法

• 在具有异质资源斑块的模拟生态环境中，使用遗传算法进化具有前馈神经网络的智能体
• 资源斑块在质量和空间分布上各不相同，从而对高效觅食施加生态压力
• 通过多代优化神经网络权重，以最大化智能体的适应度（基于资源摄入量）
• 在进化完成后分析智能体在各斑块上的分布，以评估其对理想自由分布（IFD）模型的符合程度
• 量化IFD的偏离，并将其与空间约束和最大觅食速率相关联
• 将进化智能体的行为与人类觅食模型进行比较，以评估行为一致性

实验结果

研究问题

• RQ1 神经网络控制的智能体是否能进化出在异质环境中实现资源使用理想自由分布（IFD）的能力？
• RQ2 在智能体架构中未显式建模觅食或聚集行为的情况下，IFD的出现程度如何？
• RQ3 导致进化智能体偏离IFD的因素有哪些？它们与生态约束有何关联？
• RQ4 从分布模式来看，进化神经架构与人类觅食行为相比有何异同？
• RQ5 IFD的出现对最优觅食行为背后进化机制提供了何种启示？

主要发现

• 智能体在未显式编程觅食或聚集行为的情况下，始终实现了接近最优的理想自由分布（IFD）的资源使用模式
• 观察到IFD的偏离，且其表现与人类觅食模型一致，特别是在空间约束和最大觅食速率受限的情况下
• 尽管未设置任何显式参数来建模智能体的觅食或聚集行为，IFD仍自然出现
• 控制智能体的神经架构表现出生物学上的逼真性，表明最优觅食存在合理的进化路径
• 结果表明，最优觅食策略可通过生态环境中神经的进化而自然产生，即使未直接优化此类行为
• 本研究提供了证据，表明复杂觅食行为可能源于选择压力下自组织神经系统的演化