[论文解读] Modeling ant battles by means of a diffusion-limited Gillespie algorithm

Gianluca Martelloni, Alisa Santarlasci+2 more|PubMed|Mar 20, 2015

Insect and Arachnid Ecology and Behavior参考文献 18被引用 4

一句话总结

本文提出一种扩散限制的Gillespie算法，用于模拟入侵物种大头家蚁（Lasius neglectus）与本地物种异家家蚁（Lasius paralienus）之间的蚂蚁战斗，结合了化学反应动力学与显式空间的代理模型动力学。该模型通过模拟扩散驱动的相遇事件与随机反应事件，准确再现了实验中的战斗动态，为入侵物种相互作用提供了一个预测性框架。

ABSTRACT

We propose two modeling approaches to describe the dynamics of ant battles, starting from laboratory experiments on the behavior of two ant species, the invasive Lasius neglectus and the authocthonus Lasius paralienus. This work is mainly motivated by the need to have realistic models to predict the interaction dynamics of invasive species. The two considered species exhibit different fighting strategies. In order to describe the observed battle dynamics, we start by building a chemical model considering the ants and the fighting groups (for instance two ants of a species and one of the other one) as a chemical species. From the chemical equations we deduce a system of differential equations, whose parameters are estimated by minimizing the difference between the experimental data and the model output. We model the fluctuations observed in the experiments by means of a standard Gillespie algorithm. In order to better reproduce the observed behavior, we adopt a spatial agent-based model, in which ants not engaged in fighting groups move randomly (diffusion) among compartments, and the Gillespie algorithm is used to model the reactions inside a compartment.

研究动机与目标

• 开发一个关于入侵大头家蚁（Lasius neglectus）与本地异家家蚁（Lasius paralienus）之间蚂蚁战斗的现实计算模型。
• 通过随机反应-扩散过程捕捉实验室实验中观察到的波动与空间动态。
• 为理解生态系统中入侵物种相互作用提供一个预测性工具。
• 通过混合建模方法，弥合宏观种群水平动态与微观代理行为之间的鸿沟。

提出的方法

• 将蚂蚁战斗群体建模为化学物种，使用反应-扩散方程。
• 从化学反应网络推导常微分方程组，参数通过实验数据拟合。
• 实施标准Gillespie算法，以模拟空间隔间内的随机反应事件。
• 引入非战斗蚂蚁在隔间之间的空间扩散，以反映随机运动。
• 将Gillespie算法与空间代理模型耦合，以模拟局部相互作用。
• 通过最小化模拟结果与实验战斗动态之间的差异来验证模型。

实验结果

研究问题

• RQ1 大头家蚁（Lasius neglectus）与异家家蚁（Lasius paralienus）在战斗策略上的差异如何影响受控实验中的战斗结果？
• RQ2 具有随机动力学的化学反应模型在多大程度上能再现观察到的蚂蚁战斗动态？
• RQ3 未参与战斗蚂蚁的空间扩散在多大程度上影响整体战斗进程与结果？
• RQ4 混合反应-扩散与代理模型能否准确预测现实世界中的蚂蚁战斗行为？

主要发现

• 通过拟合从观察数据中获得的参数，该模型成功再现了实验中的战斗动态。
• 引入空间扩散显著提升了模拟交互的现实感，相较于非空间模型更具说服力。
• Gillespie算法能够良好捕捉战斗结果中的随机波动，真实反映了生物变异性。
• 反应-扩散框架可准确预测战斗持续时间与结果分布。
• 通过最小化模型输出与实验数据之间的误差进行参数估计，显著提升了模型保真度。
• 混合方法能够同时模拟局部相互作用与蚂蚁战斗中的全局种群水平趋势。