[论文解读] 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 7

一句话总结

本文提出了一种受蚂蚁群体行为启发的群体觅食算法（SSA），用于解决动态、多峰优化问题，利用信息素机制和自组织特性。在实时处理冲突目标时，SSA在适应速度和鲁棒性方面优于人工细菌觅食算法（BFOA），展现出在动态环境中更优越的集体智能。

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.

研究动机与目标

• 通过仿蚁行为建模社会群体在动态优化中的集体适应机制。
• 探究信息素机制与自组织机制如何在复杂多变环境中实现稳健适应。
• 比较基于蚂蚁的（SSA）与基于细菌的（BFOA）算法在动态条件下追踪极值的性能。
• 评估SSA在合作觅食过程中同时处理相互冲突的觅食目标的能力。
• 展示SSA在动态环境中相较于BFOA在适应速度和鲁棒性方面的优越性。

提出的方法

• 基于真实蚂蚁群体行为设计一种群体觅食算法（SSA），强调信息素通信与去中心化决策机制。
• 实现基于信息素的路径强化与降解，以模拟动态环境反馈与适应机制。
• 采用De Jong测试集定义高度多峰且动态的优化函数作为基准问题。
• 引入双目标约束，要求同一群体在单次觅食周期内切换至相互冲突的觅食目标。
• 将SSA性能与采用类似信息素原理但基于细菌觅食行为的BFOA算法进行对比。
• 通过收敛速度、对环境变化的适应能力以及在冲突目标下的鲁棒性等指标评估算法性能。

实验结果

研究问题

• RQ1 基于信息素机制的仿蚁算法（SSA）能否在动态、多峰优化环境中有效追踪多个极值？
• RQ2 当要求SSA在同一次觅食周期内适应两个相互冲突的觅食目标时，其表现如何？
• RQ3 SSA在动态环境中的相对适应速度相较于BFOA如何？
• RQ4 社会性昆虫与微生物中的自组织机制在多变复杂环境中在多大程度上促进集体智能？
• RQ5 去中心化的、基于信息素的系统是否能在动态优化任务中优于集中式或更复杂的模型？

主要发现

• SSA算法成功适应了动态环境，并在De Jong测试集中高效追踪了多个极值。
• SSA在切换至相互冲突的觅食目标时，表现出相较于BFOA更优的适应速度。
• 当群体需在单次觅食周期内同时应对两个相互矛盾的目标时，算法仍保持了稳健性能。
• 信息素通信的使用使得群体行为能快速响应环境变化而重新配置。
• SSA在收敛速度和鲁棒性方面优于BFOA，表明仿蚁机制在动态环境中的有效性。
• 结果表明，与基于细菌的模型相比，基于蚂蚁的模型可能更适合需要快速适应的实时动态优化任务。