[论文解读] The Emergence and Dynamical Evolution of Complex Transport Networks from Simple Low-Level Behaviours

Jeff Jones|arXiv (Cornell University)|Mar 23, 2015

Slime Mold and Myxomycetes Research参考文献 19被引用 12

一句话总结

本文提出一种自下而上的、基于智能体的模型，利用趋化性和扩散性粒子模拟复杂运输网络的自发涌现与动态演化，模仿多头粘菌（Physarum polycephalum）的行为。结果表明，仅通过简单的局部规则——旁分泌趋化性和扩散——即可生成自组织、高鲁棒性且连接最少的网络，而觅食行为使网络能够持续动态重构以响应环境变化。

ABSTRACT

The true slime mould Physarum polycephalum is a recent well studied example of how complex transport networks emerge from simple auto-catalytic and self- organising local interactions, adapting structure and function against changing environmental conditions and external perturbation. Physarum networks also exhibit computationally desirable measures of transport efficiency in terms of overall path length, minimal connectivity and network resilience. Although significant progress has been made in mathematically modelling the behaviour of Physarum networks (and other biological transport networks) based on observed features in experimental settings, their initial emergence - and in particular their long-term persistence and evolution - is still poorly understood. We present a low-level, bottom-up, approach to the modelling of emergent transport networks. A population of simple particle-like agents coupled with paracrine chemotaxis behaviours in a dissipative environment results in the spontaneous emergence of persistent, complex structures. Second order emergent behaviours, in the form of network surface minimisation, are also observed contributing to the long term evolution and dynamics of the networks. The framework is extended to allow data presentation and the population is used to perform a direct (spatial) approximation of network minimisation problems. Three methods are employed, loosely relating to behaviours of Physarum under different environmental conditions. Finally, the low-level approach is summarised with a view to further research.

研究动机与目标

• 理解复杂、鲁棒的运输网络如何从简单的低层次交互中自发形成，而无需自上而下的设计。
• 研究此类网络在环境扰动下的长期动态演化与持久性。
• 探讨网络最小化与容错性是否能自然地从基本的物理与化学相互作用中涌现。
• 将网络形成建模为最小斯坦纳树问题的空间近似，利用基于智能体的动力学实现。
• 考察觅食行为在通过持续重构维持网络鲁棒性中的作用。

提出的方法

• 采用具有旁分泌趋化性、对局部化学梯度响应的粒子状智能体群体。
• 实施全局扩散机制，以模拟信息在网络中的传播。
• 使用三种不同的智能体行为：丝状收缩、原 protoplasmic 收缩，以及具有窄传感器角度的觅食行为。
• 将网络节点表示为局部扩散源，吸引智能体并塑造网络拓扑结构。
• 应用智能体调度器，在空间连续环境中模拟随时间演化的网络动力学。
• 观察到的涌现现象包括表面最小化、环路形成以及通过流动效应产生的分叉。

实验结果

研究问题

• RQ1 仅通过简单智能体之间的局部、低层次交互，能否形成复杂且具有适应性的运输网络？
• RQ2 不同智能体行为（如觅食与收缩）如何影响网络结构、鲁棒性与最小化特性？
• RQ3 在未进行显式优化的情况下，网络的涌现属性（如容错性与路径效率）在多大程度上自然形成？
• RQ4 持续的动态重构在扰动下对维持网络功能起到何种作用？
• RQ5 该低层次模型能否作为斯坦纳树等网络最小化问题的空间近似？

主要发现

• 复杂、持久且鲁棒的运输网络在无中心控制的情况下，自发从简单智能体交互中涌现。
• 二级涌现行为（如通过流动效应形成的环形闭合与分叉）促进了网络表面最小化。
• 在初始条件不均衡时，丝状收缩与原 protoplasmic 收缩形成的网络表现出非最小化、循环结构。
• 具有窄传感器角度（15°）的觅食行为实现了持续的动态重构，维持了网络的稳定性和连通性。
• 该系统表现出网络长度与容错性之间的权衡，与多头粘菌（Physarum polycephalum）的观测行为一致。
• 该模型通过空间上的基于智能体的计算，成功近似了最小斯坦纳树解，而无需显式的图优化。