Core Concepts
局所的な相互作用によって生み出される集団行動を、数学的に指定された目標行動に合わせて進化的に探索する。
Abstract
本論文では、EVOSOPS と呼ばれる進化的フレームワークを提案している。EVOSOPS は、自己組織型粒子システム (SOPS) における数学的に指定された集団行動を達成するための確率的分散アルゴリズムを進化的に探索する。
具体的には以下の通りである:
粒子の近傍情報をもとにした遺伝子表現を用いて、集団行動を実現するアルゴリズムを進化的に探索する。
集団行動の質を評価する関数を定義し、これを最大化するアルゴリズムを探索する。
集団行動には凝集、光走性、分離、物体コーティングの4つを扱う。
既存の理論的アプローチよりも高い適応度を持つアルゴリズムを発見できることを示す。
同一の集団行動に対して複数の独立な実行で多様なアルゴリズムを発見することを示す。
高適応度のアルゴリズムを分析し、新たなアルゴリズム設計の洞察を得る。
以上のように、EVOSOPS は、数学的に指定された集団行動を実現する確率的分散アルゴリズムを効果的に発見できることを示している。
Stats
粒子数n = 61, 169, 271の場合、凝集行動の最高適応度は0.99であり、理論的アプローチの0.95よりも4.21%高い。
粒子数n = 61, 169, 271の場合、光走性行動の最高適応度は0.98であり、理論的アプローチの0.86よりも13.95%高い。
粒子数n = 60, 168, 270の場合、分離行動の最高適応度は0.98であり、理論的アプローチの0.85よりも15.29%高い。
粒子数n = 66, 144, 252の場合、物体コーティング行動の最高適応度は0.85である。