Модель обороны коллектива слабых мирных агентов от сильного агента-хищника
https://doi.org/10.25682/NIISI.2025.1.0009
Аннотация
Построена и изучена модель взаимодействия сообщества относительно слабых мирных агентов в клеточном мире с сильным агентом-хищником. Агент-хищник может нападать на мирных агентов, убивать и съедать их. Внутренняя система управления мирного агента представляет собой нейронную сеть. Имеются две стратегии мирных агентов: 1) обычная мирная жизнь, 2) оборона от сильного агента-хищника. В первой стратегии мирные агенты выполняют следующие действия: находиться в состоянии покоя, питаться, размножаться, перемещаться по миру. Во второй стратегии действия мирных агентов таковы: уход от агента хищника, угроза агенту-хищнику, нападение на агента-хищника. Выходами нейронной сети являются сигналы, определяющие действия мирного агента. Агент-хищник выполнять следующие действия: находиться в состоянии покоя, уходить от угрожающих мирных агентов, нападать на мирных агентов. Повеление агента-хищника определяется простыми логическими правилами. Анализ модели производился путем компьютерного моделирования. Показано, что при достаточно естественном выборе параметров модели коллектив мирных агентов побеждает агента-хищника, а именно, с течением времени ресурс мирных агентов уверенно растёт, а ресурс агента-хищника в итоге уменьшается до нуля, т.е. агент-хищник погибает. Также продемонстрировано, что для обеспечения способности к такой обороне, мирным агентам нужно достаточно большое количество пищи. При малом количестве пищи мирных агентов агент-хищник подавляет мирных агентов.
Список литературы
1. C.G. Langton (ed.). Artificial Life: The Proceedings of an Interdisciplinary Workshop on the Synthe sis and Simulation of Living Systems. Redwood City CA: Addison-Wesley, 1989.
2. C.G. Langton, C. Taylor, J.D. Farmer, S. Rasmussen (eds.). Artificial Life II: Proceedings of the Second Artificial Life Workshop. Redwood City CA: Addison-Wesley, 1992.
3. L.S. Yaeger. Computational genetics, physiology, metabolism, neural systems, learning, vision, and behavior or PolyWorld: Life in a new context. In: C.G. Langton (Ed.). Proceedings of the Artificial Life III Conference. Reading, Mass.: Addison-Wesley, 1994, 263–298.
4. D. Ackley, M. Littman. Interactions between learning and evolution. In [2], 487–509.
5. M. Burtsev, P. Turchin. Evolution of cooperative strategies from first principles. “Nature”, V. 440 (2006), No. 7087, 1041–1044.
6. K. Lorenz. On Aggression. London, New York, Routledge Classics, 2002.
7. V.G. Red’ko. Model of collective interaction in competing groups of autonomous agents. In: V. Redko, D. Yudin, W. Dunin-Barkowski, B. Kryzhanovsky, Y. Tiumentsev (eds). Advances in Neural Com putation, Machine Learning, and Cognitive Research VIII. NI 2024. Studies in Computational Intelligence, V. 1179, Springer, Cham, 2025, 345–352.
8. M.A. Semenov, D.A. Terkel. Об эволюции механизмов изменчивости посредством косвенного отбора. Journal of General Biology, Vol. 46 (1985), No. 2, pp. s271–277.
9. Red’ko V.G A Model of Interaction and Competition Between Two Types of Autonomous Agents. Russian Journal of Cybernetics. Vol. 6 (2025), No. 1, pp. 128–136.
Рецензия
Для цитирования:
Редько В.Г. Модель обороны коллектива слабых мирных агентов от сильного агента-хищника. Труды НИИСИ. 2025;15(1):65-71. https://doi.org/10.25682/NIISI.2025.1.0009
For citation:
Red’ko V.G. Modeling the Defense of Weak Prey Agents Against a Strong Predator Agent. SRISA Proceedings. 2025;15(1):65-71. https://doi.org/10.25682/NIISI.2025.1.0009
Просмотров:
16
Послать статью по эл. почте 