The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 1 -
他 作用
曖昧 探索
Ambiguous Exploration Based on Local Interactions
﨑山朋子
*1郡
幸夫
*2Tomoko Sakiyama Yukio Pegio Gunji
*1
神戸大学
*2神戸大学
Kobe University Kobe University
We investigated whether Levy-like walk was driven from agents’ interactions. We released ten Japanese Carpenter ants (Camponotus japonicus) into an acrylic bowl and obtained each forager’s trajectory. We found that ants showed power-law distributed step lengths. Therefore, we conducted 1-dimensional random walk simulation in which multiple agents changed their directional rule intervals based on local other agents’ movement directions and obtained that simulated agents also showed power-law distributed step lengths even though they obeyed Brownian motion initially.
1.
はじめに
多 生物 効率 探索 実現 必要 可
あ 意味 い
動物 広 利用さ い [1-7]
密度 資源探索 他 最適
あ いう理由 昔 議論さ い [8] し し 実
際 動物 振 舞い 文脈 手
調整し い う 思わ [9-11] し し
設定 うえ 布仮定 し 振 舞
い 実現 答え い 研究 少 い う 思わ [12]
自体 自 探索軌跡 見渡 い以
う 移動 ば 結果的 効率 資源 見
局所的情報 依 し ばい い[13] バ や
社会性昆虫や 群 形成 生 物 自
動 他個体 動 いう 独立し あ う
社会的情報 知 い利益
導い あ し し 追随 徹し し う
新 資源 発見 乏し し う 外的 導入
問題 解決さ 探索 あ 程度維持
考え い [14] わ 動的情報 従属
解放 あ 外的 役割 布 仮定し
あ 程度超 散的性質 維持
形成 うえ 大 あ いう 外的
依存し し う以 形 え 則 仮定
必要 し う[15] 他 動 社会的情報 隷属
今 従 自 規則 記憶 外的情報 替
え 別さ 適度 行 来 あ
他個体 動作 遠 導い いう意味
見出し し 場所 対 言及 わ 要素 生成
遉成 い い 曖昧 到遉点 内的 ゆ 形成
他 個体 有し 情報 自 規則 組 込 あ 程
度遉成さ 考え 本論文 他個体 動
予測し 自 規則 補正
構築 記 問題解決
2.
蟻歩行実験及びシミュリーション
2.1 蟻歩行実験
Camponotus japonicus ワ 10
ボ 直径 27cm 入 Panasonic, HDC-TM700 撮影し 視覚的情報 完全 排除し 状況
ボ 内 自由 運動さ 撮影 1時間行い 1秒 1
解析 行 ワ 単独
foraging し ニ 数個体 動員
知 い 化学 大規模動員 行わ い
本実験 用い
2.2 １次元シミュリーションモデラ
1 元 大 さ 1 移動
歩行 構築し
今回 個体数 10 し 長40内 初期
置 え 毎時 乱数 R(t)
0.00~1.00 え 右 あ い 左 動
乱数値 記 定 I0及びI1 決定さ
二 方向 え 規則 初期設定 し 運動
し え さ 各個体 1,2,3 値 閾値
数 し 割 振 閾値数 周 個体数
記 記 規則変更 補正幅 調整
x(t+1) = x(t)-1, if R(t)I0(t); =x(t)+1, if R(t)I1(t);
I0(0)=[0.0, 0.50], I1(0)=[0.50, 1.00];
記 設定 中 以 発生し 場合
方向 え 規則 バ 記 う 変更
．他個体 視覚領域 居 ？ YES→2, NO→4
連絡先 﨑山朋子，[email protected]
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 2 -
．視覚領域内 個体数 閾値数 ？
他個体数 >=閾値数 → count-x = count+x =0.01
他個体数 < 閾値数 → count-x = count+x =1.00
．他個体 移動方向
他個体 -x count-x=count-x+1
他個体 +x count+x=count+x+1
視覚領域内全 動作 終了し
以 う 規則 変え
I0(t)=[0.0, count-x /S]; I1(t)=[ count-x /S, 1.00]; S= count-x+ count+x ;
→4
．乱数R(t) 規則 従 方向 決定 →5
．t=t+1 →1
ュ ョ 1 1秒 対応 3600
1 試行 定 視覚領域
共通 直径2.00 定
一 例 挙 あ 近傍 直径 4.00
以内 -x方向 行 う し い 他個体 2 +x方向 行
う し い 他個体 1 い う 場合
設定閾値数 依存し 記 う バ 変
更さ
閾値未満
count-x =1.00 + 2.00 =3.00
count+x =1.00 + 1.00 =2.00
, Is(t), s=0,1 I0(t)=[0.0, 0.60] I1(t)=[0.60, 1.00]
閾値以
count-x =0.01 + 2.00 =2.01
count+x =0.01 + 1.00 =1.01
, Is(t), s=0,1 I0(t)=[0.0, 0.67] I1(t)=[0.67, 1.00]
3.
結果
3.1 蟻歩行実験
10 ワ 内 選ば 2
ワ 歩幅 関 累積度数 し 1
あ 歩幅 x-y速度成 符 同時 変更 描
い 曲線長 歩幅 定義し 1 見 う ワ
歩幅 布 従う AIC weights of power-law = 0.99, μ=1.69, N=21
Figure1. Log-scale plot of step lengths and that cumulative distribution obtained from two agents from 1 trial in Experiment.
Figure2. Log-scale plot of step lengths and that cumulative distribution obtained from two agents from 1 trial in simulation.
3.2 １次元シミュリーション
実験 同様 単 時間当 x成 符
反転 移動距離 歩幅 定義し 2 し
実験 同様 得 歩幅
布 示 AIC weights of power-law = 1.00, μ=1.86, N=107 さ 選択さ 2個体同士 隣
接 さ 時間 い 見積 3 隣
接距離 他個体 検知 視覚領域近傍 等しい し =
2.00 3 model 実験(exp) 関し 時間 布 相遊 い model vs. exp: Chi-squared test, χ2=0.023, df = 1, P = 0.88, NS 一方 対照実験 し 定
運動 初期条件 し 設定さ バ
1試行終了 固定化さ 場合 運動, model (control)
記二 関し 時間 布 相遊 見
model vs. model(control): Fisher’s exact test,
P<0.01, exp vs. model(control): Chi-squared test, χ2 = 15.62, df = 1, P<0.001 わ 歩行実験 本
あ 個体同士 長い間 いう
振 舞う 見 い結果
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 3 - Figure3. Time frequency in each category (less than 10.00, more than 10.00) for each version (model, experiment, model (control)). Model (control) indicates that Brownian movement simulation. **P<0.01, ***P<0.001, NS indicates non-significant.
4.
考察
ワ 群 運
動 実現 示 砂漠 ワ 単独
時 歩行 運動 あ 知
い [16] 一方 馴染 い 視覚的風景
関し 放 平均値 異 二 指数 布
足し合わ 振舞 明 さ い [17-19]
わ 歩幅 可変的
調節さ い いう 歩幅 幅
生 出 指数 布 重 合 則 出現
可能性 示唆さ い 馴染 あ 風景 馴染 い風景
別 知 い あ 程度知 い
し 扱う さ 知 い領域 知 い領
域 し 留 いう あ 本論文
他 仄 情報 担保
考案 歩幅 関 出現 挑
歩行実験 あ 程度 明 あ いう結果
得 他方 歩幅 個体間隣接 時間 関
非正規的 布 出現 実験 遉成 群
形成 時間 関し 長い間同一個体 隣接 維
持 いう 見方 変え ば 時間間隔自体
伸び 縮 し い いう 時間間隔 形成
関し 間隔 緩 伸び縮
遉成し い し い
以 う 局所的情報 大域的 担保 正規
布 則 移行 遉成 考え 個体
他 動 意味 あ 程度場所
言及 わ 要素 形成さ 限 枠
運動 促進さ 臨界的振舞 近 し
い
今後 予定 し 場所 知識 有し 個体
わ 想定 引 張 引 張 両
義性 群 定性 数値解析し い
予定 あ 併 ニ 関 実験 行い
い
参考文献
1 Kareiva, R.M. & Shigesada, N. 1983 Analyzing Insect Movement as a Correlated Random Walk. Oecologia (Berlin) 56, 234-238.
2. Viswanathan, G.M., Afanasyev, V., Buldyrev, S.V., Murphy, E.J., Prince, P.A. & Stanley, H.E. 1996 Lévy flight search patterns of wandering albatrosses. Nature 381, 413 - 415
3 Bartumeus, F., Luz, M. G. E., Viswanathan, G.M. & Catalan, J. 2005 Animal Search Strategies: A Quantitative Random-Walk Analysis. Ecology 86(11), 3078-3087
4 Bartumeus, F., Catalan, J., Viswanathan, G.M., Raposo, E.P. & Luz., M.G.E. 2008 The influence of turning angles on the success of non-oriented animal searches. J. Theor. Biol. 252, 43-55
5 Edwards, A.M., Phillips, R.A., Watkins, N.W., Freeman, M.P., Murphy, E.J., Afanasyev, V., Buldyrev, S.V., Luz, M.G.E., Raposo, E.P. & Stanley, H.E. 2007 Revisiting Lévy flight search patterns of wandering albatrosses, bumblebees and deer. Nature 449(25), 1044-1049
6 Humphries, N.E., Weimerskirch, H., Queiroz, N., Southall, E.J., & Sims, D.W. 2012 Foraging s uccess of biological Lévy flights recorded in situ. Proc. Natl Acad. Sci. USA. 109(19), 7169-7174
7 Sueur, C., Briard, L. & Petit, O. 2011 A Non- Lévy Random Walk in Chacma Baboons: What Does It Mean? PLOS ONE 6(10), 1-8
8 Viswanathan, G.M., Buldyrev, S.V., Havlin, S., Luz, M. G. E., Raposo, E.P. and Stanley, H.E. Optimizing the success of random searches. 1999 Nature 401, 911-914
9 Humphries, N.E., Queiroz, N., Dyer, J.R.M., Pade, N.G., Musy, M.K., Schaefer, K.M., Fuller, D.W., Brunnschweiler, J.M., Doyle, T.K., Houghton, J.D.R., Hays, G.C., Jones, C.S.,Noble, L.R., Wearmouth, V.J., Southall, E.J. & Sims, D.W. Environmental context explains Lévy and Brownian movement patterns of marine predators. 2010 Nature 465, 1066–1069
10 Sims, D.W., Humphries, N.E., Bradford, R.W. & Bruce, B.D. 2012 Lévy flight and Brownian search patterns of a free-ranging predator reflect different prey field characteristics. J. Anim. Ecol. 81, 432–442
11 López-López, P., Benavent-Corai, L., García-Ripollés, C. & Urios, V. 2013 Scavengers on the Move: Behavioural Changes in Foraging Search Patterns during the Annual Cycle. PLOS ONE 8(1), e54352 (doi: 10.1371/journal.pone.0054352)
12 Viswanathan, G.M., Raposo, E.P., Luz, M.G.E. 2008 Lévy flights and superdiffusion in the context of biological encounters and random searches. Phys. Life Rev. 5, 133-150 13 Sakiyama, T. and Gunji, Y.P. 2013 Emergence of an optimal
search strategy from simple random walk. J. R. Soc. Interface 10(86), 1-6
The 28th Annual Conference of the Japanese Society for Artificial Intelligence, 2014
- 4 - 15 Bartumeus, F. & Levin, S.A. 2008 Fractal reorientation
clocks: Linking animal behavior to statistical patterns of search. Proc. Natl Acad. Sci. USA. 105(49), 19072–19077 16 Schultheiss & Cheng, K. 2012 Finding food: outbound
searching behavior in the Australian desert ant Melophorus bagoti. Behav Ecol 143 28-35
17 Schultheiss & Cheng, K. 2011 Finding the nest: inbound searching behaviour in the Australian desert ant, Melophorus bagoti. Anim Behav 81 1031-1038
18 Schultheiss, P., Wystrach, A., Legge, E.L.G. & Cheng, K. 2013 Information content of visual scenes influences systematic search of desert ants. J. Exp. Biol. 216, 742-749 19 Reynolds., A.M., Schultheiss & Cheng, K. 2014 Does the
