群行動モデルを用いた最適配置問題の解法に関する基礎研究: University of the Ryukyus Repository

Title

群行動モデルを用いた最適配置問題の解法に関する基礎

_研究

Author(s)

長浜, 竜太; 遠藤, 聡志; 山田, 孝治

Citation

琉球大学工学部紀要(56): 95-100

Issue Date

1998-09

URL

http://hdl.handle.net/20.500.12000/14747

Rights

95

~1Tjh-=CT')v ~

"Eli

v)

t~~jj!fi'!c~r~,mO)

~~¥t~:~T ~£1f~Jf~

Dynamic agent arrangenlent using collective behavior model

Ryota N

AGAHAMA*

Satoshi

ENDO*

Koji

YAMADA*

Abstract

The boid model proposed by C. Reynolds is one of the famous artificial life model and it performs the collective behavior in the computer world. To solve complex problems using multi-agent system, it is necessary to make coodinated behavior within each agent. Therefore we proposed the boid model based multi-agent system aand applied this system to the problem of dynamic agent arrangement. Furthermore we designed some computer simulations to investigate the characteristics of our system. The experimental results show that our system has the ability of environmental adaptation.

Key Words: Multi-agent system, Artificial life, Boid model, Collective behavior .

1. ~ ~tJ\"~

A-Life 'j: f3~~~::J3 ~t ~

4:iPii51WJ

'i'

AIBg~:,-:J..T A ~:.13'" '"C ¥J:m.T ~.::

t

'i'

13

(f]

t

Lt.:ftJf~~[!f-eJ;1'),

fit

*=

I~~!ff-effl '" I?

n

'"C~t.:7ttJj-(f]~/J1*-e~± ~

<,

itJaBg 1i1*~~:J:~l.:cT)vff1lht'i'fi1j:oJ .::

t

~{~~-ej;~ [1].

A-Life{iJf~(1){t~f§JH:, C.R.eynolds (1) Boid~{j; ~. Boid ,±Il~f,{(1)~TJb3:.1*~~Jjlm¥IU:£--:1'" t.:f3 f:tt(f]frjJj'J)

'i'

~T1j:

oj .::c~:J: 1'), j;~lt(1)m:~TjJj'}j~~:m.T~ t v'oj.:cT")v~ j;~. ':'(1)~frifJJ~fflC:l±, '"7)v1-.:r.-:J.:I:.:/ ~ :'-:J..TA~: :J3~t ~thiJ~fi!WJ (1)~!Jlt

:1t

it

~

.:

t ~{~ ~ ~. '"7

)v'1'-.:r.-:J.:I:. :/ ~ :'-:J..TA~: J:~rl:3,am#c~::J3,,''"C~jiJH:I*J1fT ~ nl'Ml±, .:r.-:J.:I:.:'-

r

llijQ)thUmfj)Jf'F(1)~m'1:j;1'), .:

nl±

f1}J(f]1j:rlJ,m~OO ~':~.J:.-:; .:I:. :.-

r

~~ofiiJ~':~iJ*l'f.1 ~:f:!ctItT

~~.. t v\

-7

J1J(f]~cflrtl'iH:~J:\1tm*~.

*~)('1:lj:, !fdJ(f]ftCmrtl,m(1)-f§JJt l'"C~7 :,--~~m:rlJ'

JHi~~l, A-Life.:cT)v-ej;~Boid'':£--:1v't.:~

7:'--.:r.-:;.:I:.:/r~~~l, ~(1)~7:'--.J:.-:J.:I:.:/rffili(1)

lii~1j:f:jctl(1)~!'f!J:~EU~T. ~t.:, ~t~~:,- ~ .:L1/-:'-3

:.-~:J:

Ii,

~1T1frh.:cT)v(1)~~.v\ (1)*l=tl1!q;lJj-t ~~i~~o)

~1.J$~~iE ~fi1j:oJ •

2. Boid ~T)I"

BoidI±C.Reynolds l:J:~ lm~ ~ nt,:~~TJJJ(1)~~.

v'~ ~J.lT ~ A-Life .:cT)v-e~ ~

[2]. .:

(1).:cT)v(1)~11X ~±, Y~(1)!ii~1j:~T!li1J)v- )v(1)~*-tt~: J: 1'), fif(1)~I=f~ ~!JlT ~ ,8.~: ~ ~.

tJf:

~l , ~

'i'

:tf#iIDtT~

11

4 (1)lIM1*(1)~T

~~~~T~.:.t~l~, • •1j:.fi~.:cT~~m.T~

~JJI!.1998~5fJ 25 8

*I~$llHaI~,,"

(Dept. of Information Engineering, Fae. of Eng.)

.:. t

~{ur~

t

1j:~. ..:(1)t~W'±, ~iiIDQ)ff:~~*~, -,

=-~- :,- 3 :.-~

iiID

(1)

1'1:

P.X;1j:t~~:

r.t

ffl ~tL'"C v\~.

Reynolds ~±, -WU

it

triJjtt').~(l)~~T!1i1J ~~:m.T ~ t.:~) ~:,

~.J:.-:J .:f- :/ r~{~fiiJ~e1J~~T~*,t:j;fT ~t.:l6(1).:cT Jvttfl

Ja~~T1j: ~t.:. ~ i?~:, .J:.-:J.:r-:/ ~ ~4 ~:'W~@]~(1)~T

iIW

)v-)v

t

llf

~:lJDb-?oJ

t

T

~ ~T!W)}v-)v~:l.1O

it

~

..:

t

-e

~fr~~~mL~. mT~, fr.~-~DQ)D~~~T.

• flJ~lill~)v-)v

§

5t

tit

b iff:

<

<7J..I.-:').:I:. :/ r

t

(1)mH:, Ai~7

)v-:J:.-

7"m1Jt

t v\oJRB~J~7 /- - ~ ~~}El, ~.:r.­

:J.r. :.- r ~±.:Q)J'{7 ~- ~(1)1i1!<7Jil!1!ll~f*'0 J:

-?

~:fr

1tl'JJT~. :ft.-f*I'fJ~:';j:, lft~i!i:< ~:v\~.:r.-:J.:I:.:'- r

t

(1)m~#• •7~-~~7"m~iT@]~~.*,.~

(1)m:~~~:~~l'"C, WJ/J(1).J:. - ~.:I:. :.- r lj:A ~- ~ ~

J:

~f, f~:n(1).J:.-:J.:I:.:/r I±:J..l!-~ ~1i

t

T. .::.: -e, 7)v - :J :.-7·iI!~(l)JJmi'±:J..~- r·~1t(1)h. -e~T .:~btL, 1J!oJ(1)~£I±fi1j:b1j:v'.

fWj~

!ill

in

(1) qTmh:fl:tt i ~ H:~T . • /J11:l]itIla~)v-)v

§7t(1)ftbiff:<(l)..I.-:;.:I:.:,-r(l)~fr/J!oJt~~(1)~

~T1J1fl]~Effr~:1¥t.:n~J:

-7

~: f3~(1)/J!oJ ~J.lI:T ~.

.: (1))v -)v ,.::J3v\ l , :J..~- ~ (1)iIJ~'±~T1j: b 1j:v\.

• M

(1)

J:P ,(.,

':!oJ~~

-7

m:~T1Il1J~}l(1)t.:liJ ,:'±, ~~ff~nX:(1)t.:liJ(1)) v -)v~{~,

~'1:J; ~. .:n~:~~l l , Boid.:cT}v'1:U~.J:.-~.:I:. :.- ~ (l)f~1Ir~f*ip ;~I3l(l)jj>L,fiLtI ~~t~:-t ~. ~ .J:. - :J .:I:. :.- r '±, ~(1)lfi>L'~:!oJ7}~oJ

!t!fiL""

7 r )v~.

ill

L, .:(1)1JJf5J~:f3 JJ-0)11HT/JJf5J~

-fX

~-tt~J:

-J

~:

qTiIl'JJT~. .:(1))v-)V~::J3"\l, A~- ~ (1)~~~;j:~T

長浜・遠藤・山田：群行動モデルを用いた最適配置問題の解法に関する基礎研究 9６ 1.低速,ルーヅンゲｎ球より辻し0ところ'二いもﾛｾﾞｒ

蕊叩迄二コ

白のｵ9イド仏 NewTanの計算式は(1)式で表すことができる． スピードアブプ ノVewTa狐＝Ｔａｎ＋(CoPWejWxCOPg） ＋(Ceねteru,ei9htxCenter） 図３にＢｏｉｄの行動決定アルゴリズムを示す． 住みのポＵｒｕ スローダウン (1) ｡、■クル･･ジン７厘ばょＩＤ正しOLころ↓ﾆいる凶⑭ 。 _{(￣孟房一〕}

ハ…

〆

菫

Ｉ ↓

｢i7iH雰厩薊露『扇１

－囚迫クルーリンプ原矼 、■■Ｌ－Ｓｔ●Ｐ 。 図１．衝突回避を行なう状況 ・慣性推進 Ｂｏｉｄモデルにおいて，各エージェントは現在の飛行 方向保持しようとする．このルールにおいて，スピー ド調整は行なわない． Ｂｏｉｄの各エージェントが各々自分の次の行動を決定す るためには，衝突回避，慣性推進，最も近くにいる仲間と の協調，そして群の重心に向かうというの４つの単純かつ 競合を含むルールを組み合わせることが必要である．特に， 方向を決定する慣性推進，最近傍エージェントとの進行方 向の調整，重心方向への移動の各ルールの適用結果が同一 方向となることは稀であり，このような競合に対する何ら かのルール調整が必要となる． ［3]では、３つの異なる方向を合成するという方法を採用 している．例えば，Ｂｏｉｄの現在の方向をTan，最も近く にいる仲間Ｂｏｉｄの方向をcopy，群の重心（これにはウェ イトが与えられている）方向を指す単位ベクトルをCenter とすると，そのＢｏｉｄの新しい進むべき単位ベクトルを表 すNewnnは図２のように，各ベクトルのベクトル和とし て算出される． ↓ BIO ↓…

F雨z扇罵言]

Ｔ⑪'四ＶE向いている方向の単ロベクトJL coPTsab道にい0件因の閂６の甲位ベクトル cmLoz;8Vの中心0加均０の津位ベクトル ｗ■TmEz衣】南O､何Us bcLLs函呵ごB各ｷﾞｲﾄﾞのスピード■ 山ﾛﾋｮ｡｣･亡竺～･早蜀クルージング田■ 図ａＢｏｉｄの行動決定アルゴリズム ３．動的配置問題 動的配置問題とは，動的に変化する環境の下で，各エー ジェントを如何に効果的に配置するかを決定する問題と捉 えることが出来る．本研究では動的配置問題の一例として タクシー配置問題を設定する．タクシー配置問題とは，不 規則に出現する乗客の存在する空間において，効率良く乗 客を極得するタクシー群を配置・運用し，出来るだけ多く の客を獲得することを目的とした問題と定義される． ３．１問題設定 本論文で扱うタクシー配置問題は，問題空間を２次元 トーラス空間として実現する．各々のマス目には客の出現 確率が与えられ，その出現確率に応じて客が出現・消滅を 繰り返す．客の出現中にタクシーエージェントがそのます 目を通過した場合，タクシーエージェントは客を獲得した ことになる． この問題では乗客の出現率によって様々な環境が設定可 能である．また時間変化を伴う出現確率を導入することで 動的問題環境を扱うことが可能になる．このような問題環 境の上で，タクシーエージェントはあらゆる状況に対応で

きるように常に周りのタクシーとの協調動作によって，動

的に変化する問題に対して，適応的に問題解決を行なうこ ことが要求される． 図４は，本研究で作成したシミュレータの環境画面で ある． ３．２タクシーエージェントの設計

一般にエージェントは以下のように定義される[51[６１．

０エージェント（agent）

蘂ｿ簿…裁許

金鮒………ご…

_{…三二二掌…}

…。才二i)〉＊

図２．Ｂｏｉｄの単位ベクトルの導出 また，合成される各方向ベクトルに対して，その重要度 の度合を示す重みを与えることで，各エージェントの行動

決定パターンを調節することが可能である．例えば，現在

自分の向いている方向のＴａｎ以外の方向ベクトルである ｃｏｐｙとCenterに００から1.0までのウェイトを設定する． ｃｏｐｙのウェイト変数をCopyweight，Centerのウェイト 変数をCenterweightとすると，次のＢｏｉｄの方向ベクトル

琉球大学工学部紀要第56号，1998年 9７

＜参

ｔ旦面■■■■■■ 凸４４ｔ口面■■■■■■■■■■■■■ ｔｔ■■■■■■■■■■■■ ■■■■■■■■ ■■■■ ■■■■■■■■■■■■■■■■■

、■、卍卍、卍卍卍四ｍｍ昭

■■■■■■■■ ■■■■ ■■■■■■■■■■■■■■■■■ ■■■■■■■■■■■■■■■■

（

■■■■■■■■■■■■■■■ ■■■■■■■ ■■■■■■■■■■■■■■■■■■■ ■■ ↓

溌一●張●

函》》》

亜坤亜》 ｍ珀蚫蚫 ■・ｎｃｎＣｎロヒヒヒり１●●●【ｖＦ』Ｐ』ｎ回。ｎ．◎⑥ヒロロｎＢ『ｖｐｍニヒ ■ｒｎ IC⑥■_字ａｎ■ｍｒＷ①ＡｑｈﾋﾞT泊回 ･ｃｏｐｙご●AghﾋﾞＣｏＰｙ ＣｃｏｎｔｃｍＣｉｑｈﾋﾞCｏｎｍ ｙｅｓ → ＮＯ _{。」ｚｔａｎＥ｡＜は} b曰⑥ヒーｄｉＥＬａｎｃｐ ｆｉ⑨１．－ロヒロヒＤ－ ＴａＸｊ－ＰａｕＢ⑥nｇｕｒ 刑｡ ＋… Ｔ－ＰａｎＤ■T-PnBao◆ シミュ ただし、 T･、:、在のロ分の白白 copy:一己近くにいる エージェントの白Ｃ ｃｍｔ・［;■の中心へのPIe B･･て:蚊呑がた（さん出国 する咀陪への白９ N･亟工、決定し上白6 ＥＱ８ｗ･hgh上;Ｔ０ｎのウェイト庇倣 CopyWlph上;COPqrpDウエイト変位 ｃｍＲ●、■AqhE：CmE●rの ウェイト症ａ ｂ●のｗｍｇｈｔ:山●このウェイト皮、 ｂ･･E-dASLanc。:エージェントロ士の ■四｡Ⅱ■吋丘 ､｡■[_"｡●A上｣鞆エージェントの＆むら くちＱ掲左jした■畷 Ｔ－ＰＱＢ■:エージェントが魚吉［円正 人上咀陥の民亡＝博回P rh・ld-Dt･[・；{の俎漏にｂける フィールドの状⑧ …-,……賦熊；:、 Hmzy-Po1n上多く樋虫jk止凹の毎件 ■■ ｄｌＢ上･ｎｓｏ伯のタクシーまでの臣■ センサ(sensor)を通して環境を知覚(perception）し， エフェクタ(eflbctor)を通して，興寛に対して行動(ac‐ tion）をすることができる行動主体をエージェントと､ し１７． エージェントの定義に従い，タクシーエージェントを以下 の図５のように構成する． 図６タクシーエージェントの判断アルゴリズム タクシーエージェン よって，タクシーエージェントは，次方向を決定するため のすべての要素を単位ベクトルでベクトル和計算し，計算 結果の次方向のベクトルNew-Tanの値を上下左右の４方 向のいずれかに変換する．図７はタクシーエージェントの 方向決定の概念図である． ●丘一宇 ロ10のロ■ ■のウヶシーO■■・函I ■■河田⑰のせ■ 白(□、■■の■“)

雌三

一１匹ｌＥ

皿２

…’一人Ａｌ

ｉ 図５．タクシーエージェントの棡成

蕾[ニラョー

3.2.1センサ入力 タクシーエージェントヘの入力は以下の４情報である． Ｌ現在の自分の位置と進行方向 ２．他のタクシーエージェントまでの距離とその進行方向 ３．群の中心の位置 ４．タクシーエージェントの最多乗客獲得の場所 ここで，第１～３のパラメータはＢｏｉｄモデルと同様であ る．また，第４の入力はＢｏｉｄモデルに基づいたタクシー エージェントを設計する上で新たに導入したパラメータで ある．最多乗客独得ポイントへのバイアスを導入すること で，群行動により問題空間の全域をカバーしながら，客出 現頻度の高い領域で重点的に行動するマルチエージェント システムが実現されると考えられる． 3.2.2判断アルゴリズムと行動 判断アルゴリズムにより，各エージェントの次行動が決 定される．タクシーエージェントの判断アルゴリズムを図６ に示す． 本研究では問題空間としてグリッドマップを採用したこ とから，タクシーエージェントが移動できる方向は上下左 右の４方向に制限される．しかし，タクシーの中心の位置 への向きCenterや，新たに設定した客が頻繁に出現する 位置への向きBestは，上下左右の４方向で記述できない． ● ０ JDB ゛ｑ， ■￣-Ｔ￣ ｡。÷－ ｂ ｉｌ９ タクシーエーージェントの方向決定 22＄ 図７． ４．計算機実験 ４．３実験設定 タクシー配置問題に対して，設計したタクシーエージェ ントモデルを適用し，乗客獲得に関する計算機実験を行 なう． 計算機シミュレーションの目的は，以下の２点である． 、作成したタクシーエージェントの振る舞いの観測 ・乗客穫得状況の検証 本研究では，客出現頻度設定の異なる２つの実験を行なう． 両実験に共通する設定を以下に示す． ・実験空間:２０×２０のトーラス空間 lｌｌｌｌＩｌｌｌｌｌｌｌｌｌｌｌｌｌｌ ｔ ＬⅡ

九

二lｉ

ｉｔ Ｊ二 １ a ②

長浜・遠藤・山田：群行動モデルを用いた最適配置問題の解法に関する基礎研究 9８ 、エージェントの移動:上下左右の４方向に1stepで１マ ス移動可能 実験１では，客の出現するピークを図８のように－箇所 設定する．また，タクシーエージェントの基本的な振る舞 いを観測する目的から，戻るべき基地を－箇所設定した． また，実験２では、客の出現するピークを図９のように２ 箇所設定した．実験２においても実験ｌと同様に戻るべき 基地を－箇所設定した． 客の出現率は，ピークのグリッドで10％，以下同心円状 に5％，2.5％，１％とし，それ以外のグリッドでは乗客出現 確率をＯとした．乗客を獲得したエージェントは，一旦基 地に戻り，保持している自身の方向をリセットし，ランダ ムに新たな自身の向きを決定する．以後行動決定アルゴリ p､韓ａＩｉｎ｣ Ｖ Ｘ ズムに従って行動する． 両実験に共通するパラメータ設定を表ｌに示す． 表１パラメータの設定 図９．実験２の客出現率設定 DC此1全ta_ひ300

壜

ｙ peakl-tia」

鱸

Ｘ 図１０．０－３００ステップでのエージェントの各グリッド通過頻度 出現頻度の高い領域への偏りが見られる．この段階におい てもまだ，客出現頻度がピークとなるグリッド座標を獲得 したタクシーエージェントは存在していない． 図１２は，601～900ステップの各グリッドでの通過頻度 を示している．基地からピークの方向に向かっての行動が 多く見られ始めている．また，この段階で，客出現頻度が ピークのとなるグリッド座標を獲得したタクシーエージェ ントが２つ存在した．よって，この段階は，広域的な群行 … ｡＄９０７日ＤＵＧ エ 和 回Ｏ⑪５■Ｏ５－ＩＤＩ－１５ロ１５．２■２．２５ 回2５．３■３－．５Dm5-4■4-45■４５－５ 図８．実験１の客出現率設定 ４．４実験１の実験結果および考察 総ステップ数を１５００とし，３００ステップ毎（ 上でのタクシーの通過頻度をグラフに示した． peakI･dBtq301-600 300ステップ毎の各グリット 図１０はＯ～300ステップの各グリットでの通過頻度を示 している．エージェント通過頻度の集中が基地付近以外で は見られず、比較的広範囲でタクシーが行動していること がわかる．また，客出現頻度がピークとなるグリットの座 標を獲得したタクシーエージェントはこの時点では存在し ていない．このことから，このステップの間では，各エー ジェントは目的を持たない単なる群行動を行なっている段 階であると見ることができる．図11は，301～600ステッ プの各グリッドでの通過頻度を示している．０～300ステッ プのときと同様に，比較的広範囲でタクシーエージェント が行動している．しかし，最初の３００ステップに比べて客 Ｘ 図11.301-600ステップでのエージェントの各グリッド通過頻度 客の出現から消滅までのステップ数 １０ タクシーエージェント数 1０ many-point ３ tanweight ０６５ cｏｐｙｗｅｌｇhｔ ０．５５ centerweigllt ０．８５ bestweight 1．００

琉球大学工学部紀要第56号，1998年 9９ に収束した段階とみなすことが出来る． これらのデータから，客出現頻度のピーク一箇所を固定 した環境設定の実験において，設計したタクシーエージェ ントモデルが群行動に基づく広域的探索行動から客獲得の 目的行動への移行が確認された． 次に各段階における乗客の独得率の推移を図１５に示す． グラフは300step毎の客獲得率の推移を表している．エー ジェントの行動収束に伴い，客獲得率の上昇が見られた． この結果から，Ｂｏｉｄモデルに基づくエージェントモデルに よる目的行動獲得が可能であると考えられる． ＰＣ畝1-dstq60I-900 ｙ

：

ＩｐＩ 采恩田得車の惟移 Ｘ 図12.601-900ステップでのエーージエントの各グリッド通過頻度 ０８ ０００ CＯ ＯＨ 動段階から客獲得の目的行動段階への移行段階と見ること ができる．図１３は901～1200ステップの各グリッドでの 通過頻度を示していろ．基地からピークの方向への行動の 収束が見られる．この段階で，ピークのグリッド座標獲得 エージェントは５であった． 且００ 客 ＨｏＨ Ｉ６ 罪０９ Ｏ１９ ＤＯ Ｏ■ kis⑥ki凸土tｑ９０１－１２００

露

い、０が奴⑪酎無０Ｕ団･I榊1901･HUGO 300ｽﾃｯﾌﾟこと0,ｽﾃｯﾌﾟ8ｔ 図１５．各段階における乗客獲得率の推移 ４．５実験２の実験結果と考察 総ステップ数を1000とし，２００ステップ毎の各グリット 上でのタクシーの通過頻度をグラフに示した． pU韓2.陣●kDQZOO 図13.901-1200ステップでのエージェントの各グリッド通過頻度 ped8L申tB-1201-l500 ｙ ｙ 図１６．０－２００ステップでのエージェントの各グリッド通過頻度 図１６はＯ～200ステップの各グリッドでの通過頻度を示 している．グラフでは部分的にピークへの収束が起こって いるように見えるが，客出現頻度のピーク座標を獲得でき たタクシーエージェントは存在していない．よって，この 段階は目的を持たない群行動を行なっている段階であると 考えられる． 図17は200～400ステップの各グリッドでの通過頻度を 示している．基地近辺以外での行動の収束は見られない． また，比較的広範囲での行動がみられる．この段階で，客 Ｘ 図14.1201-1500ステップでのエージェントの各グ'ノツド通過頻度 図14は1201～1500ステップの各グリッドでの通過頻度 を示している．基地とピークの方向への完全な行動の収束 が見られる．ピーク付近での衝突回避行動が頻繁に見られ， また，すべてのタクシーエージェントが客出現頻度がピー クとなる座標を獲得した．よって，この段階で，目的行動

鴬

爵

鴬

：

蕊

1００ _{長浜・遠藤・山田：群行動モデルを用いた最適配圃問題の解法に関する基礎研究} が右下のピーク座標を獲得していた．この段階は，右下の ピークに向かう行動収束の初期段階であるとみなすことが 出来る．図２０は801～1000ステップの各グリッドでの通過 〆●8匁D■U価□￣C◎ 戸△2)⑪凸□⑩０，口 Ｔ ▼ 0２３▲００『､BIO1IOrIDOOPOUOO700U9扣 ■ 図17.201-400ステップでのエージェントの各グリッドjln過頻度 出現頻度のピーク座標を狼得したタクシーエージェントは 存在していない．よって，目的を持たない群行動を行なっ ている段階であると考えられる． 図20.801-1000ステップでのエージェントの各グリッド通過頻度 頻度を示している．この段階では，最短経路での右下ピー クへの行動収束が見られた．このとき７エージェントが右 下ピーク座標を獲得していた．一方，左上のピーク座標を 獲得したタクシーエージェントは最終ステップまで存在し なかかった． ５．むすび 本研究では，群行動モデルであるＢｏｉｄを動的配置問題 の解決手段として取り上げ，動的配置問題の一例であるタ クシー配置問題に適用した．また，設計したＢｏｉｄモデル に基づくタクシーエージェントによる計算機実験を行ない， 群行動モデルの振る舞いの観測と検証を行なった．実験か ら，Ｂｏｉｄに基づく群行動モデルでは，単純な問題環境に 対しては，広域探索的な群行動から目的行動への移行とい う，マルチエージェントシステム構成に不可欠な動的配置 の性質を示した．一方で，２－ピーク実験のような複雑な環 境では，群行動の性質が行動の局所収束を招く場合がある ことが確認された．このような問題に対して，群の重心計 算などの拡張による群分割法の導入などが今後の検討課題 である． 謝辞 本研究の一部は，財団法人テレコム先端技術研究支援セ ンターの支援により実施した． p･公2よわいHCDGnO 図18401-600ステップでのエージェントの各グリッド通過頻度 図１８は401～600ステップのステップの各グリッドでの 通過頻度を示している．この段階では，グラフ右下の客出 現頻度のピーク座標への行動が確認された．また，そのピー ク座標を猶得したエージェント数は１であった．図１９は 戸■2.t■cLmO-鋪０ ７ 文献 LSttepIMmArtificialLi化：ＴｈｅＱｕｅｓｔｌｂｒＮｅｗＣｒｃ． ⑧tion,PantIleon、１９９２． ＲどynoldsIC.Ｗ・Flockg0Herds，mudSchools，ADistribuLed BehavioralModel，ComputerGTaphics1Vo1.21,Ｎｏ．4,1987． ＲＵＤＹＲＵＣＫＥＲ著者日暮雅通山田和子共訳ルーデイ・ラッ カーの人工生命研究室onWindowsl996、 上田完次下原勝愈伊庭斉志人工生命の方法―そのパラダイムと 研究鼠前線-,工業鯛盃会,1995． 広田鷲知能工学概騰，昭晃堂1996. ｓ・RusselIlP・NoTvig，Artificiallntelligence-Amodernnp‐ proach‐，PrenticeHalllnc.,1995． 服部佳人工生命の世界オーム社1994. －－－１１－－ １２３４５６７ －－－－－－１ Ⅱ 図19.601-80(〕ステップでのエージェントの各グリッド通過頻度 601～800ステップの各グリッドでの通過頻度を示してい る．この段階では，基地とグラフ右下の客出現頻度のピー ク座標への行動収束が見られる．このとき３エージェント