Modely adaptácie poskytované systémom LEM

Súčasná verzia modelu LEM poskytuje dva modely adaptácie - Genetickú adaptáciu a Smerovú adaptáciu

Genetická adaptácia
Evolučné modely systému LEM (Pozri kapitolu 2.2) napodobňujú prirodzenú evolúciu. Genetická adaptácia je veľmi dôležitá pre ALife simulátory ciest adaptácie. V evolučných modeloch má každý etho-agent svoju vlastnú schému, ktorá predstavuje chromozómy v procese reprodukcie. Takto sa teda v procese evolúcie menia schémy agentov. Evolúcia schémy jedinca zaručuje evolúciu správania agenta.

Takto nám evolučné modely dovoľujú štúdiu evolúcie fyzických vlastností agentov. Hoci táto možnosť je implementovaná v súčasnej verzii systému LEM, nepojednáva o tejto téme.

Smerová adaptácia
Cyklické modely systému LEM (Pozri kapitolu 2.2), boli navrhnuté pre štúdium dennej pávej priestorovej migrácie jedincov a časovej adaptácie zvierat pri zmene prostredia. Toto je základom adaptácie, ktorá používa miesto počas života jedinca. Podstata smerovej adaptácie je nasledovná:

Každý agent má v pamäti preferovanú cestu. Cesta je sada trojíc "Časť dňa, Miesto, Váha". Časť dňa je jeden z termov dayandyear (Pozri kapitolu 2.2). Miesto špecifikuje samotné postavenie v ekosystéme. Váha je celé číslo, ktorá ukazuje ako je agent náchylný zostať na mieste v tomto čase.

Migrovanie agentov je uskutočnené podľa toho, aká je jeho vybratá cesta, keď agent vykoná akciu follow_route. Pokiaľ je táto akcia vykonaná, agent nasleduje najvyššou rýchlosťou na miesto, ktoré korešponduje so súčasným časom v agentovej ceste.

Štandardne váha miesta na trati sa pre aktuálny čas znižuje v každom kroku. Toto spôsobuje, že agenti majú tendenciu nasledovať danú cestu. Potrebné parametre sú definované termom route_update(integer DefaultDecrement, integer InitialWeight), ktorý sa uvádza pri špecifikácii etho-agentov.

Avšak každá akcia, môže ovplyvniť pozitívne alebo negatívne váhu súčasného postavenia, aj v prípade ak je to časť cesty. Veľkosť váhy sa znižuje alebo zvyšuje v odpovedi na partikulárnu kombináciu akcií a reakcií, ktoré môžu byť špecifikované etho-agentmi (Pozri kapitolu 2.5) v terme nondeterm staterule(SIGNATURE, IACTION, REACTION, SDELTAS). Term d(0, Incr), člen zoznamu SDELTAS špecifikuje váhu zvýšenia Incr v odpovedi na IACTION a REACTION. Členy d(N, Incr) zoznamu SDELTAS špecifikujú prírastok N-tého postavenia v odpovedi na IACTION a REACTION. Váha aktuálneho miesta sa udáva ako špeciálna virtuálna s číslom 0.

Ak váha miesta poklesne pod hodnotu 0, miesto je odstránené z cesty.

Ak v priebehu kroku poklese váha miesta na trati pre aktuálny čas na nulu, potom je vytvorené nové miesto pre aktuálny čas a umiestnenie. Toto miesto bude mať strednú hodnotu váhy.

Adaptácia modelu cesty je naprogramovaná pre štúdium miestneho správania sa. Je relevantná k štúdiu odhadov environmentálnych zásahov, ak efekt environmentálnych zmien môže byť hodnotený na lokálnom rozmiestnení zvierat.

Iné formy adaptácie, ako napríklad "reinforcement learning" by mohli byť implementované do modelu LEM. TRR algoritmus robí model LEM špeciálne vhodným pre štúdium učenia z prostredia.

Spracoval: Dudy