[논문]Simulation of Sustainable Co-evolving Predator-Prey System Controlled by Neural Network

Lee, Taewoo; Kim, Sookyun; Shim, Yoonsik

doi:10.9708/jksci.2021.26.09.027

Simulation of Sustainable Co-evolving Predator-Prey System Controlled by Neural Network 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.26 no.9, 2021년, pp.27 - 35

Lee, Taewoo (Program in Visual Information Processing, Korea University) , Kim, Sookyun (Dept. Computer Engineering, Jeju National University) , Shim, Yoonsik (Dept. of Game Engineering, Pai Chai University)

초록
AI-Helper

인공생명체 연구는 자연 생명과 관련된 시스템이나 그 과정들, 진화 등을 평가해 다양한 응용과학 분야에 활용된다. 이러한 인공생명체의 원활한 활동을 위해 물리적 신체 설계와 행동 제어전략을 진화시키는 연구가 활발히 진행되었다. 그러나 형태와 신경망을 공진화시키는 것은 어렵기에 최적화된 움직임을 가진 인공생명체는 한 가지 형태에 한 가지 움직임만을 가지며 주변 환경 상황은 고려하지 않는 것이 대부분이다. 본 논문에서는 포식자-피식자 모델을 이용하여 형태와 신경망을 공진화하는 인공생명체가 환경적응형 움직임을 갖게 한다. 그런 다음 포식자-피식자 계층 구조를 최상위 포식자-중간 포식자-최하위 피식자 3단계로 확장하여 초기 개체군 밀도에 따라 시뮬레이션의 안정성을 판별하며 형태 진화와 개체군 역학 간의 상관관계를 분석한다.

Abstract ▼ AI-Helper

Artificial life is used in various fields of applied science by evaluating natural life-related systems, their processes, and evolution. Research has been actively conducted to evolve physical body design and behavioral control strategies for the dynamic activities of these artificial life forms. However, since co-evolution of shapes and neural networks is difficult, artificial life with optimized movements has only one movement in one form and most do not consider the environmental conditions around it. In this paper, artificial life that co-evolve bodies and neural networks using predator-prey models have environmental adaptive movements. The predator-prey hierarchy is then extended to the top-level predator, medium predator, prey three stages to determine the stability of the simulation according to initial population density and correlate between body evolution and population dynamics.

주제어

표/그림 (16)

그림 Fig. 1. Predator-Prey Hierarchy
그림 Fig. 2. Comparison of artificial life models
그림 Fig. 3. Simulation Overview
그림 Fig. 4. Simulation Schematic Diagram
그림 Fig. 5. Top-predator Vision Sensor
그림 Fig. 6. Medium-predator Vision Sensor
그림 Fig. 7. Data of Artificial Neural Network
그림 Fig. 8. Predator-Prey Population by Generation
표 Table 1. Simulation Environment
그림 Fig. 9. Variation of Predator-Prey Population
그림 Fig. 10. Stabilization Ratio by Initial Predator-Prey Population
그림 Fig. 11. Predator Population and Volume Size
그림 Fig. 12. Medium-Predator Population and Volume Size
그림 Fig. 13. Prey Population and Medium-Predator Volume Size
그림 Fig. 14. Medium-Predator Population and Top-Predator Volume Size
그림 Fig. 15. Comparison of movements (pursue and evasion)

AI 본문요약
AI-Helper

제안 방법

본 논문은 표1의 환경에서 포식자-피식자 시뮬레이션실험을 진행하였다. Unity 물리 엔진을 이용하여 지형, 충돌처리를 설정하였고, 진화 시뮬레이션에는 C# 스크립트를 활용하였다.
본 연구에서는 진화 알고리즘을 이용하여 3단계 포식자-피식자 시뮬레이션에서 개체들이 주변 상황에 따라 다른 움직임을 가지도록 구현하였다. 이를 통해 초기 개체군의 비율에 따른 생태계 안정화 여부를 확인해보았다.

이론/모형

기본적으로 시뮬레이션 공간은 사각형 모형을 띄고 있지만, 주기적 경계 조건(periodic boundary condition) 을 사용하였다. 이는 제한된 크기의 공간에서 발생하는 경계효과를 최소화시키기 위함이다.

성능/효과

이후 세대가 지날수록 신경망이 활성화되고 피식자를 잘 사냥할 수 있게 된다. 개체의 움직이는 최고속도가 정해져 있으므로 시뮬레이션 공간에 개체 수의 비율이 일정하게 유지되면서 생태계가 안정화되는 것을 확인할 수 있었다.
주변 환경에 따라 진화 알고리즘의 연산이 계속해서 변화하므로 특정 개체군의 비율이 달라질 수 있었다. 따라서 개체 수의 최대, 최소를 갖지 않고 실험하는 것이 중요하였다.
포식자와 피식자의 비율이 무너지는 순간 한쪽 개체군의 비율이 급격하게 높아지게 되고 결국 연쇄적으로 멸종하게 되는 형태가 나타났다. 또한, 포만감 수치를 이용하여 일정 시간 동안 포식하지 못한다면 사망하게 하였더니 피식자가 부족해지면 포식자가 대거 사망하는 상황이 종종 발생하였다.
4 이하일 때 대부분 공존하는 모습을 보였다. 반대로 중간 포식자 비율이 0.4 이하, 상위 포식자 비율이 0.5 이상일 때 대부분 멸종하는 모습을 보여주었다. 포식자와 피식자의 비율이 무너지는 순간 한쪽 개체군의 비율이 급격하게 높아지게 되고 결국 연쇄적으로 멸종하게 되는 형태가 나타났다.
시뮬레이션 결과로 중간 포식자의 비율이 0.5 이상이고 상위 포식자 비율이 0.4 이하일 때 대부분 공존하는 모습을 보였다. 반대로 중간 포식자 비율이 0.
시뮬레이션을 통해 포식자-피식자 모델에서 개체들의 움직임보다는 번식 비율과 초기 개체군의 수가 안정화에 더욱 중요하게 작용한다는 점을 확인할 수 있었다. 그러나 생태계를 표현하면서 주변 상황을 고려하였지만, 개체의 움직임과 신경망을 단순화한 측면이 있다.
이를 통해 초기 개체군의 비율에 따른 생태계 안정화 여부를 확인해보았다. 주변 환경에 따라 진화 알고리즘의 연산이 계속해서 변화하므로 특정 개체군의 비율이 달라질 수 있었다. 따라서 개체 수의 최대, 최소를 갖지 않고 실험하는 것이 중요하였다.
5 이상일 때 대부분 멸종하는 모습을 보여주었다. 포식자와 피식자의 비율이 무너지는 순간 한쪽 개체군의 비율이 급격하게 높아지게 되고 결국 연쇄적으로 멸종하게 되는 형태가 나타났다. 또한, 포만감 수치를 이용하여 일정 시간 동안 포식하지 못한다면 사망하게 하였더니 피식자가 부족해지면 포식자가 대거 사망하는 상황이 종종 발생하였다.

후속연구

포식자와 피식자 모두 같은 시각 센서와 진화 알고리즘을 사용하였기 때문에 비슷한 움직임을 갖게 되었다. 이 진화 알고리즘은 개체들의 움직임에 집중되어 있는데, 후속 연구에서는 개체들의 몸집이나 기능들에도 적용해 함께 변화하는 모습을 관찰하고자 한다. 또한, 포식자와 피식자의 신경망을 다르게 적용하거나 피식자가 포식자의 포식 행위로부터 대처할 수 있는 기능을 추가하고, 포식자는 몰이 사냥과 같이 서로 다른 움직임을 갖은 채 실험을 하고자 한다.

참고문헌 (29)

K. Sims, "Evolving virtual creatures," In Proceedings of the 21 st Annual Conference on Computer Graphics and Interactive Techniques, SIGGRAPH '94, page 15-22, New York, NY, USA, 1994. DOI: 10.1145/192161.192167
K. Sims, "Evolving 3d morphology and behavior by competition," Artificial Life, 1(4):353-372, July 1994. DOI: 10.1162/artl.1994.1.4.353

상세보기
H. H. Lund, J. Hallam, and Wei-Po Lee, "Evolving robot morphology," In Proceedings of 1997 IEEE International Conference on Evolutionary Computation (ICEC '97), pages 197-202, 1997. DOI: 10.1109/ICEC.1997.592295
H. Lipson, V. Sunspiral, J. Bongard, and N. Cheney, "On the difficulty of co-optimizing morphology and control involved virtual creatures," Artificial Life Conference Proceedings, -(28): 226-233, 2016. DOI:10.1162/978-0-262-33936-0-ch042
F. Veenstra and K. Glette, "How different encodings affect performance and diversification when evolving the morphology and control of 2D virtual creatures," Artificial Life Conference Proceedings, -(32):592-601, 2020. DOI: 10.1162/isal_a_00295
M. Joachimczak and B. Wrobel, "Co-evolution of morphology and control of soft-bodied multicellular animats," In Proceedings of the 14th Annual Conference on Genetic and Evolutionary Computation, GECCO '12, page 561-568, New York, NY, USA, 2012. DOI: 10.1145/2330163.2330243
M. Joachimczak, R. Suzuki, and T. Arita, "Artificial metamorphosis: Evolutionary design of transforming, soft-bodied robots," Artificial Life, 22(3):271-298, 2016. DOI: 10.1162/ARTL_a_00207

상세보기
Y.S. Shim and C.H. Kim, "Generating Flying Creatures using Body-Brain Co-Evolution," Symposium on Computer Animation. The Eurographics Association, 2003. DOI: 10.2312/SCA03/276-285
X. Tu and D. Terzopoulos, "Artificial fishes: Physics, locomotion, perception, behavior," In Proceedings of the 21st Annual Conference on Computer Graphics and Interactive Techniques, SIGGRAPH '94, page 43-50, New York, USA, 1994. DOI: 10.1145/192161.192170
P. Maes, M. J. Mataric, J. A. Meyer, J. Pollack, and S. W. Wilson. "Co-evolution of Pursuit and Evasion II: Simulation Methods and Results," pages 506-515. MIT Press, 1996. DOI: 10.7551/mitpress/3118.001.0001
T. Ito, M. L. Pilat, R. Suzuki, and T. Arita, "Emergence of defensive strategies based on predator-prey co-evolution in 3D physical simulation," In The 6th International Conference on Soft Computing and Intelligent Systems, and The 13th International Symposium on Advanced Intelligence Systems, pages 890-895, 2012. DOI: 10.1109/SCIS-ISIS.2012.6505258
T. Ito, M. L. Pilat, R. Suzuki, and T. Arita, "Alife approach for body-behavior predator-prey coevolution: Body first or behavior first?," Artif. Life Robot., 18(1-2):36-40, December 2013. DOI: 10.1007/s10015-013-0096-y

상세보기
N. Ouannes, N. Djedi, Y. Duthen, and H. Luga, "Toward the construction of a virtual ecosystem by evolving virtual creature's behaviours," In 2012 International Conference on Multimedia Computing and Systems, pages 350-355, 2012. DOI: 10.1109/ICMCS.2012.6320173
N. Ouannes, N. Djedi, Y. Duthen, and H. Luga, "Predator-prey coevolution in a physically simulated environment," In 2015 3rd International Conference on Control, Engineering Information Technology (CEIT), pages 1-6, 2015. DOI: 10.1109/CEIT.2015.7233149
N. Chaumont and C. Adami, "Evolution of sustained foraging in three-dimensional environments with physics," Genetic Programming and Evolvable Machines, 17(4):359-390, December 2016. DOI: 10.1007/s10710-016-9270-z

상세보기
A. J Lotka, "Undamped oscillations derived from the law of mass action," Journal of the american chemical society, 42(8):1595-1599, 1920. DOI: 10.1021/ja01453a010

상세보기
M. H. Cortez and Joshua S. Weitz, "Coevolution can reverse predator-prey cycles," Proceedings of the National Academy of Sciences, 111(20):7486-7491, 2014. DOI: 10.1073/pnas.1317693111

상세보기
G. F. FUSSMANN, M. LOREAU, and P. A. ABRAMS, "Ecoevolutionary dynamics of communities and ecosystems," Functional Ecology, 21(3):465-477, 2007. DOI: 10.1111/j.1365-2435.2007.01275.x

상세보기
F. Pelletier, D. Garant, and A.P. Hendry, "Eco-evolutionary dynamics," Philosophical Transactions of the Royal Society B: Biological Sciences, 364(1523):1483-1489, 2009. DOI: 10.1098/rstb.2009.0027

상세보기
T. Yoshida, L. Jones, S. Ellner, G. Fussmann, and N. Hairston, "Rapid evolution drives ecological dynamics in a predator-prey system," Nature, 424:303-6, 2003. DOI: 10.1038/nature01767

상세보기
H. Koch, J. Frickel, M. Valiadi, and L. Becks, "Why rapid, adaptive evolution matters for community dynamics," Frontiers in Ecology and Evolution, 2:17, 2014. DOI: 10.3389/fevo.2014.00017

상세보기
T. Ito, M. L. Pilat, R. Suzuki, and T. Arita, "Population and evolutionary dynamics based on predator-prey relationships in a 3D physical simulation," Artif. Life, 22(2):226-240, 2016. DOI: 10.1162/ARTL_a_00201

상세보기
A. Mougi and Y. Iwasa, "Evolution towards oscillation or stability in a predator-prey system," Proceedings of the Royal Society B: Biological Sciences, 277(1697):3163-3171, 2010. DOI: 10.1098/rspb.2010.0691

상세보기
J. Maynard Smith and M. Slatkin, "The stability of predator-prey systems," Ecology, 54(2):384-391, 1973. DOI: 10.2307/1934346

상세보기
Y. Seitbekova and T. Bakibayev, "Predator-prey interaction multi-agent modelling," In 2018 IEEE 12th International Conference on Application of Information and Communication Technologies (AICT), pages 1-5, 2018. DOI: 10.1109/ICAICT.2018.8747087
J.-H. Cho and S.-H. Lee, "Exploring the stability of predator-prey ecosystem in response to initial population density", vol. 22, no. 3, pp. 1-6, Sep. 2013. DOI: 10.9709/JKSS.2013.22.3.001

원문보기 상세보기
O. J. Schmitz, P. A. Hamback, and A. P. Beckerman, "Trophic cascades in terrestrial systems: A review of the effects of carnivore removals on plants," The American Naturalist, 155(2): 141-153, 2000. DOI: 10.1086/303311

상세보기
N. Cheney, R. MacCurdy, J. Clune, and H. Lipson, "Unshackling evolution: Evolving soft robots with multiple materials and a powerful generative encoding," In Proceedings of the 15th Annual Conference on Genetic and Evolutionary Computation, GECCO '13, page 167-174, New York, USA, 2013. DOI: 10.1145/2661735.2661737

상세보기
T. W. Schoener, "The newest synthesis: Understanding the interplay of evolutionary and ecological dynamics," Science, 331(6016):426-429, 2011. DOI: 10.1126/science.1193954

상세보기

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증