본문 바로가기
KERD
논문KCI 등재

인공신경망으로 제어되는 포식자-피식자 개체군의공진화를 통한 안정성 시뮬레이션

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

김수균|심윤식|이태우
한국컴퓨터정보학회 (The Korean Society Of Computer And Information)|2021.09|한국컴퓨터정보학회논문지 (Journal of The Korea Society of Computer and Information)|제26권 제9호|pp. 27-35|DOI https://doi.org/10.9708/jksci.2021.26.09.027

0

조회

0

다운로드

0

인용

0

참고문헌

키워드

시뮬레이션인공신경망SimulationGenetic Algorithm유전알고리즘Predator-PreyArtificial Neural NetworkArtificial Life인공생명체포식자-피식자
주제분류컴퓨터학

초록

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 형태와신경망을 공진화하는 인공생명체가 환경적응형 움직임을 갖게 한다. 그런 다음 포식자-피식자 계층 구조를 최상위 포식자-중간 포식자-최하위 피식자 3단계로 확장하여 초기 개체군 밀도에 따라시뮬레이션의 안정성을 판별하며 형태 진화와 개체군 역학 간의 상관관계를 분석한다.

Abstract

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.

참고문헌 (29)

  1. K. Sims, "Evolving virtual creatures", Proceedings of the 21st Annual Conference on Computer Graphics and Interactive Techniques, SIGGRAPH ’94, pp.15~22 (1994)
  2. Karl Sims, "Evolving 3D Morphology and Behavior by Competition", Artificial Life, 1(4), pp.353~372 (1994), MIT Press - Journals[DOI]
  3. H. H. Lund, "Evolving robot morphology", Proceedings of 1997 IEEE International Conference on Evolutionary Computation (ICEC ’97), pp.197~202 (1997)
  4. H. Lipson, "On the difficulty of co-optimizing morphology and control involved virtual creatures", Artificial Life Conference Proceedings, (28), pp.226~233 (2016)
  5. F. Veenstra, "How different encodings affect performance and diversification when evolving the morphology and control of 2D virtual creatures", Artificial Life Conference Proceedings, (32), pp.592~601 (2020)
  6. M. Joachimczak, "Co-evolution of morphology and control of soft-bodied multicellular animats", Proceedings of the 14th Annual Conference on Genetic and Evolutionary Computation, GECCO ’12, pp.561~568 (2012)
  7. Michał Joachimczak, "Artificial Metamorphosis: Evolutionary Design of Transforming, Soft-Bodied Robots", Artificial Life, 22(3), pp.271~298 (2016), MIT Press - Journals[DOI]
  8. Y.S. Shim, "Generating Flying Creatures using Body-Brain Co-Evolution", Symposium on Computer Animation. The Eurographics Association (2003)
  9. X. Tu, "Artificial fishes : Physics, locomotion, perception, behavior", Proceedings of the 21st Annual Conference on Computer Graphics and Interactive Techniques, SIGGRAPH ’94, pp.43~50 (1994)
  10. P. Maes, "Co-evolution of Pursuit and Evasion II: Simulation Methods and Results", pp.506~515 (1996), MIT
  11. T. Ito, "Emergence of defensive strategies based on predator-prey co-evolution in 3D physical simulation", The 6th International Conference on Soft Computing and Intelligent Systems, and The 13th International Symposium on Advanced Intelligence Systems, pages 890–895, pp.890~895 (2012)
  12. Takashi Ito, "ALife approach for body-behavior predator–prey coevolution: body first or behavior first?", Artificial Life and Robotics, 18(1-2), pp.36~40 (2013), Springer Science and Business Media LLC[DOI]
  13. N. Ouannes, "Toward the construction of a virtual ecosystem by evolving virtual creature’s behaviours", 2012 International Conference on Multimedia Computing and Systems, pp.350~355 (2012)
  14. N. Ouannes, "Predator-prey coevolution in a physically simulated environment", 2015 3rd International Conference on Control, Engineering Information Technology(CEIT), pages 1–6, pp.1~6 (2015)
  15. Nicolas Chaumont, "Evolution of sustained foraging in three-dimensional environments with physics", Genetic Programming and Evolvable Machines, 17(4), pp.359~390 (2016), Springer Science and Business Media LLC[DOI]
  16. Alfred J. Lotka, "UNDAMPED OSCILLATIONS DERIVED FROM THE LAW OF MASS ACTION.", Journal of the American Chemical Society, 42(8), pp.1595~1599 (1920), American Chemical Society (ACS)[DOI]
  17. M. H. Cortez, "Coevolution can reverse predator-prey cycles", Proceedings of the National Academy of Sciences, 111(20), pp.7486~7491 (2014), Proceedings of the National Academy of Sciences[DOI]
  18. G. F. FUSSMANN, "Eco-evolutionary dynamics of communities and ecosystems", Functional Ecology, 21(3), pp.465~477 (2007), Wiley[DOI]
  19. F. Pelletier, "Eco-evolutionary dynamics", Philosophical Transactions of the Royal Society B: Biological Sciences, 364(1523), pp.1483~1489 (2009), The Royal Society[DOI]
  20. Takehito Yoshida, "Rapid evolution drives ecological dynamics in a predator–prey system", Nature, 424(6946), pp.303~306 (2003), Springer Science and Business Media LLC[DOI]
  21. Hanna Koch, "Why rapid, adaptive evolution matters for community dynamics", Frontiers in Ecology and Evolution, 2 (2014), Frontiers Media SA[DOI]
  22. Takashi Ito, "Population and Evolutionary Dynamics based on Predator–Prey Relationships in a 3D Physical Simulation", Artificial Life, 22(2), pp.226~240 (2016), MIT Press - Journals[DOI]
  23. Akihiko Mougi, "Evolution towards oscillation or stability in a predator–prey system", Proceedings of the Royal Society B: Biological Sciences, 277(1697), pp.3163~3171 (2010), The Royal Society[DOI]
  24. J. Maynard Smith, "The Stability of Predator-Prey Systems", Ecology, 54(2), pp.384~391 (1973), Wiley[DOI]
  25. Y. Seitbekova, "Predator-prey interaction multi-agent modelling", 2018 IEEE 12th International Conference on Application of Information and Communication Technologies (AICT), pp.1~5 (2018)
  26. 조정희, "초기 개체군 밀도가 포식자-피식자 생태계 안정성에 미치는 영향", 한국시뮬레이션학회 논문지, 22(3), pp.1~6 (2013), 한국시뮬레이션학회
  27. Oswald J. Schmitz, "Trophic Cascades in Terrestrial Systems: A Review of the Effects of Carnivore Removals on Plants", The American Naturalist, 155(2), pp.141~153 (2000), University of Chicago Press[DOI]
  28. N. Cheney, "Unshackling evolution : Evolving soft robots with multiple materials and a powerful generative encoding", Proceedings of the 15th Annual Conference on Genetic and Evolutionary Computation, GECCO ’13, pp.167~174 (2013)
  29. Thomas W. Schoener, "The Newest Synthesis: Understanding the Interplay of Evolutionary and Ecological Dynamics", Science, 331(6016), pp.426~429 (2011), American Association for the Advancement of Science (AAAS)[DOI]

관련 논문AI추천

분류규칙과 강화 역전파 신경망을 이용한 이종 인공유기체의 공진화김기태, 조남덕한국정보처리학회 · 정보처리학회 논문지2005 · 제12권 제3호순응적 날개를 가진 날갯짓 로봇 시뮬레이션을 위한 뉴로컨트롤의 진화연산 최적화심윤식한국컴퓨터정보학회 · 한국컴퓨터정보학회논문지2019 · 제24권 제12호다수 로봇 협업을 이용한 진화 로봇 시뮬레이터의 개발박지우, 손윤식, 오세만, 정진우대한임베디드공학회 · 대한임베디드공학회논문지2009 · 제4권 제2호인공신경망과 유전 알고리즘을 이용한 팩맨 게임 강화학습박진수, 이호정, 조수선, 황두연대한임베디드공학회 · 대한임베디드공학회논문지2020 · 제15권 제5호유전 프로그래밍을 이용한 추격-회피 문제에서의 게임 에이전트 학습권오광, 박종구한국정보처리학회 · 정보처리학회 논문지2008 · 제15권 제3호사용자와의 지속적 관계 유지를 위한 인공생명체 로봇 시스템김현, 조준면한국로봇학회 · 로봇학회 논문지2010 · 제5권 제1호

이 간행물의 다른 논문 (21건)

GPU 프로그램의 수행 중에 원자성위배를 자율적으로 수리하는 도구이건표, 이성진, 전용기pp. 1-12관계속성 기반의 개념분석 및 개념계층구조 가시화 기법 개발과 공공오픈 데이터집합에 대한 적용황석형pp. 13-25U-네트의 수용 영역 다양화를 이용한 혀 영역 분할이옥걸, 정성태pp. 37-47기울어진 차량 번호판 탐지를 위해 객체 세그먼테이션을 이용한 개선된 2-단계 차량 번호판 탐지 기법이상원, 김유성, 최범석pp. 49-55항공기 1차조종면 제어를 위한 딥러닝 기반 음성인식 비행 제어장치의 구현박명철, 허화라, 김태선pp. 57-64
원문 보기