Sürü davranışı: Revizyonlar arasındaki fark

Vikipedi, özgür ansiklopedi
Etkileşimli olarak geçmişe göz at
[kontrol edilmiş revizyon][kontrol edilmiş revizyon]
← Önceki sürümle aradaki farkSonraki sürümle aradaki fark →
İçerik silindi İçerik eklendi
GörselVikimetin
Stigmergy
Algoritmalar
38. satır: 38. satır:
===Stigmergy===
===Stigmergy===
Sürü zekâsında başka bir anahtar kavram [[stigmergy]] kavramıdır.<ref name="parunak">Parunak, H. v D. (2003). [http://www.newvectors.net/staff/parunakv/msh03.pdf "Making swarming happen"] In Proc. of Conf. on Swarming and Network Enabled Command, Control, Communications, Computers, Intelligence, Surveillance and Reconnaissance (C4ISR), McLean, Virginia, USA, January 2003.</ref> Stigmergy etmenler ve eylemler arasında doğrudan olmayan koordinasyon mekanizmasıdır. Ana prensibi bir eylemin çevrede bıraktığı izin diğer eylemin gerçekleşmesi için uyarıcı etkisi yapmasıdır. Takip eden eylem ilk etmen tarafından yapılabildiği gibi bağımsız başka bir etmen tarafından da yapılabilir. Bu şekilde bir birini izleyen eylemler pekişerek bir birlerinin üzerine kurulur ve kendiliğinden tutarlı ve görece sistematik aktivitenin belirmesine yol açar. Stigmergy kendi kendini organize etmenin bir şeklidir. Planlama, kontrol ve hatta etmenler arasında doğrudan iletişim gerektirmeden karmaşık ve zekice görünen yapılar oluşturulmasına yol açar. Dolayısıyla hafızası, zekâsı olmayan ve bir birinin farkında olmayan oldukça basit etmenler arasında etkili bir işbirliğinin doğmasını sağlar.
Sürü zekâsında başka bir anahtar kavram [[stigmergy]] kavramıdır.<ref name="parunak">Parunak, H. v D. (2003). [http://www.newvectors.net/staff/parunakv/msh03.pdf "Making swarming happen"] In Proc. of Conf. on Swarming and Network Enabled Command, Control, Communications, Computers, Intelligence, Surveillance and Reconnaissance (C4ISR), McLean, Virginia, USA, January 2003.</ref> Stigmergy etmenler ve eylemler arasında doğrudan olmayan koordinasyon mekanizmasıdır. Ana prensibi bir eylemin çevrede bıraktığı izin diğer eylemin gerçekleşmesi için uyarıcı etkisi yapmasıdır. Takip eden eylem ilk etmen tarafından yapılabildiği gibi bağımsız başka bir etmen tarafından da yapılabilir. Bu şekilde bir birini izleyen eylemler pekişerek bir birlerinin üzerine kurulur ve kendiliğinden tutarlı ve görece sistematik aktivitenin belirmesine yol açar. Stigmergy kendi kendini organize etmenin bir şeklidir. Planlama, kontrol ve hatta etmenler arasında doğrudan iletişim gerektirmeden karmaşık ve zekice görünen yapılar oluşturulmasına yol açar. Dolayısıyla hafızası, zekâsı olmayan ve bir birinin farkında olmayan oldukça basit etmenler arasında etkili bir işbirliğinin doğmasını sağlar.

===Algoritmalar===
Sürü algoritmaları ya [[Lagrange fonksiyonu]] yaklaşımını ya da [[Euler denklemleri (akışkanlar dinamiği)|Euler denklemleri]] yaklaşımını izler.<ref name="Li et al">{{Dergi kaynağı | yazar = Li YX, Lukeman R, Edelstein-Keshet L et al. | yıl = 2007 | başlık = Minimal mechanisms for school formation in self-propelled particles | url = http://www.iam.ubc.ca/~lukeman/fish_school_f.pdf | format = PDF | dergi = Physica D: Nonlinear Phenomena | cilt = 237 | sayı = 5| sayfalar = 699–720 | doi = 10.1016/j.physd.2007.10.009 |bibcode = 2008PhyD..237..699L }}</ref> Euler yaklaşımı sürüyü bir [[Alan (fizik)|alan]] olarak görür ve sürünün yoğunluğuyla çalışarak ortalama alan özeliklerini çıkarır. Hidrodinamik bir yaklaşımdır ve büyük sürülerin toptan dinamiğini modellemek için yararlıdır.<ref>Toner J and Tu Y (1995) "Long-range order in a two-dimensional xy model: how birds fly together" ''Physical Revue Letters,'' '''75 (23)(1995), 4326–4329.</ref><ref>{{Dergi kaynağı | yazar = Topaz C, Bertozzi A | yıl = 2004 | başlık = Swarming patterns in a two-dimensional kinematic model for biological groups | url = | dergi = SIAM J Appl Math | cilt = 65 | sayı = 1| sayfalar = 152–174 | doi = 10.1137/S0036139903437424 }}</ref><ref>{{Dergi kaynağı | yazar = Topaz C, Bertozzi A, Lewis M | yıl = 2006 | başlık = A nonlocal continuum model for biological aggregation | url = | dergi = Bull Math Bio | cilt = 68 | sayı = 7| sayfalar = 1601–1623 | doi = 10.1007/s11538-006-9088-6 }}</ref> Ancak modellemelerin çoğu [[etmen tabanlı model]] olan Lagrange yaklaşımı ile çalışır ve sürüyü oluşturan bireysel etmenleri (noktaları ya da partikülleri) izler. Bireysel partikül modellemeleri Euler yaklaşımında kaybolan yön ve ara mesafeler gibi bilgileri izleyebilir.<ref name="Li et al"/><ref>Carrillo J, Fornasier M and Toscani G (2010) [http://mate.unipv.it/~toscani/publi/swarming.pdf "Particle, kinetic, and hydrodynamic models of swarming"] ''Modeling and Simulation in Science, Engineering and Technology'', Part 3, 297–336. {{doi|10.1007/978-0-8176-4946-3_12}}</ref>


==Notlar==
==Notlar==

Sayfanın 13.55, 11 Kasım 2014 tarihindeki hâli

Sürü davranışı sergileyen bir dalıcımartı sürüsü.

Sürü davranışı benzer boyutlarda olan ve bir araya kümelenmiş hayvanların aynı yerde dolanıp durmaları ya da kitle hâlinde hareket etmeleri ya da aynı yöne doğru göç etmeleri ile sergilenen toplu bir davranıştır.

Daha soyut bir bakış açısından sürü davranışı kendi kendine hareket edebilen varlıkların kitle hâlinde birlikte hareket etmeleri ile sergiledikleri davranıştır.[1] Matematiksel modellemecinin bakış açısından merkezî bir koordinasyon içermeden bireylerin izlediği basit kurallardan oluşan beliren davranış biçimidir.

Sürü davranışı ilk olarak 1986 yılında boids adı verilen simülasyon programı ile bilgisayarda simüle edilmiştir.[2] Bu program temel bir kurallar kümesine göre hareket etmelerine izin verilen basit etmenleri (boids) simüle eder. Bu model ilk olarak kuşların sürü davranışını modellemek için tasarlanmıştır ancak balık sürülerini ve benzer sürü davranışı gösteren varlıkları simüle etmek için de kullanılabilir.

Modeller

Yakın geçmişte biliminsanları sürü davranışını daha iyi anlayabilmek için modelleme yoluna gitmişlerdir.

Matematiksel modeller

Sürü davranışı ile ilgili ilk araştırmalarda davranışı anlayabilmek için matematiksel modelleme ve simülasyon yöntemi izlenmiştir. Sürü davranışını simüle eden en basit matematiksel modellerde bireylerin aşağıdaki üç basit kurala uyduğunu kabul edilir:

  1. Komşularınla aynı yöne ilerle
  2. Komşularına yakın dur
  3. Komşularınla çarpışmaktan kaçın

Craig Reynolds tarafından 1986 yılında geliştirilen boids bilgisayar yazılımı yukarıdaki kurallara uyan sürü davranışını simüle eder.[2] Daha sonra yapılan ve günümüzde geçerli bir çok matematiksel model de yukarıdaki kuralları ve bunların varyasyonlarını kullanır. Bu modellerde her hayvanın çevresinde eş merkezli "bölge"ler belirlenir. Odak noktasındaki hayvana çok yakın olan bölgeyi temsil eden itme bölgesinde hayvan komşuları ile çarpışmayı önelemek için onlardan kaçınmaya çalışacaktır. Biraz daha uzak olan hizalanma bölgesinde odaktaki yönünü komşuları ile aynı yöne doğru hizalamaya çalışacaktır. En dışta bulunan ve odaktaki hayvanın algılama sınırına kadar uzanan çekim bölgesinde ise komşularına doğru hareket etmeye çalışacaktır.

Bu bölgelerin şekilleri hayvanların algılama yeteneklerinden etkilenmektedir. Örneğin bir kuşun görebildiği alan gövdesinin gerisine ulaşmaz. Balıklar hareketlerinde hem görsel hem de yanal çizgileri tarafından algılanan hidrodinamik algılara dayanırlar. Antarktika krili ise hem görsel hem de duyargaları yoluyla algıladıkları hidrodinamik sinyaller yoluyla hareket ederler.

Ancak yakın zamanda yapılmış araştırmalar sonucunda sığırcık sürülerinde her bir kuşun konumunu doğrudan çevresinde bulunan altı ila yedi kuşun yakınlığına ya da uzaklığına bakmaksızın konumuna göre değiştirdiği ortaya çıkarılmıştır.[3] Dolayısıyla sürü içindeki sığırcıklar arasındaki etkileşimler metrik kurallardan çok topolojik kurallara uymaktadır. Bu kuralların diğer hayvanlara uyup uymadığını yapılacak araştırmalar belirleyecektir. Yine başka bir araştırmada Roma üzerindeki sürülerin yüksek hızlı kameralarla yapılmış kayıtlarının analizi ve minimum davranışsal kurallar kullanılarak sürü davranışının bazı kısımları oldukça gerçeğe yakın olarak simüle edilebilmiştir.[4][5][6][7]

Evrimsel modeller

Hayvanların niçin sürü davranışı gösterme yönünde evrimleştiğini anlayabilmek için biliminsanları evrimleşen hayvan popülasyonlarını simüle eden evrimsel modellemelere yönelmişlerdir. Tipik olarak bu çalışmalarda modellemede bir kaç kuşak evrimi simüle etmek için genetik algoritmalar kullanılır. Bu çalışmalar sonucunda aralarında bencil sürü teorisi,[8][9][10][11] avcı şaşırtma etkisi,[12] ve seyreltme etkisi[13][14] gibi çeşitli teoriler ortaya atılmıştır.

Sürü zekâsı

Sürü zekâsı merkezi olmayan, doğal ya da yapay kendi kendini organize eden sistemlerin gösterdiği toplu davranış biçimidir. Bu kavram yapay zekâ üzerine yapılan çalışmalarda kullanılmıştır.

Sürü zekâsı ile çalışan sistemler tipik olarak boids gibi birbirleri ve çevreleri ile yerel bazda etkileşime giren basit etmen popülasyonlarından oluşmuştur. Etmenler çok basit kuralları izlerler ve her bir etmenin nasıl hareket edeceğine dair merkezî bir kontrol mekanizması olmasa da belli bir dereceye kadar rastgele olmak üzere yerel bazda etmenler arasındaki etkileşimler genel zekâ içeren davranışların belirmesine neden olur.

Sürü zekâsı üzerine yapılan araştırmalar mültidisiplinerdir. Biyolojik sistemleri inceleyen doğal sürü araştırması ve insan yapısı nesneleri inceleyen yapay sürü araştırması olarak kabaca ikiye ayrılabilir. Sürü sistemlerini modelleyerek davranışlarının altında yatan mekanizmaları anlamaya çalışan bilimsel araştırma mecrasının yanı sıra bu araştırma sonucu ortaya çıkarılan mekanizmaları kullanarak diğer alanlardaki pratik problemleri çözmeye yönelik bir mühendislik mecrası da vardır.[15]

Belirme

Ana madde: Belirme

Belirme kavramı yani hiyerarşik düzeyde bulunan özelikler ve işlevlerin daha alt birimlerde bulunmaması genellikle kendi kendini organize eden sistemlerin temel prensibidir.[16] Biyolojide kendi kendini organize eden sisteme örnek olarak karınca kolonileri verilebilir. Kraliçe karınca doğrudan emirler vermez ve karıncalara ne yapmaları gerektiğini söylemez. Bunun yerine her karınca larvalardan, diğer karıncalardan, yuvaya giren yabancılardan, besin ve atıklardan gelen kimyasal koku şeklindeki uyaranlara tepki gösterir ve arkalarında bıraktıkları kimyasal kokular diğer karıncalar için bir uyaran olur. Burada her bir karınca yalnızca yakın çevresine tepki veren ve çeşitliliği genetik kodlama ile belirlenmiş bağımsız bir birimdir. Merkezî bir karar alma sürecinin olmamasına rağmen karınca kolonileri karmaşık davranışlar gösterirler ve hatta geometrik problemleri çözme yetenekleri gösterirler. Örneğin, koloniler rutin olarak ölü karıncaları bırakmak için tüm koloni girişlerinden maksimum uzaklığı bulabilmektedirler.

Stigmergy

Sürü zekâsında başka bir anahtar kavram stigmergy kavramıdır.[17] Stigmergy etmenler ve eylemler arasında doğrudan olmayan koordinasyon mekanizmasıdır. Ana prensibi bir eylemin çevrede bıraktığı izin diğer eylemin gerçekleşmesi için uyarıcı etkisi yapmasıdır. Takip eden eylem ilk etmen tarafından yapılabildiği gibi bağımsız başka bir etmen tarafından da yapılabilir. Bu şekilde bir birini izleyen eylemler pekişerek bir birlerinin üzerine kurulur ve kendiliğinden tutarlı ve görece sistematik aktivitenin belirmesine yol açar. Stigmergy kendi kendini organize etmenin bir şeklidir. Planlama, kontrol ve hatta etmenler arasında doğrudan iletişim gerektirmeden karmaşık ve zekice görünen yapılar oluşturulmasına yol açar. Dolayısıyla hafızası, zekâsı olmayan ve bir birinin farkında olmayan oldukça basit etmenler arasında etkili bir işbirliğinin doğmasını sağlar.

Algoritmalar

Sürü algoritmaları ya Lagrange fonksiyonu yaklaşımını ya da Euler denklemleri yaklaşımını izler.[18] Euler yaklaşımı sürüyü bir alan olarak görür ve sürünün yoğunluğuyla çalışarak ortalama alan özeliklerini çıkarır. Hidrodinamik bir yaklaşımdır ve büyük sürülerin toptan dinamiğini modellemek için yararlıdır.[19][20][21] Ancak modellemelerin çoğu etmen tabanlı model olan Lagrange yaklaşımı ile çalışır ve sürüyü oluşturan bireysel etmenleri (noktaları ya da partikülleri) izler. Bireysel partikül modellemeleri Euler yaklaşımında kaybolan yön ve ara mesafeler gibi bilgileri izleyebilir.[18][22]

Notlar

  1. ^ O'Loan; Evans (1998). "Alternating steady state in one-dimensional flocking". Journal of Physics A: Mathematical and General. 32 (8). ss. L99–L105. arXiv:cond-mat/9811336 $2. Bibcode:1999JPhA...32L..99O. doi:10.1088/0305-4470/32/8/002. 
  2. ^ a b Reynolds CW (1987). "Flocks, herds and schools: A distributed behavioral model". Computer Graphics. 21 (4). ss. 25–34. doi:10.1145/37401.37406. ISBN 0-89791-227-6. 
  3. ^ Ballerini M, Cabibbo N, Candelier R, Cavagna A, Cisbani E, Giardina I, Lecomte V, Orlandi A, Parisi G, Procaccini A, Viale M, Zdravkovic V (2008). "Interaction ruling animal collective behavior depends on topological rather than metric distance: Evidence from a field study". Proc. Natl. Acad. Sci. U.S.A. 105 (4). ss. 1232–7. arXiv:0709.1916 $2. Bibcode:2008PNAS..105.1232B. doi:10.1073/pnas.0711437105. PMC 2234121 $2. PMID 18227508. 
  4. ^ Hildenbrandt H, Carere C, Hemelrijk CK (2010). "Self-organized aerial displays of thousands of starlings: a model". Behavioral Ecology. 21 (6). ss. 1349–1359. doi:10.1093/beheco/arq149. 
  5. ^ Hemelrijk CK, Hildenbrandt H (2011). "Some causes of the variable shape of flocks of birds". PLoS ONE. 6 (8). s. e22479. doi:10.1371/journal.pone.0022479. 
  6. ^ Project Starflag
  7. ^ Swarm behaviour model by University of Groningen
  8. ^ Olson RS, Knoester DB, Adami C (2013). "Critical Interplay Between Density-dependent Predation and Evolution of the Selfish Herd". Proceedings of GECCO 2013. ss. 247–254. doi:10.1145/2463372.2463394. 
  9. ^ Ward CR, Gobet F, Kendall G (2001). "Evolving collective behavior in an artificial ecology". Artificial Life. 7 (2). ss. 191–209. doi:10.1162/106454601753139005. PMID 11580880. 
  10. ^ Reluga TC, Viscido S (2005). "Simulated evolution of selfish herd behavior". Journal of Theoretical Biology. 234 (2). ss. 213–225. doi:10.1016/j.jtbi.2004.11.035. PMID 15757680. 
  11. ^ Wood AJ, Ackland GJ (2007). "Evolving the selfish herd: emergence of distinct aggregating strategies in an individual-based model". Proc Biol Sci. 274 (1618). ss. 1637–1642. doi:10.1098/rspb.2007.0306. PMID 17472913. 
  12. ^ Olson RS, Hintze A, Dyer FC, Knoester DB, Adami C (2013). "Predator confusion is sufficient to evolve swarming behaviour". J. R. Soc. Interface. 10 (85). s. 20130305. doi:10.1098/rsif.2013.0305. PMID 23740485. 
  13. ^ Tosh CR (2011). "Which conditions promote negative density dependent selection on prey aggregations?". Journal of Theoretical Biology. 281 (1). ss. 24–30. doi:10.1016/j.jtbi.2011.04.014. PMID 21540037. 
  14. ^ Ioannou CC, Guttal V, Couzin ID (2012). "Predatory Fish Select for Coordinated Collective Motion in Virtual Prey". Science. 337 (6099). ss. 1212–1215. Bibcode:2012Sci...337.1212I. doi:10.1126/science.1218919. PMID 22903520. 
  15. ^ Dorigo M and Birattari M (2007) "Swarm intelligence" Scholarpedia, 2(9):1462, revision #40214. DOI:10.4249/scholarpedia.1462
  16. ^ "Hierarchy of Life". 14 Eylül 2008. 
  17. ^ Parunak, H. v D. (2003). "Making swarming happen" In Proc. of Conf. on Swarming and Network Enabled Command, Control, Communications, Computers, Intelligence, Surveillance and Reconnaissance (C4ISR), McLean, Virginia, USA, January 2003.
  18. ^ a b Li YX, Lukeman R, Edelstein-Keshet L; ve diğerleri. (2007). "Minimal mechanisms for school formation in self-propelled particles" (PDF). Physica D: Nonlinear Phenomena. 237 (5). ss. 699–720. Bibcode:2008PhyD..237..699L. doi:10.1016/j.physd.2007.10.009. 
  19. ^ Toner J and Tu Y (1995) "Long-range order in a two-dimensional xy model: how birds fly together" Physical Revue Letters, 75 (23)(1995), 4326–4329.
  20. ^ Topaz C, Bertozzi A (2004). "Swarming patterns in a two-dimensional kinematic model for biological groups". SIAM J Appl Math. 65 (1). ss. 152–174. doi:10.1137/S0036139903437424. 
  21. ^ Topaz C, Bertozzi A, Lewis M (2006). "A nonlocal continuum model for biological aggregation". Bull Math Bio. 68 (7). ss. 1601–1623. doi:10.1007/s11538-006-9088-6. 
  22. ^ Carrillo J, Fornasier M and Toscani G (2010) "Particle, kinetic, and hydrodynamic models of swarming" Modeling and Simulation in Science, Engineering and Technology, Part 3, 297–336. DOI:10.1007/978-0-8176-4946-3_12
"https://tr.wikipedia.org/w/index.php?title=Sürü_davranışı&oldid=14843050" sayfasından alınmıştır