蚁群模拟

数百只蚂蚁通过信息素轨迹寻找食物;可开启生老病死、放置蜘蛛天敌或让两个蚁群展开对抗。

  • Ant
  • Carrying food
  • Nest
  • Food
  • Home scent
  • Food trail
100%

Ants wander from the nest, lay a blue home trail, and lay an amber food trail on the way back with food. Paint food, rich food or walls, erase them, tap to place a nest or a spider, and watch new trails form; Rerun starts again from step 0 with what you placed. A spider's catches leave red alarm scent that ants turn away from.

Setup
800
Tool
30 units

你觉得 蚁群模拟 体验如何?

关于 蚁群模拟

模型基础
基于双重气味的信息素轨迹觅食机制(Deneubourg 等人 1990)
模拟空间
1,000 × 1,000 空间单位,200 × 200 气味网格,上限 3,000 只蚂蚁
蒸发速率
每步蒸发 0.1%–2% 气味;在 0.4% 下,食物气味经约 170 步减半
群落生态
存粮、响应阈值(Bonabeau 等人 1996)、幼蚁孵化与生命周期
冲突战斗
兰彻斯特平方律(Franks 与 Partridge 1993)

适用场景:: 动态观察学习

蚁群模拟展示了一群蚂蚁在没有指挥者的情况下,仅凭两种气味如何搜寻与搬运食物。在宽达 1,000 个单位的空间内,每只蚂蚁在前方 20 个单位处嗅探三点:正前方以及左右两侧。搜寻食物的蚂蚁留下归巢气味并跟随食物气味;携带食物的蚂蚁留下食物气味并追随归巢气味。蚂蚁刚离开巢穴或食物堆处的标记最强,之后每走一步标记强度减弱 0.2%,从而使路径始终指向其源头。通过在环境中留下标记实现的群体协作被称为激增协调(stigmergy,Grassé 1959;Camazine 等人 2001)。

Pheromones(信息素)控制项用于设定蚂蚁如何感知与保持气味。Sensor angle(感知角度)为正前感知点与两侧采样点的夹角,默认值为 34°;每前进一步,蚂蚁会向气味更强的一侧偏转 17° 至 26°。Sensor reach(感知范围)决定前方探测点距离,默认为 20 个单位(即 4 个气味网格单元)。Wander(游荡)会在每步加入最多 7° 的随机转向。Evaporation(蒸发率)表示每个网格单元每步损失的气味比例:在 0.4% 的速率下,食物气味大约经 170 步后减半,而归巢气味衰减速度为其 0.3 倍。Spread(扩散率)使每个网格在每三步将其气味的一部分传递给四周四个邻近网格,当设为 0.15 时各传递 3.75%。携带食物却闻不到任何气味的蚂蚁会径直走向最近的巢穴,就像沙漠蚂蚁通过路径积分定向一样(Müller 与 Wehner 1988)。

Births and deaths(出生与死亡)赋予蚁群完整的生命周期。粮食储备用于供养工蚁,每只工蚁每 1,000 步消耗 Food eaten(食物消耗)量的碎屑,运回的食物会补充库存;当食物耗尽时,每只工蚁每步有四千分之一的概率饿死。在蚁巢中孵化出的工蚁等待响应阈值触发外出:每只工蚁各具阈值,当存粮跌破 2,000 步的供养量时,外出的概率会随之上升(Bonabeau、Theraulaz 与 Deneubourg 1996)。只要库存有粮,蚁后就会以每 1,000 步 Egg laying(产卵率)的速度产卵;每枚卵消耗 1 单位食物,并在 2,000 步后成长为工蚁。每只工蚁的平均寿命约为 Lifespan(寿命)步(浮动 20%),因此充足喂养下的群落规模将在 Egg laying × Lifespan ÷ 1,000 只工蚁左右趋于平稳(默认参数下约为 2,000 只)。

Spider(蜘蛛)会在固定位置守候,每步有 50% 的几率捕获 15 个单位内最近的蚂蚁,随后耗费 10 步吞食。每次捕食会在 30 个单位范围内激发出最高浓度的第三种气味——报警气味;该气味每步衰减 4%,约 230 步后消散。蚂蚁追踪路径时会减去两倍的报警气味强度,因而轨迹会绕开蜘蛛;饥饿的蚁群对报警气味的戒心会降低,正如果腹难求的动物甘愿冒更大的风险(Lima 与 Dill 1990)。在 Rival colonies(敌对蚁群)中,两个群落共享同一领地,各具独立的气味、粮仓和蚁后。当两方蚂蚁在 15 个单位内相遇便会爆发冲突:每只敌兵每步有 1% 的击杀概率并均摊至当地盟友,因此局部数量占优的一方伤亡更低且歼敌更快,这印证了 Franks 与 Partridge 将兰彻斯特平方律(Lanchester's square law)应用于蚁群的研究(1993)。Rich food(高营养食物)会激发出三倍强度的踪迹,蚁群也会优先采集两处食物中更丰富的一处(Beckers、Deneubourg 与 Goss 1993)。

Double bridge(双桥)重现了 Simon Goss 等人(1989)的实验:长短两条分支(长者约为短者的 2.3 倍)通向同一处食物,由于走短路线的蚂蚁往返更快,其气味路径积累得更为迅速,最终整个蚁群都收敛选择短分支。Growing colony(成长群落)、Spiders(蜘蛛群)、Rival colonies(敌对蚁群)和 Rich and poor food(贫富食物)各自提出了特定的生态问题,你可以通过群落图表、统计读数或行进轨迹得到解答。

如何使用 蚁群模拟

  1. 载入预设场景. 可从 Nest and food piles(蚁巢与食物堆)、Double bridge(双桥)、Obstacles(障碍物)、Two nests(双蚁巢)或 Empty field(空地)开始,或选择生态场景:Growing colony(成长群落)、Spiders(蜘蛛群)、Rival colonies(敌对蚁群)或 Rich and poor food(贫富食物)。
  2. 观察信息素网络. 蓝色代表外出搜寻的蚂蚁留下的归巢气味;琥珀色代表运粮蚂蚁留下的食物气味。携带食物的蚂蚁显示为绿色,蜘蛛捕食处周围的报警气味以红色标记。
  3. 绘制世界地形. 选择 Food(食物)、Rich food(高营养食物)、Wall(障碍墙)或 Erase(擦除)并在画布上拖动涂抹,亦可点击 Nest(蚁巢)或 Spider(蜘蛛)进行放置。移动食物或用墙阻断路线会促使蚁群重新探索并形成新路径。Rerun(重新运行)将在当前绘制的环境下从 t = 0 启动新群落,所有食物堆均重新填满;Restart(重新开始)会清空绘制的内容并重置场景;Reset(重置)还会将所有参数恢复至默认值。
  4. 调节感知参数. Sensor angle(感知角度)和 Sensor reach(感知范围)决定蚂蚁的嗅探区域,Wander(游荡)增加随机转向幅度,Evaporation(蒸发率)控制路径消散速度,Spread(扩散率)决定气味模糊散开的程度。每个参数旁的问号图标均附有具体数值说明。
  5. 开启出生与死亡设定. 在 Colony(群落)面板中,Births and deaths(出生与死亡)加入了粮食储备、蚁后与幼蚁、衰老以及饥荒机制。Food eaten(食物消耗)、Lifespan(寿命)和 Egg laying(产卵率)用于调整工蚁食量、寿命长短与蚁后产卵速度;Colony 图表将实时绘制工蚁数量、幼蚁数量与存粮曲线。
  6. 查看数据图表. Foraging(觅食)图表记录 Carrying food(搬运食物)的蚂蚁数量以及运达巢穴的 Deliveries(交粮量)。在敌对场景下,Colonies 图表追踪各阵营的 Workers(工蚁)规模,图表下方的读数会按死因细分统计各类死亡数据。
  7. 导出成果. 可导出 PNG 截图,或将蚁群的搬运过程录制为短视频或 GIF 动图。点击 Record 30 s from the start 将从最初状态重新演化,并逐帧完整录制前 30 秒的搬运过程。

常见问题解答

真实世界中蚂蚁是如何算出最短路径的?

依靠正反馈强化:选择较短路线的蚂蚁往返用时更短,标记频率更高,因此其路线气味不断变浓,而较长路线的气味逐渐消散。在 Goss 等人(1989)的双桥实验中,面对通向同一食物的两条路径,阿根廷蚁最终全部选择了较短的一条。Double bridge 场景复刻了该实验,其中长分支长度约为短分支的 2.3 倍。

信息素蒸发有什么作用?

它能让群落遗忘废弃不用的路线。每个气味网格每步都会损失一定比例的气味,因此唯有蚂蚁持续经过才能维持踪迹:在默认每步 0.4% 的蒸发速率下,一条食物路径大约经过 170 步就会衰减一半。蚁群优化算法(Dorigo、Maniezzo 与 Colorni 1996)同样借助模拟信息素蒸发机制,以便算法能够遗忘早期的次优选择。

工蚁能活多久?

寿命远短于蚁后。蚁后的寿命可接近 30 年,长达工蚁的 10 倍(Jemielity 等人 2005),而在巢外从事高危觅食任务的工蚁衰老速度明显快于巢内工作的工蚁(Chapuisat 与 Keller 2002)。在此模拟中,Lifespan 设定工蚁的平均寿命,默认值为 10,000 步(浮动范围约为 20%)。

当蚁群断粮时会发生什么?

群落规模萎缩:蚁后停止产卵,工蚁死亡的速度快于新蚁孵化速度。Walter Tschinkel(1993)对火蚁群落长达一年的追踪表明,在工蚁死亡数超过出生数的月份群落缩小,反之则壮大。开启 Births and deaths 后,储粮告罄将导致停止产卵,且每只工蚁每步面临四千分之一的饿死几率;Growing colony 场景初期可增长至约 2,000 只工蚁,而在食物枯竭后人口随之骤降。

蚂蚁如何应对捕食者?

通过释放报警气味,以及在食物与危险之间权衡取舍。遭遇攻击的蚂蚁会释放报警费洛蒙,以此提醒周围的工蚁(Wilson 1958)。在 Nonacs 与 Dill(1990)的实验中,面对一只掠食蚁看守的食物点,12 窝苍白迷蚁群落(Lasius pallitarsis)依然前往取食,前提是由此带来的群落额外收益足以弥补觅食蚁的伤亡损失。在 Spiders 场景中,每次捕食都会激发出报警气味并在约 230 步内消退,行进路线也会随之绕避蜘蛛。

什么是共模协同(Stigmergy)?

激增协调是指通过在环境中遗留痕迹来实现个体间的间接协作,一个个体改变环境,继而引导后续个体的行为。Pierre-Paul Grassé 于 1959 年在观察白蚁筑巢时提出了这一术语,而蚂蚁的信息素踪迹正是其最具代表性的范例(Camazine 等人 2001)。

不同的路径颜色分别代表什么?

蓝色代表搜寻蚂蚁离巢时留下的归巢气味,携带食物的蚂蚁循此前行;其消退速度是琥珀色食物气味的 0.3 倍,而琥珀色气味是由返巢蚂蚁留下的,供觅食蚂蚁追踪。在 Rival colonies 场景中,第二群落的归巢气味呈青蓝色,食物气味呈玫瑰色。红色则代表蜘蛛捕食点周围散发的报警气味。

本模拟器与蚁群算法(ACO)有联系吗?

是的。蚁群优化算法就是利用虚拟蚂蚁与不断蒸发的信息素来求解复杂的路径规划与调度问题;Marco Dorigo、Vittorio Maniezzo 与 Alberto Colorni 于 1996 年首次提出了蚁群系统(Ant System)。本模拟器展示的正是启发了该算法的原始生物学机制。

这是一个严格的科学模型吗?

这是一个基于经典学术机制建立的教学演示模型:包括踪迹铺设与追踪机制(Deneubourg 等人 1990)、响应阈值模型(Bonabeau 等人 1996)、报警信息素机制(Wilson 1958)以及兰彻斯特战斗法则(Franks 与 Partridge 1993)。模型中的数值均为便于在数分钟内演示全局而选定的参数,并非针对某一特定蚁种的实测值,例如饿死几率、从卵成长为工蚁所需的 2,000 步、蜘蛛捕食范围以及交战概率等。

参考文献

  1. Goss, S., Aron, S., Deneubourg, J.-L., & Pasteels, J. M. (1989). Self-organized shortcuts in the Argentine ant. Naturwissenschaften 76, 579–581.
  2. Deneubourg, J.-L., Aron, S., Goss, S., & Pasteels, J. M. (1990). The self-organizing exploratory pattern of the Argentine ant. Journal of Insect Behavior 3, 159–168.
  3. Grassé, P.-P. (1959). La reconstruction du nid et les coordinations interindividuelles chez Bellicositermes natalensis et Cubitermes sp. La théorie de la stigmergie. Insectes Sociaux 6, 41–80.
  4. Camazine, S., Deneubourg, J.-L., Franks, N. R., Sneyd, J., Theraulaz, G., & Bonabeau, E. (2001). Self-Organization in Biological Systems. Princeton University Press.
  5. Müller, M., & Wehner, R. (1988). Path integration in desert ants, Cataglyphis fortis. Proceedings of the National Academy of Sciences 85(14), 5287–5290.
  6. Dorigo, M., Maniezzo, V., & Colorni, A. (1996). Ant system: optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics, Part B 26(1), 29–41.
  7. Bonabeau, E., Theraulaz, G., & Deneubourg, J.-L. (1996). Quantitative study of the fixed threshold model for the regulation of division of labour in insect societies. Proceedings of the Royal Society B 263, 1565–1569.
  8. Gordon, D. M. (1996). The organization of work in social insect colonies. Nature 380, 121–124.
  9. Prabhakar, B., Dektar, K. N., & Gordon, D. M. (2012). The regulation of ant colony foraging activity without spatial information. PLoS Computational Biology 8(8), e1002670.
  10. Schmid-Hempel, P., & Schmid-Hempel, R. (1984). Life duration and turnover of foragers in the ant Cataglyphis bicolor. Insectes Sociaux 31, 345–360.
  11. Hölldobler, B., & Wilson, E. O. (1990). The Ants. Springer.
  12. Jemielity, S., Chapuisat, M., Parker, J. D., & Keller, L. (2005). Long live the queen: studying aging in social insects. AGE 27(3), 241–248.
  13. Chapuisat, M., & Keller, L. (2002). Division of labour influences the rate of ageing in weaver ant workers. Proceedings of the Royal Society B 269, 909–913.
  14. Tschinkel, W. R. (1993). Sociometry and sociogenesis of colonies of the fire ant Solenopsis invicta during one annual cycle. Ecological Monographs 63(4), 425–457.
  15. Oster, G. F., & Wilson, E. O. (1978). Caste and Ecology in the Social Insects. Princeton University Press.
  16. Holling, C. S. (1959). Some characteristics of simple types of predation and parasitism. The Canadian Entomologist 91(7), 385–398.
  17. Wilson, E. O. (1958). A chemical releaser of alarm and digging behavior in the ant Pogonomyrmex badius (Latreille). Psyche 65, 41–51.
  18. Nonacs, P., & Dill, L. M. (1990). Mortality risk vs. food quality trade-offs in a common currency: ant patch preferences. Ecology 71(5), 1886–1892.
  19. Lima, S. L., & Dill, L. M. (1990). Behavioral decisions made under the risk of predation: a review and prospectus. Canadian Journal of Zoology 68(4), 619–640.
  20. Franks, N. R., & Partridge, L. W. (1993). Lanchester battles and the evolution of combat in ants. Animal Behaviour 45(1), 197–199.
  21. Batchelor, T. P., & Briffa, M. (2011). Fight tactics in wood ants: individuals in smaller groups fight harder but die faster. Proceedings of the Royal Society B 278, 3243–3250.
  22. Adams, E. S. (1990). Boundary disputes in the territorial ant Azteca trigona: effects of asymmetries in colony size. Animal Behaviour 39(2), 321–328.
  23. Beckers, R., Deneubourg, J.-L., Goss, S., & Pasteels, J. M. (1990). Collective decision making through food recruitment. Insectes Sociaux 37, 258–267.
  24. Beckers, R., Deneubourg, J.-L., & Goss, S. (1993). Modulation of trail laying in the ant Lasius niger and its role in the collective selection of a food source. Journal of Insect Behavior 6, 751–759.