蟻群演算法模擬

數百隻螞蟻透過費洛蒙建立通往食物的行徑;可啟用出生與死亡、放置蜘蛛,或讓兩個蟻群相互對抗。

  • 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

蟻群演算法模擬 的使用體驗如何?

關於 蟻群演算法模擬

模型機制
基於雙重氣味的費洛蒙路徑覓食模型(Deneubourg 等人 1990)
空間規模
1,000 × 1,000 單位,氣味分布於 200 × 200 網格,容納多達 3,000 隻螞蟻
蒸發速率
每步流失 0.1%–2% 濃度;設為 0.4% 時食物路徑約 170 步減半
群落動態
食物庫存、反應閾值(Bonabeau 等人 1996)、幼蟲撫育與壽命衰老
戰鬥計算
蘭徹斯特平方律(Franks 與 Partridge 1993)

適用於: 觀察學習

蟻群演算法模擬蟻群如何在沒有領導者的情況下,僅靠兩種氣味尋找並收集食物。每隻螞蟻在橫跨 1,000 單位的場地中,感測前方 20 單位的三個點:正前方、左側與右側。搜尋中的工蟻留下回巢氣味並追蹤食物氣味;搬運食物的工蟻留下食物氣味並追蹤回巢氣味。標記在螞蟻剛離開巢穴或食物處最強,之後每走一步減弱 0.2%,因此路徑本身就具備指向性。這種透過在環境中留下標記進行的協同運作稱為激發反應(stigmergy,Grassé 1959;Camazine 等人 2001)。

Pheromones(費洛蒙)控制項可設定螞蟻感測與保留氣味的方式。Sensor angle(感測角度)為正前方與兩側取樣點的夾角,預設為 34°;每一步螞蟻會朝氣味較強的一側轉向 17° 至 26°。Sensor reach(感測距離)設定前方取樣點的距離,預設為 20 單位或 4 個氣味網格。Wander(漫遊)在每一步為前進方向隨機加入正負 7° 以內的偏轉。Evaporation(蒸發率)是每個網格每一步流失的氣味比例:設為 0.4% 時,食物路徑約在 170 步後減半,而回巢氣味的消散速度為其 0.3 倍。Spread(擴散)每三步將各網格的部分氣味傳遞給四個相鄰網格,設為 0.15 時各分得 3.75%。負重且未聞到任何氣味的工蟻會筆直走向最近的巢穴,正如沙漠蟻依靠路徑整合導航一樣(Müller 與 Wehner 1988)。

Births and deaths(出生與死亡)賦予蟻群完整的生命週期。食物儲存庫供養每隻工蟻,消耗量由 Food eaten(攝食量)設定為每 1,000 步消耗的食物碎屑數,工蟻運回的食物則補充庫存;庫存耗盡時,每隻工蟻每步有 1/4,000 的機率餓死。由幼蟲羽化的工蟻會在巢內等待,並根據反應閾值出巢:每隻螞蟻各有門檻,當庫存低於 2,000 步所需時,出巢機率便會上升(Bonabeau、Theraulaz 與 Deneubourg 1996)。在儲存庫有食物時,蟻后每 1,000 步產下 Egg laying(產卵數)顆卵;每顆卵消耗 1 份食物,並在 2,000 步後羽化為工蟻。工蟻平均壽命約為 Lifespan(壽命)步(上下浮動 20%),因此在食物充足時,蟻群規模會在 Egg laying × Lifespan ÷ 1,000 隻工蟻左右趨於穩定,依預設值約為 2,000 隻。

Spider(蜘蛛)會在原地守候,每步有 50% 機率捕食 15 單位內最近的螞蟻,隨後花費 10 步進食。每次捕食都會在 30 單位內釋放最大濃度的第三種氣味——警報氣味;該氣味每步消散 4%,約 230 步後完全消失。螞蟻追蹤氣味時會扣除兩倍的警報濃度,因此路徑會繞過蜘蛛,而飢餓的蟻群對警報的顧慮較少,正如同飢餓動物更傾向冒險(Lima 與 Dill 1990)。在 Rival colonies(競爭群落)場景中,兩個蟻群共享場地,各自擁有專屬氣味、儲存庫與蟻后。當彼此的工蟻在 15 單位內相遇時便會開戰:每隻敵蟻每步有 1% 的致死機率,由當地的盟友分攤,因此局部數量佔優勢的一方傷亡較少且擊殺更多,印證了蘭徹斯特平方律在蟻群中的應用(Franks 與 Partridge 1993)。Rich food(優質食物)能激發三倍強度的路徑,蟻群也會從兩處食物中優先搬運更豐富的來源(Beckers、Deneubourg 與 Goss 1993)。

Double bridge(雙橋)重現了 Simon Goss 等人(1989)的經典實驗:兩條分支通往同一食物源,其中一條長度約為另一條的 2.3 倍;走短分支的螞蟻返巢更快,使該路徑費洛蒙增長更迅速,最終整群螞蟻都會集中走短路徑。Growing colony(成長群落)、Spiders(蜘蛛)、Rival colonies(競爭群落)與 Rich and poor food(貧富食物)各提出了一個生物學問題,可藉由 Colony 圖表、讀數面板或路徑形態找到解答。

如何使用 蟻群演算法模擬

  1. 選擇場景. 從 Nest and food piles(蟻巢與食物堆)、Double bridge(雙橋)、Obstacles(障礙物)、Two nests(雙巢)或 Empty field(空地)開始,亦可選擇群落場景:Growing colony(成長群落)、Spiders(蜘蛛)、Rival colonies(競爭群落)或 Rich and poor food(貧富食物)。
  2. 觀察路徑形成. 藍色顯示搜尋蟻留下的回巢氣味;琥珀色代表搬運食物蟻留下的食物路徑。攜帶食物的工蟻以綠色標記,紅色則表示蜘蛛捕食點周圍的警報氣味。
  3. 繪製環境元素. 選取 Food(食物)、Rich food(優質食物)、Wall(障礙牆)或 Erase(橡皮擦)在畫布上拖曳繪製,或點選 Nest(蟻巢)或 Spider(蜘蛛)在指定位置放置。移動食物或以障礙物阻擋路徑,會促使蟻群重新搜尋並開闢新路線。Rerun(重新執行)在已繪製的世界中自 t = 0 展開新蟻群,所有食物堆皆會補滿;Restart(重新開始)清除所有繪製內容並重置場景;Reset(重設)則會將所有參數恢復為預設值。
  4. 調整螞蟻感知參數. Sensor angle(感測角度)與 Sensor reach(感測距離)設定螞蟻感測氣味的位置,Wander(漫遊)加入隨機轉向偏角,Evaporation(蒸發率)控制路徑消散速率,Spread(擴散)決定路徑暈染程度。各設定旁的問號符號提供詳細數值說明。
  5. 開啟 Births and deaths(出生與死亡). 在 Colony(群落)設定中,Births and deaths(出生與死亡)會加入食物儲存庫、蟻后、幼蟲撫育、老化與飢餓機制。Food eaten(攝食量)、Lifespan(壽命)與 Egg laying(產卵數)分別設定每隻工蟻的消耗量、存活步數與蟻后產卵頻率;Colony 圖表會即時繪出工蟻數、幼蟲數與食物庫存。
  6. 解讀圖表資訊. Foraging 圖表即時繪出攜帶食物的工蟻數量以及運抵蟻巢的食物碎屑總量。在 Rival colonies(競爭群落)模式中,Colonies 圖表會追蹤各群落的工蟻規模,圖表下方的數值面板則依死因分類統計累計死亡人數。
  7. 匯出與分享. 可儲存 PNG 圖片,或將蟻群活動錄製為短片或 GIF。點擊 Record 30 s from the start 將以相同配置從頭重新運行,並逐幀錄製前 30 秒的動態。

常見問題

真實世界中的螞蟻如何找到最短路徑?

透過強化機制:選擇較短路徑的螞蟻能更快返巢,因此標記頻率更高,使短路徑的費洛蒙迅速累積,而長路徑則因蒸發逐漸消失。在 Goss 等人(1989)的雙橋實驗中,阿根廷蟻在通往同一食物的兩條路徑中最終全數選擇短路徑。Double bridge 場景重現了該實驗,其中長分支約為短分支的 2.3 倍長。

費洛蒙蒸發有什麼作用?

蒸發讓蟻群能夠遺忘不再使用的無效路徑。每個氣味網格每步都會流失固定比例的濃度,因此唯有持續有螞蟻走動,路徑才能維持:在預設的每步 0.4% 下,食物路徑濃度約在 170 步後減半。蟻群最佳化演算法(Dorigo、Maniezzo 與 Colorni 1996)同樣引入了虛擬費洛蒙蒸發機制,目的就是讓演算法捨棄早期的次佳選擇。

工蟻能活多久?

壽命遠比蟻后短暫。蟻后的壽命可長達近 30 年,往往是工蟻的 10 倍以上(Jemielity 等人 2005),而在巢外承擔危險工作的工蟻,其老化速度又比留守巢內的工蟻更快(Chapuisat 與 Keller 2002)。在此模擬中,Lifespan 設定工蟻的平均壽命,預設為 10,000 步(浮動範圍約正負 20%)。

蟻群耗盡食物時會發生什麼事?

蟻群規模會縮減:蟻后停止產卵,工蟻死亡的速度快於新工蟻孵化的速度。Walter Tschinkel(1993)在一整年的火蟻群落追蹤中觀察到,工蟻死亡數多於出生數的月份群落縮小,出生數占優時群落擴大。開啟 Births and deaths 時,庫存見底會迫使產卵停擺,且每隻工蟻每步有 1/4,000 機率餓死;Growing colony 場景中工蟻數量會攀升至約 2,000 隻,並在食物匱乏時迅速下滑。

螞蟻如何應對捕食者威脅?

透過釋放警報氣味,並在食物報酬與風險之間權衡取捨。螞蟻遭遇攻擊時會釋放警報費洛蒙,提醒周圍的同伴避開危險(Wilson 1958)。在 Nonacs 與 Dill(1990)的實驗中,12 窩蒼白毛蟻(Lasius pallitarsis)在捕食蟻守衛下的食物區與安全食物區之間進行取捨,只要額外的群落收益足以彌補損失的覓食工蟻,牠們就會冒險採集。在 Spiders 場景中,每次捕食都會引發約 230 步後消散的警報氣味,促使路徑自然繞過蜘蛛。

什麼是「環境激勵協同作用」(Stigmergy)?

激發反應(stigmergy)是一種透過在環境中遺留標記來實現的去中心化協同機制,個體的行為會引導後續個體的行動。Pierre-Paul Grassé 於 1959 年觀察白蟻築巢時提出此概念,而螞蟻的費洛蒙路徑正是最經典的範例(Camazine 等人 2001)。

不同顏色的路徑分別代表什麼?

藍色是搜尋蟻離開巢穴時留下的回巢氣味,搬運食物的工蟻循其返巢;其消散速度為琥珀色食物路徑的 0.3 倍,琥珀色則是返巢蟻所留下、供搜尋蟻追蹤的氣味。在 Rival colonies 模式下,第二個蟻群的回巢氣味為青色,食物路徑為玫瑰粉色。紅色則是蜘蛛捕食點周圍的警報氣味。

這與電腦科學中的蟻群最佳化演算法(ACO)有關係嗎?

是的。蟻群最佳化演算法利用虛擬螞蟻與蒸發費洛蒙來求解路徑搜尋與排程問題;Marco Dorigo、Vittorio Maniezzo 與 Alberto Colorni 於 1996 年發表了其最初形式 Ant System。本模擬器展示的正是啟發該演算法的生物學基礎行為。

這是一個嚴謹的科學模型嗎?

這是一個建立在諸多經典學術機制上的教學模型:包含路徑鋪設與追蹤(Deneubourg 等人 1990)、反應閾值(Bonabeau 等人 1996)、警報氣味(Wilson 1958)以及蘭徹斯特戰鬥模型(Franks 與 Partridge 1993)。各項參數皆經過調整,旨在讓整個動態過程在數分鐘內呈現,而非單一物種的精確實驗測量值,例如餓死機率、卵孵化所需的 2,000 步、蜘蛛捕食半徑與交戰傷亡率等。

參考文獻

  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.