1,516
edits
Schwarmintelligenz & Schwarmverhalten: Difference between revisions
Schwarmintelligenz & Schwarmverhalten (view source)
Revision as of 12:21, 7 February 2024
, 7 Februaryno edit summary
No edit summary |
|||
| Line 25: | Line 25: | ||
[[File:AntBridge Crossing 05.jpg|thumb|<nowiki>Ameisenbrücke | Igor Chuxlancev, CC BY 4.0, via Wikimedia Commons</nowiki>]] | [[File:AntBridge Crossing 05.jpg|thumb|<nowiki>Ameisenbrücke | Igor Chuxlancev, CC BY 4.0, via Wikimedia Commons</nowiki>]] | ||
Bei Ameisen lassen sich besonders viele interessante Verhaltensweisen beobachten, wie z.B. das Bilden von temporären lebenden Brücken aus Ameisen, das gemeinsame Bewegen von schweren Gegenständen oder das Bilden von effizienten Futterstraßen. | Bei Ameisen lassen sich besonders viele interessante Verhaltensweisen beobachten, wie z.B. das Bilden von temporären lebenden Brücken aus Ameisen, das gemeinsame Bewegen von schweren Gegenständen oder das Bilden von effizienten Futterstraßen. | ||
=== Warum schwärmen Tiere? === | |||
Dazu gibt es auch ein gutes Video von Ted-Ed: | |||
[https://www.youtube.com/watch?v=y6u1GPpJuR4&t=29s Youtube: Why do animals form swarms? - Maria R. D'Orsogna] | |||
=== Wo wird Schwarmintellegenz vom Menschen eingesetzt? === | === Wo wird Schwarmintellegenz vom Menschen eingesetzt? === | ||
| Line 45: | Line 50: | ||
Die ersten großen Durchbrüche gelangen Ichiro Aoki 1981 in der Biologie und Craig W. Reynolds 1986 in der Informatik und Computeranimation. Beide entwickelten fast parallel sehr ähnliche Erklärungen und Simulationen für das Schwarmverhalten, allerdings ohne voneinander zu wissen. In ihrer Erklärung reagiert jeder Agent individuell nach einem bestimmten Regelwerk auf seine eigene lokale Wahrnehmung. Die Agenten werden in diesem speziellen Bereich der Computersimulation auch „Boids“ (von „bird-oid“ - vogelartig) genannt. Das Regelwerk (auch „Reynolds Rules“ genannt) für Boids besteht aus 3 Regeln: Das Boid vermeidet Kollisionen mit anderen Boids in Abhängigkeit von der Distanz, passt seine Geschwindigkeit und Richtung an die der Nachbarboids an und sucht die Nähe zum Schwarm. Dies führt zu einer Art Selbstorganisation, die schließlich zum Schwarmverhalten und damit zu den uns bekannten Strukturen führt. Durch die ständige Anpassung aller Boids aneinander können einige wenige Boids, die z.B. einen Raubvogel erspähen, den ganzen Schwarm von ihm weglenken, ohne dass die anderen Boids dies überhaupt bemerken. Die Prinzipien von Reynolds wurden u.a. auch in Jurassic Park zur Simulation von Dinosaurierherden verwendet. | Die ersten großen Durchbrüche gelangen Ichiro Aoki 1981 in der Biologie und Craig W. Reynolds 1986 in der Informatik und Computeranimation. Beide entwickelten fast parallel sehr ähnliche Erklärungen und Simulationen für das Schwarmverhalten, allerdings ohne voneinander zu wissen. In ihrer Erklärung reagiert jeder Agent individuell nach einem bestimmten Regelwerk auf seine eigene lokale Wahrnehmung. Die Agenten werden in diesem speziellen Bereich der Computersimulation auch „Boids“ (von „bird-oid“ - vogelartig) genannt. Das Regelwerk (auch „Reynolds Rules“ genannt) für Boids besteht aus 3 Regeln: Das Boid vermeidet Kollisionen mit anderen Boids in Abhängigkeit von der Distanz, passt seine Geschwindigkeit und Richtung an die der Nachbarboids an und sucht die Nähe zum Schwarm. Dies führt zu einer Art Selbstorganisation, die schließlich zum Schwarmverhalten und damit zu den uns bekannten Strukturen führt. Durch die ständige Anpassung aller Boids aneinander können einige wenige Boids, die z.B. einen Raubvogel erspähen, den ganzen Schwarm von ihm weglenken, ohne dass die anderen Boids dies überhaupt bemerken. Die Prinzipien von Reynolds wurden u.a. auch in Jurassic Park zur Simulation von Dinosaurierherden verwendet. | ||
Dr. Iain Couzin schließlich entwickelte 2002 das Modell von Reynolds und Aoki weiter, indem er untersuchte, inwieweit der Abstand für Kollisionen und Anziehungen eines Boids zu anderen Boids unterschiedliche Strukturen wie Schwärme, Wirbel und Chaos erzeugt und welchen Einfluss das individuelle Sicht- und Wahrnehmungsfeld hat. Das Modell kann auf der Website Complexity Explorables ausprobiert werden: | Dr. Iain Couzin schließlich entwickelte 2002 das Modell von Reynolds und Aoki weiter, indem er untersuchte, inwieweit der Abstand für Kollisionen und Anziehungen eines Boids zu anderen Boids unterschiedliche Strukturen wie Schwärme, Wirbel und Chaos erzeugt und welchen Einfluss das individuelle Sicht- und Wahrnehmungsfeld hat. Das Modell kann auf der Website Complexity Explorables ausprobiert werden: | ||
[https://www.complexity-explorables.org/explorables/flockn-roll/ Complexity Explorables | Boids nach Dr. Couzin] | |||
Weitere Untersuchungen haben gezeigt, dass Boids in der Natur eine maximale Anzahl von Nachbarboids haben, an denen sie sich orientieren können. Neben diesen Modellen gibt es noch viele weitere, z.B. wurde ein noch komplexeres Modell entwickelt, das sich am Magnetismus orientiert und auch dem in der Natur beobachteten Schwarmverhalten sehr nahe kommt. | |||
Falls noch Interesse mehr an den verschiedenen Modellen besteht und grundlegende Französischkenntnisse vorhanden sind, empfehle ich dieses Video: [https://www.youtube.com/watch?v=Ch7VxxTBe1c] | |||
Eine Variante dieses allgemeinen “Flockings” ist die bei Vögeln häufig zu beobachtende V-Anordnung. Diese hat den Vorteil, dass sich jeder Vogel auf einen anderen Vogel bezieht und somit jedes Mitglied des Schwarmes im Auge behalten werden kann. Außerdem können die Vögel durch die Verringerung des Luftwiderstands in der V-Form länger ohne Pause fliegen. | Eine Variante dieses allgemeinen “Flockings” ist die bei Vögeln häufig zu beobachtende V-Anordnung. Diese hat den Vorteil, dass sich jeder Vogel auf einen anderen Vogel bezieht und somit jedes Mitglied des Schwarmes im Auge behalten werden kann. Außerdem können die Vögel durch die Verringerung des Luftwiderstands in der V-Form länger ohne Pause fliegen. | ||
| Line 71: | Line 82: | ||
Der Algorithmus wird daher unter Anderem vielseitig für die Optimisierung von Telekommunikationswegen, Netzwerken und Logistik eingesetzt. | Der Algorithmus wird daher unter Anderem vielseitig für die Optimisierung von Telekommunikationswegen, Netzwerken und Logistik eingesetzt. | ||
Sowohl eine Simulation der Wegfindung der Ameisen und die Ant Colony Optimization kann man sich hier anschauen: | |||
[https://www.youtube.com/watch?v=X-iSQQgOd1A&t=281s Youtube: Coding Adventure: Ant and Slime Simulations] | |||
