自适应活性布朗粒子对未知位置目标的搜索

开发旨在高效求解目标搜索问题的行为策略，无论是自然界还是21世纪纳米技术中，均为关键议题。本文中，我们刻画了均匀环境中含稀疏未知位置目标的简单微游动体的目标搜索策略。微游动体能够通过切换布朗运动与活性布朗粒子状态，并选择两阶段各自的持续时间来控制其动力学。单个微游动体的具体行为取决于由关联于该智能体自身的简单神经网络所决定的内部决策过程。从具有随机行为的个体种群出发，我们利用神经进化增强拓扑（NeuroEvolution of Augmenting Topologies）遗传算法，展示了基于个体目标搜索表现的进化压力如何助力找到两不同阶段的最优时长。我们的发现揭示，最优策略强烈依赖于活性阶段粒子自推进的幅度，且存在广泛网络拓扑解谱，其在连接数与隐藏节点数上各异。