基于多智能体深度强化学习的生态物种演化扩散
种群与进化
2024-10-25 v1 机器学习
动力系统
摘要
理解异质环境中物种动态对于生态系统研究至关重要。传统模型假设居住环境均匀，但近期方法包括空间和时间可变性，凸显物种迁移。我们采用饥饿驱动扩散 (SDD) 模型作为非线性扩散来描述基于局部资源条件的物种扩散，显示出优势以促进物种生存。然而，由于模型简化，准确预测仍具有挑战性。本研究使用多智能体强化学习 (MARL) 结合深度 Q 网络 (DQN) 来模拟单物种和捕食者-猎物相互作用，纳入 SDD 类型奖励。我们的仿真结果揭示了演化扩散策略，为理解物种扩散机制提供了见解，并验证了传统数学模型。
引用
@article{arxiv.2410.18621,
title = {Evolutionary Dispersal of Ecological Species via Multi-Agent Deep Reinforcement Learning},
author = {Wonhyung Choi and Inkyung Ahn},
journal= {arXiv preprint arXiv:2410.18621},
year = {2024}
}