利用各向异性测量优化人工集群

我们提出了一种有效的方法，通过优化问题来确定人工集群中的最优参数。我们数值研究了遗传算法，以确定Reynolds（1987）的BOIDS模型中三种基本相互作用的权重等最优参数集，并满足“零碰撞”和“不分裂”约束。作为遗传算法要最大化的适应度函数（能量函数），我们选择了在典型椋鸟群中经验观测到的各向异性$\gamma$值。我们确认遗传算法成功找到了具有大$\gamma$值（导致强各向异性）的解。数值实验表明，该过程甚至可以在个人计算机上实现更真实、更高效的人工椋鸟集群。我们还评估了智能体之间两种不同类型的相互作用，即度量和拓扑定义的相互作用。我们确认拓扑定义比度量定义能更好地解释经验证据。