GEESE: grammatical evolution algorithm for evolution of swarm behaviors
GEESE: grammatical evolution algorithm for evolution of swarm behaviors
复制标题
GEESE：群体行为进化的语法进化算法
DOI：
10.1145/3205455.3205619
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Eric G. Mercer
中科院分区：
文献类型：
--
作者：
Aadesh Neupane;M. Goodrich;Eric G. Mercer
蜜蜂、蚂蚁、鸟类、鱼类等动物能够在没有集中控制或协调的情况下有效地执行复杂的协调任务，例如觅食、选择巢穴、聚集和逃避捕食者。传统上，用机器人模仿这些行为需要研究人员研究实际行为，推导数学模型，并将这些模型实现为算法。我们提出了一种分布式算法，群体行为进化的语法进化算法（GEESE），它使用遗传方法来生成机器人群体的集体行为。 GEESE 使用语法进化将人类提供的一组原始规则进化为富有成效的个人行为。 GEESE 算法以两种不同的方式进行评估。首先，在典型的 Santa Fe Trail 问题上，将 GEESE 与最先进的遗传算法进行了比较。结果表明，GEESE 的性能优于最先进的技术：(a) 在给定足够的种群规模的情况下提供更好的解决方案质量，同时 (b) 使用更少的进化步骤。其次，GEESE 在集体群体觅食任务上的表现优于手工编码和语法进化生成的解决方案。
Animals such as bees, ants, birds, fish, and others are able to perform complex coordinated tasks like foraging, nest-selection, flocking and escaping predators efficiently without centralized control or coordination. Conventionally, mimicking these behaviors with robots requires researchers to study actual behaviors, derive mathematical models, and implement these models as algorithms. We propose a distributed algorithm, Grammatical Evolution algorithm for Evolution of Swarm bEhaviors (GEESE), which uses genetic methods to generate collective behaviors for robot swarms. GEESE uses grammatical evolution to evolve a primitive set of human-provided rules into productive individual behaviors. The GEESE algorithm is evaluated in two different ways. First, GEESE is compared to state-of-the-art genetic algorithms on the canonical Santa Fe Trail problem. Results show that GEESE outperforms the state-of-the-art by (a) providing better solution quality given sufficient population size while (b) utilizing fewer evolutionary steps. Second, GEESE outperforms both a hand-coded and a Grammatical Evolution-generated solution on a collective swarm foraging task.
DOI：
10.1016/j.ins.2013.09.044
发表时间：
2014-02
期刊：
Inf. Sci.
影响因子：
--
作者：
R. Burbidge;Myra S. Wilson
通讯作者：
R. Burbidge;Myra S. Wilson
影响因子：
3.4
作者：
Copeland MF;Weibel DB
通讯作者：
Weibel DB