論文の概要: Using Genetic Algorithms to Simulate Evolution

• arxiv url: http://arxiv.org/abs/2209.06822v1
• Date: Wed, 14 Sep 2022 00:23:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-16 12:01:53.953823
• Title: Using Genetic Algorithms to Simulate Evolution
• Title（参考訳）: 遺伝的アルゴリズムによる進化のシミュレーション
• Authors: Manasa Josyula
• Abstract要約: 将来的な変化を予測するだけでなく,遺伝的アルゴリズムによるプロセスのシミュレートも可能です。 遺伝的アルゴリズムを環境に保持するように最適化することにより、速度、サイズ、クローニング確率などの様々な特性を割り当てることができる。 種がどのように成長し進化するかを学ぶことで、私たちはテクノロジーを改良し、動物が絶滅して生き残るのを助ける方法を見つけ、病気がいかに広がるかを理解することができます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evolution is the theory that plants and animals today have come from kinds that have existed in the past. Scientists such as Charles Darwin and Alfred Wallace dedicate their life to observe how species interact with their environment, grow, and change. We are able to predict future changes as well as simulate the process using genetic algorithms. Genetic Algorithms give us the opportunity to present multiple variables and parameters to an environment and change values to simulate different situations. By optimizing genetic algorithms to hold entities in an environment, we are able to assign varying characteristics such as speed, size, and cloning probability, to the entities to simulate real natural selection and evolution in a shorter period of time. Learning about how species grow and evolve allows us to find ways to improve technology, help animals going extinct to survive, and figure* out how diseases spread and possible ways of making an environment uninhabitable for them. Using data from an environment including genetic algorithms and parameters of speed, size, and cloning percentage, the ability to test several changes in the environment and observe how the species interacts within it appears. After testing different environments with a varied amount of food while keeping the number of starting population at 10 entities, it was found that an environment with a scarce amount of food was not sustainable for small and slow entities. All environments displayed an increase in speed, but the environments that were richer in food allowed for the entities to live for the entire duration of 50 generations, as well as allowed the population to grow significantly.
• Abstract（参考訳）: 進化は、今日、植物や動物は過去に存在した種から生まれたという説である。 チャールズ・ダーウィンやアルフレッド・ウォレスといった科学者は、種が環境とどのように相互作用し、成長し、変化するかを観察するために人生を捧げる。 将来的な変化を予測するだけでなく,遺伝的アルゴリズムによるプロセスのシミュレートも可能です。 遺伝的アルゴリズムは、複数の変数とパラメータを環境に提示し、異なる状況をシミュレートするために値を変更する機会を与えてくれる。 遺伝的アルゴリズムを環境に保持するように最適化することにより、速度、サイズ、クローニング確率などの様々な特性を、実体に割り当て、実際の自然選択と進化を短時間でシミュレートすることができる。 種がどのように成長し進化するかを学ぶことで、テクノロジーを改良し、動物が絶滅して生き残るのを助け、どのように病気が広まるか、そして環境を居住不能にする方法を見つけることができます。 遺伝的アルゴリズムや速度、サイズ、クローンの割合のパラメータを含む環境のデータを使用することで、環境内のいくつかの変化をテストし、種がどのように相互作用するかを観察することができる。 異なる環境を多量の食品で試験した後, 開始個体数を10個に抑えながら, 少人数の食品が持続可能でない環境は小さく, 遅い環境では維持できないことがわかった。 全ての環境は速度を増したが、食物に富んだ環境は、生物が50世代にわたって生きることができ、人口は大幅に増加した。

関連論文リスト

• DARLEI: Deep Accelerated Reinforcement Learning with Evolutionary Intelligence [77.78795329701367]
  本稿では,進化アルゴリズムと並列化強化学習を組み合わせたフレームワークであるDARLEIを提案する。 我々はDARLEIの性能を様々な条件で特徴付け、進化形態の多様性に影響を与える要因を明らかにした。 今後DARLEIを拡張して、よりリッチな環境における多様な形態素間の相互作用を取り入れていきたいと考えています。
  論文  参考訳（メタデータ） (2023-12-08T16:51:10Z)
• Biomaker CA: a Biome Maker project using Cellular Automata [69.82087064086666]
  Cellular Automata (CA) を用いたBiome Makerプロジェクトについて紹介する。 バイオメーカーCAでは、形態形成は第一級の市民であり、小さな種子を植物のような生物に成長させ、栄養失調環境で生き残る必要がある。 このプロジェクトによって、さまざまなモデルアーキテクチャや突然変異戦略とともに、さまざまな種類の環境や「物理学」の法則が実現可能であることを示す。
  論文  参考訳（メタデータ） (2023-07-18T15:03:40Z)
• Phylogeny-informed fitness estimation [58.720142291102135]
  本研究では, 住民の健康評価を推定するために, フィロジェニーを利用した適合度推定手法を提案する。 以上の結果から, 植物性インフォームドフィットネス推定は, ダウンサンプドレキシケースの欠点を軽減することが示唆された。 この研究は、ランタイム系統解析を利用して進化アルゴリズムを改善するための最初のステップとなる。
  論文  参考訳（メタデータ） (2023-06-06T19:05:01Z)
• Capturing Emerging Complexity in Lenia [0.0]
  この研究プロジェクトは、デジタル生物の生態系をシミュレートする人工生命プラットフォームLeniaを調査する。 レニアの生態系は、移動し、消費し、成長し、再生できる単純な人工生物から成り立っている。 レニアにおける複雑さを測定することは、ルールの長期的な複雑な出現行動を測定するための指標を特定する研究の重要な側面である。
  論文  参考訳（メタデータ） (2023-05-16T12:01:08Z)
• Dynamics of niche construction in adaptable populations evolving in diverse environments [0.0]
  ニッチ・コンストラクション(ニッチ・コンストラクション、NC)は、個人が環境を継承できる自然選択の相互プロセスである。 我々は, 可塑性, 伸縮性, ニッチ構築行動を進化させる多種多様なニッチと集団からなるシミュレーション環境において, NCについて検討した。 本研究は,NC研究のシミュレーション環境を複雑化し,多種多様なニッチを考慮し,その力学を理解するために重要であることを示唆する。
  論文  参考訳（メタデータ） (2023-05-16T11:52:14Z)
• Eco-evolutionary Dynamics of Non-episodic Neuroevolution in Large Multi-agent Environments [0.0]
  環境や人口のリセットを伴わない適応剤を連続的に進化させる手法を提案する。 NEはエポジカルに非エポジカルなマルチエージェント環境で動作し,持続的な集団採餌戦略を見いだせることを示す。
  論文  参考訳（メタデータ） (2023-02-18T13:57:27Z)
• The Hiatus Between Organism and Machine Evolution: Contrasting Mixed Microbial Communities with Robots [0.0]
  我々は、進化における余裕の重要な役割に焦点を当て、機械の人工的な進化と対比する。 この貢献の目的は、生物圏の進化の膨大な可能性を強調することである。
  論文  参考訳（メタデータ） (2022-06-29T21:12:19Z)
• The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents [51.94554095091305]
  本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。 自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
  論文  参考訳（メタデータ） (2022-01-02T20:14:01Z)
• Embodied Intelligence via Learning and Evolution [92.26791530545479]
  環境の複雑さが形態学的知能の進化を促進することを示す。 また、進化は速く学習する形態を素早く選択することを示した。 我々の実験は、ボールドウィン効果とモルフォロジーインテリジェンスの発生の両方の力学的基礎を示唆している。
  論文  参考訳（メタデータ） (2021-02-03T18:58:31Z)
• Novelty Search makes Evolvability Inevitable [62.997667081978825]
  本研究では,ノベルティ探索が,有界な行動空間においても高い進化性を示す圧力を暗黙的に生み出すことを示す。 探索を通して,行動空間において非常に活発な個人に対して,新規性報酬の動的評価を行うことが示されている。
  論文  参考訳（メタデータ） (2020-05-13T09:32:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。