Agents, Hierarchies and Sustainability

1
Agents, Hierarchies and Sustainability

• Vortrag von und mit André Preußner
• Nach dem gleichnamigen Paper von Andreas König,
  Michael Möhring und Klaus G. Troitzsch

2

• Inhalt
• Agents, Hierarchies and Sustainability
• 1.1 Die Welt
• 1.2 Der Zucker
• 1.3 Die Agenten
• 1.4 Die Experimente / Ergebnisse
• Eigene Implementation
• 2.1 Programmdetails
• 2.2 Ergebnisse
• 2.3 Vorführung

3
Die Welt

• sugarscape-artige Welt
• Gitter aus diskreten Zellen
• torusförmig, d.h. grenzen-los
• Simulation in diskreten Zeitschritten
  (runden-basiert)

4
Der Zucker

• Pflanzen dienen als Futter für die Agenten
• können auf allen Zellen wachsen
• ein gewisser Prozentsatz an Zellen ist aber
  unfruchtbar
• drei Parameter beeinflussen das Wachstum auf
  einer Zelle
• ein Minimum an Pflanzenmasse, dass auf der Zelle
  vorhanden sein muss
• ein Maximum an Pflanzenmasse, das von der Zelle
  getragen werden kann
• ein Inkrementwert, um den der Energiewert pro
  Runde erhöht wird (falls das Minimum nicht
  unterschritten und das Maximum überschritten ist)

5
Samenverbreitung

• eine Zelle kann Samen an Nachbarzellen verteilen
• bei fruchtbaren Zellen bleibt er liegen, bei
  unfruchtbaren wird er gelöscht
• zwei Parameter kontrollieren den Samenaustausch
• Spread.probability globaler Parameter, bestimmt
  die Wahrscheinlichkeit, mit der Samen auf andere
  Zellen verbreitet wird
• Spread.percentage Anteil an Pflanzenmasse, die
  verschickt wird (wird berechnet von Pflanzenmasse
  - minimale Pflanzenmasse, um das eigene Überleben
  der Pflanze zu sichern)

6
Die Agenten

• jeder Agent hat
• einen internen Energiespeicher
• ein eigenes Erinnerungsvermögen
• speichert das Wissen über die Belegung von Zellen
  mit Nahrung und Agenten
• unbekannte Zellen bleiben schwarz
• Gedächtnis wird jede Runde aufgefrischt
• Sichtbarkeitsradius einstellbar
• Informationen können wieder vergessen werden

7
Bedürfnisse

• Überleben ausreichend Nahrung (Energiewert nicht
  auf 0 absinken lassen)
• Wohlstand soviel Nahrung wie möglich besitzen
  (keine obere Grenze)
• Neugier soviel wie möglich über die Welt
  erfahren
• Fortpflanzung Nachkommen zeugen (wenn der Agent
  alt genug ist)
• Einfluss andere Agenten koordinieren

8
Aktionen

• Futter sammeln
• Nahrung wird nur von der aktuell besetzten Zelle
  aufgenommen
• der Agent nimmt nicht mehr als gatherAmount auf
  und lässt gatherRest zurück (einstellbare
  Parameter)
• Bewegen
• der Agent kann sich auf eine der acht
  benachbarten Zellen bewegen, falls diese frei ist
• ein Untergebener muss die Zelle wählen, die am
  nächsten an dem Ziel liegt, dass der Koordinator
  ihm vorgegeben hat

9

• Fortpflanzen und Mutieren
• ist ein Agent alt genug (gt pubertyAge), kann er
  Nachkommen erzeugen (asexuell)
• er gibt dem Kind einen initialen Betrag an
  Nahrung (childFood) mit und setzt ihn auf eine
  leere Zelle in der Nachbarschaft
• Attribute des Agenten können mit leichten
  Modifikationen an die Kinder weitergegeben werden
  (Mutation) die Modifikation ist eine Zufallszahl
  aus einem Dreiecksgraphen

Wahrscheinlichkeit
Attributmodifikation
10

• Koordinieren und Unterordnen
• ein einfacher Agent kann sich als (möglicher)
  Koordinator deklarieren
• danach können sich ihm andere Agenten unterordnen
• Untergebene teilen ihrem Koordinator mit, was sie
  sehen
• Koordinatoren geben ihren Untergebenen Hinweise,
  welche Zellen vielversprechend sind
• der Nahrungsbedarf eines Koordinators ist höher,
  als der eines einfachen Agenten oder Untergebenen
• Untergebene zahlen ihrem Koordinator Tribut
  (coordinatorContribution)
• ein Untergebener merkt sich, welche Vorteile es
  ihm bringt, koordiniert zu werden
• sowohl Koordinatoren als auch Untergebene können
  die Beziehung lösen
• Ruhen

11
Bedürfnisbefriedigung

•  jede Aktion hat Auswirkungen auf bestimmte
  Bedürfnisse
• bei direkter Beeinflussung wird der
  Befriedigungsgrad über eine spezielle Formel
  berechnet
• besteht kein direkter Zusammenhang zwischen
  Aktion und Bedürfnis, wird eine Standardformel
  verwendet
• Grad der Befriedigung ist reelle Zahl zwischen 0
  und 1

12

• Befriedigung sat(i,j) der Bedürfnisse (j1...J)
  durch mögliche Aktionen (i1...I)
• Bedürfnisse sind unterschiedlich gewichtet
• die Gesamtbefriedigung für Aktion i ist die
  gewichtete Summe der einzelnen Befriedigungen
  sat(i,j)
• Berechnung der Wahrscheinlichkeiten für die
  Aktionen
• die kleinste Summe wird von allen anderen Summen
  abgezogen
• Differenzen werden durch die Summe der
  Differenzen geteilt
• die Aktion mit geringster Wahrscheinlichkeit wird
  nie ausgewählt, alle anderen mit der errechneten
  Wahrscheinlichkeit

13
Die Experimente

• laufen in einem 80 x 60 Gitter und starten mit
  300 Agenten
• langsames Pflanzenwachstum (niedriger
  Inkrementwert)
• Koordination, sobald sie auftaucht, bleibt über
  lange Zeit stabil
• Mutation ist ausgeschaltet

14
Die Ergebnisse

• Durchschnittliches Nahrungsangebot, Überleben und
  Aussterben
• die Variante mit Koordination erweist sich als
  nachhaltiger
• in unkordinierter Variante bleibt Anzahl der
  Agenten länger hoch, nimmt dann aber schnell bis
  auf 0 ab

Anzahl Agenten
t
15

• das Nahrungsangebot ist zu jeder Zeit höher als
  in der unkoordinierten Variante

Futtereinheiten
t
16

• in der unkordinierten Variante beuten die Agenten
  ihre Umwelt doppelt so stark aus (zwischen t 20
  und t 40)
• am Ende ist das Nahrungsangebot in der
  koordinierten Variante noch ausreichend, während
  es in der unkoordinierten auf 0 absinkt

Futtereinheiten
t
17

• Koordinatoren und Untergeordnete
• in guten Zeiten sind einfache Agenten besser dran
  als Koordinatoren oder Untergebene (t 5.050 und
  t 5.650)
• in schlechten Zeiten sind Koordinatoren am besten
  dran

Futtereinheiten
t
18
Eigene Implementation

• torusförmige Welt aus diskreten Zellen
• rundenbasierte Simulation
• Pflanzen wachsen stetig nach (kein Mindestwert)
• kein Pflanzensamen
• Agenten handeln nach Regeln der Form IF
  condition THEN action
• asexuelle Fortpflanzung
• Koordination findet auf Grundlage der
  Populationskontrolle statt

19

• Verhalten der Simulation kann über verschiedene
  Parameter beeinflusst werden
• minEnergy Energiewert, unter dem der Agent auf
  Futtersuche geht
• reproductionThreshold Energiewert, über dem der
  Agent sich fortpflanzen darf
• energyPerRound Energie, die der Agent pro Runde
  verbraucht
• energyPerStep Energie, die der Agent pro Schritt
  verbraucht
• maxLifeTime Anzahl an Runden, die der Agent lebt
  (0 unsterblich)
• visualRange Sichtweite des Agenten
• reproductionFraction Fortpflanzung ist nur
  erlaubt, wenn max. 1/reproductionFraction der
  Zellen im Erinnerungsspeicher eines Agenten
  besetzt sind
• Coordination legt fest, ob Koordination
  stattfindet oder nicht
• energyIncrement Inkrementwert für das
  Pflanzenwachstum

20
Keine Populationskontrolle
flach
hierarchisch
(blau), Anzahl Koordinatoren (rot), Anzahl
Untergebene (grau)
21
Ähnlich starke Ausbeutung der Umwelt
flach
hierarchisch
22
Mit Populationskontrolle
flach
hierarchisch
(blau), Anzahl Koordinatoren (rot), Anzahl
Untergebene (grau)
23
Flache Variante weniger nachhaltig als
koordinierte
flach
hierarchisch
24
Quellen

• Agents, Hierarchies and Sustainability
• Andreas König, Michael Möhring, Klaus G.
  Troitzsch
• www.uni-koblenz.de/kgt/Rostock
• Eine Multi-Agenten-Simulationsumgebung zur
  Untersuchung von Hierarchiebildung und
  Nachhaltigkeit
• Diplomarbeit von Andreas König
• www.koenig-andreas.de

25
Ende

• Von André Preußner
• www.informatik.tu-cottbus.de/apreussn
• Vortrag im Rahmen des Seminars
• Artificial Life
• Prof. Winfried Kurth
• Lehrstuhl Grafische Systeme BTU Cottbus