Interaction as an evolutionary characteristic in a population modeled by cellular automata and genetic algorithm

Autor: Sergio, Abimael Rodrigues
Přispěvatelé: Schimit, Pedro Henrique Triguis, Oliveira, Pedro Paulo Balbi de, Pereira, Fabio Henrique, Sassi, Renato José
Jazyk: portugalština
Rok vydání: 2019
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da Uninove
Universidade Nove de Julho (UNINOVE)
instacron:UNINOVE
Popis: Submitted by Nadir Basilio (nadirsb@uninove.br) on 2022-08-08T20:42:28Z No. of bitstreams: 1 Abimael Rodrigues Sergio.pdf: 3144078 bytes, checksum: 00a4aecd85ab87a7174f923322873b6a (MD5) Made available in DSpace on 2022-08-08T20:42:28Z (GMT). No. of bitstreams: 1 Abimael Rodrigues Sergio.pdf: 3144078 bytes, checksum: 00a4aecd85ab87a7174f923322873b6a (MD5) Previous issue date: 2019-06-17 When the game theory was applied to the evolution of populations in biology, evolutionary game theory was born. Since its rst formalization with John Maynard Smith and George R. Price in 1973, an individual's strategy has been the key to population evolution. That is, the strategy of an individual in a given game was the information that evolved in the population. In this paper, we expand the characteristics of the individual who evolve, and beyond the strategy, the number of games started by the individual, as well as the maximum radius of interaction with their neighbors also evolve. Individuals and the process of population renewal are based on evolutionary characteristics of the genetic algorithm, and strategy, the number of games and interaction radius are considered as the chromosome of the individual. The population is modeled by a continuous probabilistic cellular automata, and the interactions between individuals modeled by two classic games: prisoner's dilemma and hawk-dove. Finally, two rules for updating the death-birth process are responsible for population renewal. The objective of this work was to verify how the characteristics of individuals evolve along with the population and how the population mutation rate in uenced the population evolution. Five computational experiments were performed to verify the temporal evolution, the in uence of the mutation rate on the number of games and radius of movement, the concentration of the individuals as a function of their movement and radius of operation, the distribution of the individuals on the cellular automata and the number of games and level of cooperation. We observed that the best strategic responses were in uenced by the type of game, and population renewal dynamics. In addition, the spatial distribution of individuals was also in uenced by these factors. Quando a teoria de jogos foi aplicada para a evolução de populações em biologia, nasceu a teoria de jogos evolucionários. Desde sua primeira formalização, com John Maynard Smith e George R. Price, em 1973, a estratégia de um indivíduo era a peça-chave na evolução da população. Ou seja, a estratégia de um indivíduo em determinado jogo era a informação que evoluía na população. Neste trabalho, expande-se as características do indiv íduo que evoluem, e além da estratégia, a quantidade de jogos iniciados pelo indivíduo, assim como o raio máximo de interação com seus vizinhos também evoluem. Os indiví- duos e o processo de renovação da população são baseados em características evolutivas do algoritmo genético, sendo que estratégia, quantidade de jogos e raio de interação são consideradas como o cromossomo do indivíduo. A população é modelada por um autô- mato celular probabilista contínuo, e as interações entre indivíduos modeladas por dois jogos clássicos: dilema do prisioneiro e falcão-pomba. Por m, duas regras de atualização do processo de morte-nascimento são responsáveis pela renovação da população. O objetivo do trabalho foi veri car como as características dos indivíduos evoluem junto com a população e como a taxa de mutação da população in uenciou a evolução populacional. Foram realizados cinco experimentos computacionais para veri car a evolução temporal, in uência da taxa de mutação sobre a quantidade de jogos e raio de movimentação, a concentração dos indivíduos em função de sua movimentação e raio de atuação, a distribui ção dos indivíduos no autômato celular e o número de jogos e nível de cooperação. Observou-se que as melhores respostas estratégicas foram in uenciadas pelo tipo do jogo, e dinâmica de renovação da população. Além disso, a distribuição espacial dos indivíduos também foi in uenciada por esses fatores.
Databáze: OpenAIRE
Externí odkaz: