플로킹

떼지어 다니는 것은 떼라고 불리는 새들이 먹이를 찾거나 날고 있을 때 나타나는 행동입니다. 양과 염소도 떼를 지어 다니는 행동을 보입니다.

새들의 떼지어 다니는 행동을 모방하기 위해 개발된 컴퓨터 시뮬레이션과 수학적 모델은 일반적으로 다른 종의 "떼지어 다니는" 행동에도 적용될 수 있습니다. 그 결과, 컴퓨터 과학에서는 물고기, 박테리아, 곤충과 같은 많은 생물들이 보여주는 집단적인 동물 행동인 자주적인 개체들의 집단적인 움직임을 의미하기 위해 새 이외의 종에도 "플로킹"이라는 용어가 적용되기도 합니다.^[1]

플로킹은 개인이 따르고 어떠한 중앙 조정도 수반하지 않는 단순한 규칙에서 발생하는 새로운 행동으로 간주됩니다.

자연속에서

물고기의 포복 행동, 곤충의 무리 행동, 육지 동물의 무리 행동과 유사점이 있습니다. 겨울 동안 찌르레기는 수백에서 수천 마리의 개체로 구성된 거대한 무리로 뭉치는 것으로 알려져 있으며, 이들이 함께 비행할 때 관찰자 위의 하늘에 흥미로운 소용돌이 패턴을 크게 보여줍니다.

1987년 크레이그 레이놀즈(Craig Reynolds)가 자신의 시뮬레이션 프로그램인 보이즈(Boids)로 컴퓨터에서 플로킹 동작을 시뮬레이션했습니다.^[2] 이 프로그램은 일련의 기본 규칙에 따라 이동이 허용되는 단순 에이전트(보이드)를 시뮬레이션합니다. 그 결과는 새 떼, 물고기 떼 또는 곤충 떼와 유사합니다.^[3]

측정.

초고속 카메라를 이용하여 새떼가 몰려드는 것을 측정하였으며^[4], 아래에서 언급하는 간단한 떼내기 규칙을 시험하기 위한 컴퓨터 분석이 이루어졌습니다. 새떼의 경우 일반적으로 맞는 것으로 나타났지만, 긴 거리 유인 규칙(cohesion)은 떼떼새의 가장 가까운 이웃 5-10개에 적용되며 이 이웃들과 새떼새의 거리와는 무관합니다. 또한 이러한 응집 경향에 대해서는 이방성이 존재하며, 앞이나 뒤가 아닌 이웃을 향해 더 많은 응집력이 나타납니다. 이것은 날아다니는 새의 시야가 직접 앞이나 뒤로 향하기보다는 옆으로 향하기 때문일 것입니다.

또 다른 최근 연구는 로마 상공의 무리들의 고속 카메라 영상 분석을 기반으로 하며, 최소한의 행동 규칙을 가정한 컴퓨터 모델을 사용합니다.^[5][6][7][8]

알고리즘.

규칙.

플로킹 동작의 기본 모델은 다음과 같은 세 가지 간단한 규칙에 의해 제어됩니다.

분리

혼잡한 이웃(근거리 반발력)을 피합니다.

정렬

이웃의 평균 방향으로 이동합니다.

응집력

이웃의 평균 위치로 조향(장거리 인력)

이 세 가지 단순한 규칙으로 무리는 매우 사실적인 방식으로 움직이며, 그렇지 않으면 만들기 매우 어려운 복잡한 움직임과 상호 작용을 만듭니다.

규칙 변형

기본 모델은 레이놀즈가 제안한 이후 몇 가지 다른 방식으로 확장되었습니다. 예를 들어, 델가도-마타 등.^[9] 기본 모델을 확장하여 공포의 영향을 통합했습니다. 후각은 자유 팽창 가스의 입자로 모델링된 페로몬을 통해 동물들 사이의 감정을 전달하는 데 사용되었습니다.

Hartman과 Benes는^[10] 그들이 리더십의 변화라고 부르는 정렬에 상호 보완적인 힘을 도입했습니다. 이 소는 새가 지도자가 되어 탈출을 시도할 기회를 정의합니다.

Hemelrijk와 Hildenbrandt는^[11] 매력, 정렬, 회피를 사용하여 실제 찌르레기의 여러 특성으로 이를 확장했습니다.

• 새들은 회전할 때 구르는 동안 고정된 날개 공기역학에 따라 날 수 있습니다(thus는 양력을 잃음).
• 그들은 (실제 찌르레기와 같은) 7명의 제한된 수의 상호작용 이웃과 조정합니다.
• 그들은 (새벽에 찌르레기들이 하는 것처럼) 잠자는 장소 위에 머무르려고 노력하고, 잠자는 장소에서 바깥쪽으로 이동할 때, 그들은 돌아서서 그곳으로 돌아옵니다.
• 넷째, 상대적으로 고정된 속도로 움직입니다.

저자들은 큰 무리 크기와 적은 수의 상호 작용 파트너뿐만 아니라 비행 행동의 세부 사항이 찌르레기 무리의 다양한 모양을 만드는 데 필수적이라는 것을 보여주었습니다.

복잡성

플로킹 시뮬레이션에서는 중앙 제어 장치가 없습니다. 각 새는 자율적으로 행동합니다. 즉, 각각의 새들은 자신의 환경으로 어떤 무리를 고려할지 스스로 결정해야 합니다. 일반적으로 환경은 일정한 반경( 도달 범위를 나타내는)을 가진 원(2D) 또는 구(3D)로 정의됩니다.^{[citation needed]}

플로킹 알고리즘의 기본 구현은 복잡성 $O{\displaystyle ({}^{}}$ ${\displaystyle {2\mathrm{}}^{}}$ ${\displaystyle$ O$(n^{2}}$ $$– 각 새는 환경에 속하는 새를 찾기 위해 다른 모든 새를 검색합니다.^{[improper synthesis?]}

개선 가능성:^{[citation needed]}

• 빈 lattice 공간 세분화. 무리가 이동할 수 있는 전체 지역은 여러 통으로 나누어져 있습니다. 각 통에는 어떤 새가 들어 있는지 저장합니다. 새가 한 통에서 다른 통으로 이동할 때마다 격자를 업데이트해야 합니다.
  • 예: 2D(3D) 플로킹 시뮬레이션에서 2D(3D) 그리드.
  • 복잡도: $O{\displaystyle (}$${\displaystyle \mathrm{n}}$ k${\displaystyle )}$ ${\displaystyle$ O$(n$ k$)\},$ k는 고려해야 할 주변 빈의 수이다. $O{\displaystyle (}$ 1${\displaystyle )}$ ${\displaystyle O( 1)}$에서 새 빈이 발견된 경우

Lee Spector, Jon Klein, Chris Perry, Mark Feinstein은 진화 계산 시스템에서 집단 행동의 출현을 연구했습니다.^[12]

버나드 샤젤(Bernard Chazelle)은 각 새들이 고정된 반경 내에서 다른 새들에 대한 속도와 위치를 조정한다는 가정 하에 정상 상태로 수렴하는 데 걸리는 시간은 새들의 수에서 높이 로그의 반복되는 지수임을 증명했습니다. 이는 새의 수가 충분히 많으면 수렴 시간이 매우 커서 무한히 존재할 수 있다는 것을 의미합니다.^[13] 이 결과는 정상 상태로의 수렴에만 적용됩니다. 예를 들어, 무리의 가장자리에서 공중으로 발사되는 화살은 전체 무리가 이웃과의 상호작용으로 설명될 수 있는 것보다 더 빠르게 반응하게 할 것이고, 이는 새의 중추신경계인 새에서 새로 가는 것의 시간 지연으로 인해 느려집니다.

적용들

독일의 쾰른에서, 리즈 대학의 두 생물학자가 사람들에게 떼와 같은 행동을 보여주었습니다. 무리의 사람들은 무리의 행동 패턴과 매우 유사한 행동 패턴을 보였는데, 무리의 5%가 방향을 바꾸면 다른 무리들이 그를 따를 것입니다. 한 사람이 포식자로 지정되고 다른 모든 사람들이 그를 피하려고 할 때 양떼는 물고기 떼처럼 행동했습니다.^[14]

플로킹은 무인 항공기(UAV)의 행동을 제어하는 수단으로도 간주되어 왔습니다.^[15]

플로킹은 스크린세이버에서 일반적인 기술이며 애니메이션에서 사용되는 것을 발견했습니다. 플로킹은 더 현실적으로 움직이는 군중을 생성하기 위해 많은 영화에서^[16] 사용되었습니다. 팀 버튼의 배트맨 리턴즈(1992)는 떼지어 다니는 박쥐들을 특징으로 했습니다.^{[improper synthesis?]}

플로킹 동작은 다른 흥미로운 응용 프로그램에 사용되었습니다. 인터넷 다채널 라디오 방송국 자동 프로그램에 적용되었습니다.^[17] 또한^[18] 정보를 시각화하고 최적화 작업에 사용되었습니다.^[19]

참고 항목

• 군중
• 펠로톤(도로 자전거 경주)

참고문헌

기타출처

• Bouffanais, Roland (2016). Design and Control of Swarm Dynamics. SpringerBriefs in Complexity. Springer Singapore. doi:10.1007/978-981-287-751-2. ISBN 9789812877505.
• Cucker, Felipe; Steve Smale (2007). "The Mathematics of Emergence" (PDF). Japanese Journal of Mathematics. 2: 197–227. doi:10.1007/s11537-007-0647-x. S2CID 2637067. Retrieved 2008-06-09.
• Shen, Jackie (Jianhong) (2008). "Cucker–Smale Flocking under Hierarchical Leadership". SIAM J. Appl. Math. 68 (3): 694–719. arXiv:q-bio/0610048. doi:10.1137/060673254. S2CID 14655317. Retrieved 2008-06-09.
• Fine, B.T.; D.A. Shell (2013). "Unifying microscopic flocking motion models for virtual, robotic, and biological flock members". Auton. Robots. 35 (2–3): 195–219. doi:10.1007/s10514-013-9338-z. S2CID 14091388.
• Vásárhelyi, G.; C. Virágh; G. Somorjai; T. Nepusz; A.E. Eiben; T. Vicsek (2018). "Optimized flocking of autonomous drones in confined environments". Science Robotics (published 18 July 2018). 3 (20): eaat3536. doi:10.1126/scirobotics.aat3536. PMID 33141727.

외부 링크

• Craig Reynolds' Boids 페이지
• Iztok Lebar Bajec의 퍼지 논리 기반 플로킹 출판물
• 찌르레기의 수군거림 (BBC 비디오)
• 드론 비행, 노퍽 찌르레기의 중얼거림 포착 (BBC 비디오)