MIT: Πώς αποφασίζουν τα μυρμήγκια προς τα που θα μετακινήσουν τις φωλιές τους; Μπορεί το συγκεκριμένο ερώτημα να διδάξει ένα από τα μεγαλύτερα τεχνολογικά πανεπιστήμια; Οι επιστήμονες πληροφορικής αναζητούν αποτελεσματικούς τρόπους για να συλλέξουν δεδομένα από κατανεμημένα δίκτυα αισθητήρων, και σύμφωνα με τους ερευνητές του MIT τα μυρμήγκια μπορούν να βοηθήσουν.
Αποδεικνύεται ότι η συχνότητα με την οποία τα μυρμήγκια εξερευνούν και συγκρούονται μεταξύ τους καθώς περιπλανώνται ψάχνοντας για μια νέα αποικία, είναι μια πολύ καλή ένδειξη για το πως θα πρέπει να αναζητούν οι ερευνητές.
Όταν μαζευτούν πολλά μυρμήγκια σε μια φωλιά, οι εργαζόμενοι στην αποικία των μυρμηγκιών σηκώνουν την βασίλισσα και την μεταφέρουν στην επιλεγμένη τοποθεσία, αναφέρει ο Cameron Musco, ένας μεταπτυχιακός φοιτητής του MIT στο τμήμα ηλεκτρολογίας και επιστήμης των υπολογιστών.
Ο ερευνητής με την ομάδα του, εξέτασε τα μαθηματικά πίσω από την συμπεριφορά των μυρμηγκιών αναζητώντας ένα αποτελεσματικό τρόπο εκτίμησης της πυκνότητας του πληθυσμού.
Η περιαγωγή και οι πιθανές προσκρούσεις σε αυτά που οι ερευνητές αποκαλούν τυχαίους περιπάτους, δίνει στα μυρμήγκια μια αίσθηση του πόσο μια κρίσιμη μάζα άλλων μυρμηγκιών ενδιαφέρονται για την ανεύρεση νέας αποικίας.
Ο Musco και οι συνεργάτες του μιμήθηκαν τη συμπεριφορά των μυρμηγκιών “με ένα μαθηματικό μοντέλο με τυχαίες βόλτες στην οποία μια περιοχή χωρίζεται σε ένα πλέγμα κόμβων, και κάθε κόμβος συνδέεται με μια σειρά από άλλους κόμβους. Στο τυχαίο περίπατο το μοντέλο των μυρμηγκιών που δημιούργησαν μπορούσε να κινηθεί σε οποιοδήποτε άλλο κόμβο που συνδέεται με αυτόν στο οποίο βρίσκονται, συμπεριλαμβανομένου και αυτού που άφησαν.
Σχετικά γρήγορα, η συχνότητα με την οποία τρέχουν τα μυρμήγκια προσφέρει μια αξιόπιστη εκτίμηση για το πόσα πολλά άλλα μυρμήγκια βρίσκονται στην περιοχή, σύμφωνα με τον αλγόριθμο που ανέπτυξε η ομάδα.
Οι ερευνητές αναφέρουν ότι οι τυχαίοι περίπατοι μπορούν να παράγουν εκτιμήσεις περίπου τόσο ακριβής όσο και η τυχαία δειγματοληψία, με την οποία δημοσκοπούν μια σειρά από τυχαία επιλεγμένους κόμβους σε ένα δίκτυο. Αυτό καθιστά τη μέθοδο πολύ χρήσιμη σε δίκτυα όπου είναι αδύνατο να δοκιμάσετε τυχαία, επειδή δεν υπάρχει πλήρης κατάλογος των στοιχείων του δικτύου.
Για παράδειγμα, θα μπορούσε να χρησιμοποιηθεί αν κάποιος ήθελε να βρει τις πολιτικές πεποιθήσεις των μελών ενός κοινωνικού δικτύου για το οποίο δεν υπάρχει διαθέσιμη κάποια λίστα μελών, καθιστώντας αδύνατο το να δημιουργηθεί ένα τυχαίο δείγμα. Ένας τυχαίος περίπατος θα μπορούσε να δώσει τις πληροφορίες με τη μετάβαση από ένα άτομο στις επαφές του προσώπου αυτού, στις επαφές τους και ούτω καθεξής, καταμετρώντας ας πούμε Δημοκρατικούς και Ρεπουμπλικάνους.
Διαβάστε περισσότερα:
http://news.mit.edu/2016/ant-colony-behavior-better-algorithms-network-communication-0713
