Образец для цитирования:

Иванко Е. Е., Червинский С. . Исследование выживаемости модельной популяции в зависимости от стратегии энергообмена между организмами // Изв. Сарат. ун-та. Нов. сер. Сер. Математика. Механика. Информатика. 2020. Т. 20, вып. 2. С. 241-256. DOI: https://doi.org/10.18500/1816-9791-2020-20-2-241-256


Опубликована онлайн: 
01.06.2020
Язык публикации: 
русский
Рубрика: 
УДК: 
519.688:519.876.5

Исследование выживаемости модельной популяции в зависимости от стратегии энергообмена между организмами

Аннотация: 

В работе исследуется влияние стратегии энергообмена между организмами популяции на выживаемость данной популяции в постепенно изменяющейся внешней среде. На первом этапе вычислительных экспериментов определяется «пограничная» область в пространстве двух параметров (скорости мутации и скорости подачи энергии в систему), внутри которой выживаемость популяций с нулевым энергообменом лежит в интервале от 5 до 95% (т. е. выявляются условия эксперимента, лежащие между условиями, характернымидля вероятного вымирания, и условиями, обеспечивающими
уверенное процветание популяции). На втором этапе на основе случайной выборки параметров эксперимента из пограничной области строится зависимость выживаемости модельных популяций от доли энергии, передаваемой при взаимодействии от организма с большей энергией к организму с меньшей (уровня «альтруистичности»). Проведенные эксперименты демонстрируют: 1) положительное влияние альтруистического энергообмена (организм с большей энергией выступает донором) на выживаемость популяции и 2) отсутствие существенного влияния на выживаемость популяции пропорции, в которой делится энергия между родительским и новорожденным организмом. Полученные результаты могут представлять интерес при построении искусственных популяций, например, при проектировании роев медицинских нанороботов или при разработке эволюционных метаэвристических алгоритмов для решения разнообразных оптимизационных задач.

Библиографический список

1. Lorenz E. N. Deterministic nonperiodic flow // Journal of the Atmospheric Sciences. 1963. Vol. 20, № 2. P. 130–141.
2. Bak P., Tang C., Wiesenfeld K. Self-organized criticality: An explanation of the 1/f noise // Phys. Rev. Lett. 1987. Vol. 59, iss. 4. P. 381–384. DOI: https://doi.org/10.1103/PhysRevLett.59.381
3. May R. Simple mathematical models with very complicated dynamics // Nature. 1976. Vol. 261, № 5560. P. 459–467. DOI: https/doi.org/10.1038/261459a0
4. Collier N. RePast: An extensible framework for agent simulation // Natural Resources and Environmental Issues. 2001. Vol. 8. Article 4. URL: https://digitalcommons.usu.edu/nrei/vol8/iss1/4 (дата обращения: 07.03.2019).
5. Tisue S., Wilensky U. NetLogo: A simple environment for modeling complexity // International Conference on Complex Systems. 2004. Vol. 21. P. 16–21.
6. Luke S., Cioffi-Revilla C., Panait L., Sullivan K., Balan G. Mason: A multiagent simulation environment // Simulation. 2005. Vol. 81, № 7. P. 517–527. DOI: https://doi.org/10.1177/0037549705058073
7. Trevorrow A., Rokicki T., Hutton T., Greene D., Summers J., Verver M. Golly – a game of life simulator. URL: http://golly.sourceforge.net/ (дата обращения: 07.03.2019).
8. Sayama H. PyCX: A Python-based simulation code repository for complex systems education // Complex Adaptive Systems Modeling. 2013. Vol. 1. P. 2. DOI: https://doi.org/10.1186/2194-3206-1-2
9. Waldrop M. M. Complexity: The Emerging Science at the Edge of Order and Chaos. N. Y. : Simon & Schuster, 1992. 380 p.
10. Sayama H. Introduction to the Modeling and Analysis of Complex Systems. N. Y. : SUNY Binghamton, 2015. 478 p.
11. Hamann H. Swarm Robotics: A Formal Approach. N. Y. : Springer International Publishing, 2018. 210 p. DOI: https://doi.org/10.1007/978-3-319-74528-2
12. Fitzhugh R. Impulses and Physiological States in Theoretical Models of Nerve Membrane // Biophysical Journal. 1961. Vol. 1, № 6. P. 445–466. DOI: https://doi.org/10.1016/S0006-3495(61)86902-6
13. Drossel B., Schwabl F. Self-organized criticality in a forest-fire model // Physica A : Statistical Mechanics and its Applications. 1992. Vol. 191, № 1. P. 47–50. DOI: https://doi.org/10.1016/0378-4371(92)90504-J
14. Strogatz S. Sync: The Emerging Science of Spontaneous Order. N. Y. : Penguin, 2004. 339 p.
15. Wolfram S. A New Kind of Science. N. Y. : Wolfram Media, 2002. 1197 p.
16. Bjorner A., Lovasz L., Shor P. W. Chip-firing games on graphs // European Journal of Combinatorics. 1991. Vol. 12, № 4. P. 283–291. DOI: https://doi.org/10.1016/S0195-6698(13)80111-4
17. Clifford P., Sudbury A. A model for spatial conflict // Biometrika. 1973. Vol. 60, № 3. P. 581–588. DOI: https://doi.org/10.1093/biomet/60.3.581
18. Kagel H. J., Roth E. A. The Handbook of Experimental Economics. N. J. : Princeton Univ. Press, 1997. 744 p.
19. Levin S. A. Public goods in relation to competition, cooperation, and spite // PNAS. 2014. Vol. 111 (Supplement 3). P. 10838–10845. DOI: https://doi.org/10.1073/pnas.1400830111
20. Obolski U., Lewin-Epstein O., Even-Tov E., Ram Y., Hadany L. With a little help from my friends: cooperation can accelerate the rate of adaptive valley crossing // BMC Evolutionary Biology. 2017. Vol. 17. Article 143. DOI: https://doi.org/10.1186/s12862-017-0983-2
21. Pfeiffer T., Bonhoeffer S. An evolutionary scenario for the transition to undifferentiated multicellularity // PNAS. 2003. Vol. 100, № 3. P. 1095–1098. DOI: https://doi.org/10.1073/pnas.0335420100
22. Kreft J.-U. Biofilms promote altruism // Microbiology. 2004. Vol. 150, iss. 8. P. 2751–2760. DOI: https://doi.org/10.1099/mic.0.26829-0
23. Cesta A., Miceli M., Rizzo P. Coexisting agents: Experiments on basic interaction attitude // Journal of Intelligent Systems. 2001. Vol. 11, iss. 1. P. 1–42. DOI: https://doi.org/10.1515/JISYS.2001.11.1.1
24. Ivanko E. Is evolution always “egolution”: Discussion of evolutionary efficiency of altruistic energy exchange // Ecological Complexity. 2018. Vol. 34. P. 1–8. DOI: https://doi.org/10.1016/j.ecocom.2018.02.001
25. Hamilton W. D. The genetical evolution of social behaviour // Journal of Theoretical Biology. 1964. Vol. 7, № 1. P. 1–52. DOI: https://doi.org/10.1016/0022-5193(64)90038-4
26. Trivers R. L. The evolution of reciprocal altruism // The Quarterly Review of Biology. 1971. Vol. 46, № 1. P. 35–57. DOI: https://doi.org/10.1086/406755
27. Axelrod R., Hamilton W. D. The evolution of cooperation // Science. 1981. Vol. 211, № 4489. P. 1390–1396. DOI: https://doi.org/10.1126/science.7466396
28. Nowak M. A. Five rules for the evolution of cooperation // Science. 2006. Vol. 314, iss. 5805. P. 1560–1563. DOI: https://doi.org/10.1126/science.1133755
29. Stuart A., West A., Griffin S., Gardner A. Evolutionary explanations for cooperation // Current Biology. 2007. Vol. 17, iss. 16. P. R661–R672. DOI: https://doi.org/10.1016/j.cub.2007.06.004
30. Lewin-Epstein O., Aharonov R., Hadany L. Microbes can help explain the evolution of host altruism // Nature Communications. 2017. Vol. 8. Article 14040. DOI: https://doi.org/10.1038/ncomms14040
31. Esteban-Fernandez de ´ Avila B., Angsantikul P., Ram ´ ´ırez-Herrera D. E., Soto F., Teymourian H., Dehaini D., Chen Y., Zhang L., Wang J. Hybrid biomembrane–functionalized nanorobots for concurrent removal of pathogenic bacteria and toxins // Science Robotics. 2018. Vol. 3, iss. 18, eaat0485. DOI: https://doi.org/10.1126/scirobotics.aat0485
32. Morice C. P., Kennedy J. J., Rayner N. A., Jones P. D. Quantifying uncertainties in global and regional temperature change using an ensemble of observational estimates: The HadCRUT4 dataset // Journal of Geophysical Research : Atmospheres. 2012. Vol. 117. D08101. DOI: https://doi.org/10.1029/2011JD017187
33. Makeham W. M. On the Law of Mortality and the Construction of Annuity Tables // The Assurance Magazine, and Journal of the Institute of Actuaries. 1860. Vol. 8, № 6. P. 301–310. DOI: https://doi.org/10.1017/S204616580000126X
34. MacArthur R. H., Wilson E. O. The theory of island biogeography. N. J. : Princeton Univ. Press, 2001. 224 p.
35. Aurenhammer F., Klein R., Lee D.-T. Voronoi Diagrams and Delaunay Triangulations. N. J. : World Scientific Publishing, 2013. 348 p.
36. Uran cluster. URL: http://parallel.uran.ru/node/419 (дата обращения: 07.03.2019).
37. Simon D. Evolutionary Optimization Algorithms. N. Y. : Wiley, 2013. 772 p.
38. Schapire R. E., Freund Y. Y. Boosting: Foundations and Algorithms. Cambridge : The MIT Press, 2012. 544 p.

Полный текст в формате PDF: