EvoFlock은 다중 에이전트 운동 모델을 조정하는 자동화된 방법론을 제시합니다. 새 떼의 행동을 시뮬레이션하는 것은 새 떼, 인파, 차량 교통 등 다양한 분야에서 널리 사용됩니다. 연구진은 유전 알고리즘을 활용하여 사용자가 정의한 목표 함수를 최적화하여 원하는 그룹 행동을 달성합니다. 특히, 새 떼의 정렬은 이웃과의 적절한 간격 유지에서 비롯되는 것으로 나타났습니다.
EvoFlock은 새 떼의 행동을 시뮬레이션하는 모델의 제어 파라미터를 조정하는 데 어려움을 겪는 문제를 해결합니다. 기존 방식은 파라미터 간의 복잡하고 비선형적인 상호작용으로 인해 원하는 행동 변화를 얻기 어렵고, 하나의 측면을 변경하면 다른 측면도 예상치 못하게 변하는 문제가 있었습니다. EvoFlock은 이러한 문제를 해결하기 위해 역설계 접근 방식을 채택했습니다.
연구진은 적절한 간격 유지, 원하는 속도 유지, 장애물 회피를 보상하는 목표 함수를 사용하여 새 떼의 행동을 측정하고 최적화했습니다. 이 방법론은 새 떼, 인파, 차량 교통 등 다양한 다중 에이전트 시스템의 행동 모델링에 적용될 수 있습니다.