利用人工智能探索斑马迁徙过程的可行性研究

《Mathematics and Computers in Simulation》:Feasibility study of using artificial intelligence to explore the process of zebra migration

【字体: 时间:2025年11月30日 来源:Mathematics and Computers in Simulation 4.4

编辑推荐:

  迁徙路径优化|遗传算法|种群规模|突变率|生态模拟

  
陈珊|丁远昭
新加坡南洋理工大学国立教育学院教育中心学习科学系,新加坡城市637616

摘要

理解并预测动物的迁徙路径至关重要。只有掌握了这些知识,科学家才能帮助保护动物并更好地维护它们的栖息地。以斑马的迁徙为例,本研究利用一种革命性的遗传算法方法模拟并解释了斑马迁徙模式的演变过程。通过这项技术,我们发现只有当斑马种群数量较大且突变率适中时,迁徙路线的演变才会更加顺畅。本文展示了利用遗传算法来理解和优化动物迁徙路径的可行性,这将对未来的动物保护工作产生重大影响。

引言

了解动物物种如何选择、适应和优化它们的迁徙路线是生物多样性保护的核心问题。迁徙在维持生态系统平衡、遗传多样性和物种在动态环境条件下的生存方面发挥着重要作用[1]。准确掌握迁徙行为有助于科学家和政策制定者更好地设计保护区及野生动物走廊,从而支持物种的长期保护[2]。尽管卫星追踪和野外观察数据不断增多,揭示了动物的迁徙路径,但物种如何通过世代传递和优化这些路径的机制仍然是生态学研究中的未解之谜。
在这项研究中,斑马被选为模型生物,因为它们在非洲有着典型的迁徙行为[3]。斑马会在广阔的地域中进行季节性迁徙,尤其是在塞伦盖蒂地区[4]。虽然这些迁徙路线现已被清晰地绘制出来,但斑马如何通过认知和进化过程学习、适应并优化迁徙路线的机制仍不甚明了。有一种假说认为,斑马继承了一种集体空间记忆,能够将环境知识代代相传[5]。然而,针对这一学习和适应过程的实证研究仍然有限。为填补这一空白,本研究聚焦于塞伦盖蒂国家公园中记录详尽的斑马迁徙现象[6],[7],试图揭示可能影响路线形成和优化的潜在进化行为。
本研究运用了人工智能技术[8],特别是遗传算法[9],[10],包括轨迹规划、传感器网络优化和控制系统设计[11]。然而,这些技术在模拟动物迁徙进化中的应用仍然有限,这为计算智能与行为生态学之间的结合提供了机会。
为了解决这一问题,本研究将遗传算法与生态建模相结合,模拟斑马如何通过世代学习和适应来演变和优化它们的迁徙路线(见表1)。以塞伦盖蒂国家公园的斑马迁徙为例,将迁徙视为一个优化问题,其中路线效率在连续的模拟世代中逐渐提高。本研究分析了两个核心参数——种群规模和突变率——以确定它们对迁徙路线优化速度和稳定性的影响。因此,本研究的目标是:(1)利用进化计算模拟斑马迁徙路线的适应性进化;(2)识别最能塑造高效迁徙行为的遗传算法参数。
本文的其余部分安排如下:第2节描述了材料和方法,包括塞伦盖蒂迁徙数据集、基于遗传算法的模拟框架和参数设置;第3节展示了模拟结果,强调了种群规模和突变率对迁徙路线优化的影响;第4节讨论了这些发现对生态理论和保护实践的意义;最后,第5节总结了研究的主要贡献、局限性及未来研究的方向。

部分摘录

塞伦盖蒂国家公园与迁徙路线

著名的塞伦盖蒂国家公园位于东非的坦桑尼亚[4],[13]。每年大约有150万只角马和25万只斑马在公园内进行季节性迁徙[7]。斑马通常在2月左右聚集在公园的南部,然后在5月迁移到公园的东部,接着在8月和9月向北迁移到肯尼亚的马斯艾马拉地区。在迁徙的最后阶段,斑马会继续前行……

不同种群规模下的迁徙路线演变

本研究首先选取了一个相对有利的情景来展示模拟的潜力。当种群规模设为1000,突变指数固定为0.1时,斑马能够逐步发现并优化它们的迁徙路线。图3展示了多代模拟过程中路线效率的明显提升。
如图3所示,出现了三种关键模式:

种群规模在斑马进化中的作用

为什么有些斑马选择群居而有些喜欢独居,长期以来一直是学术界争论的话题。本研究从遗传算法的角度提出了一个解释:较大的斑马种群提供了更多的交配机会,这有助于优化与生存和迁徙相关的特征。在较大的群体中(例如包含1000只个体的群体),斑马可以选择对后代有益的配偶特征……

结论

本研究存在一些局限性,例如无法考虑现实世界中的地理限制(如山脉或无法穿越的河流),这些因素可能导致模拟结果与实际迁徙模式产生偏差。基于简化模型,本研究利用遗传算法展示了斑马如何在非洲大陆上识别迁徙路线的漫长过程。从遗传和进化的角度来看,研究结果强调了种群规模的重要性……

作者贡献声明

丁远昭:撰写——审稿与编辑、撰写——初稿、验证、监督、软件开发、资源获取、项目管理、方法论设计、数据整理、概念构建。陈珊:数据可视化、软件开发、方法论设计。

伦理审批

不适用。

资金声明

本研究未获得任何资助机构(无论是商业机构还是非营利组织)的特定资助。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普
  • 急聘职位
  • 高薪职位

知名企业招聘

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号