مورچه‌های سرگردان الهام‌بخش محاسبات شبکه‌ای
به گزارش گروه علم و فناوری آنا به نقل از گیزمگ، گروهی از محققان علوم کامپیوتری و آزمایشگاه هوش مصنوعی MIT با مطالعه روی مورچه‌ها به دنبال خلق نمونه‌ای از تجزیه و تحلیل شبکه‌های اجتماعی، تصمیم‌گیری جمعی میان جمعیت ربات‌ها و ارتباطات غیرمتمرکز و شبکه‌های بی‌سیم موردی هستند.
مطالعات صورت‌گرفته در مؤسسه MIT، این باور علمی قدیمی را تأیید می‌کند که مورچه‌ها تراکم جمعیتی خود را براساس فرکانسی تخمین می‌زنند که هنگام بررسی اطراف خود به سایر مورچه‌ها ضربه می‌زنند و برخورد می‌کنند. به نظر می‌رسد که این توانایی، نکته مهمی برای فعالیت‌های از قبیل تصمیم‌گیری برای احداث لانه جدید برای مورچه‌ها به شمار می‌رود.
محققان دریافتند اگر گروهی از افراد به طور اتفاقی در محیطی مشغول حرکت باشند، تعداد دفعاتی که آنها به یکدیگر برخورد می‌کنند، جایگزین تخمین تراکم جمعیت خواهد شد. آنها موازنه‌ای را بین محیط یک مورچه و یک شبکه ایجاد کردند. یکی از محققان که روی مورچه‌ها تحقیق می‌کند، کار خود را با مطالعه روی برخی سلول‌های شبکه آغاز کرد و یکی از سلول‌های مجاور را مورد هدف قرار داد و پس از آن به سلول‌های مجاور دیگر که از آن جدا شده است. در زبان آماری به آن «گشت تصادفی» می‌گویند. این محقق مورچه‌ها تعداد مورچه‌های حاضر در این سلول‌ها را که با هم برخورد می‌کنند، می‌شمارد.
محققان در این مطالعات، گشت تصادفی را با نمونه تصادفی مقایسه می‌کنند که در آن، زمان انتخاب تصادفی سلول‌ها را از شبکه و تعداد شمارش‌شده مورچه‌ها را در هر سلول بررسی می‌شود.
زمانی که شما حول یک شبکه راه می‌روید، معمولا به دیگران برخورد نمی‌کنید زیرا از تمام بخش‌های شبکه عبور نمی‌کنید. بنابراین، احتمال آن که با فردی در آن وسی شبکه برخورد داشته باشید به صفر می‌رسد ولی احتمال برخورد با افرادی که در نزدیکی شما حرکت می‌کنند بالاست.
محققان برای طراحی محیط مورچه‌ها، از ساختار داده‌های نموداری شامل دایره‌ها و کناره‌هایی استفاده کردند که بخش‌های خطی هستند که به گره‌های اتصالی وصل می‌شوند. در این شبکه، هر سلول یک گره به شمار می‌رود و کناره‌های آن تنها با سلول‌های مجاور مشترک می‌شوند.
در صورتی که این داده نموداری تنها با یک زنجیره از گره‌ها به درستی متصل نشود، هر یک از اتصال‌ها تنها به دو گره مجاور وصل می‌شود. نمودارهای توصیف شبکه‌های ارتباطی اغلب از دو ویژگی راه رفتن تصادفی از گره مشابه شروع می‌شود و سپس به جهت‌های مختلف گسترش می‌یابند. در واقع، این «گشت تصادفی» می‌تواند در همان سطح از دقت به عنوان نمونه‌گیری تصادفی ارائه شود.
مترجم: ندا اظهری
انتهای پیام/