Блог / Проекты

Эволюция ботов: Как я научил их избегать толпы

Симуляция с обновлённым ИИ-поведением + архивные скриншоты

🧠 Идея:
После первых тестов заметил проблему — боты слепо копировали друг друга, создавая «пробки» в зонах с высокой концентрацией феромонов. Решил добавить обратное поведение: если бот «переедает» феромонов, он начинает двигаться в сторону их минимального скопления.

⚙️ Как это работает:
1️⃣ Насыщение бота — новый личный параметр.
▫️ Чем выше значение, тем сильнее бот стремится прочь от феромонов.
▫️ Динамика: Насыщение растёт при контакте с феромонами и снижается в «пустых» зонах.

2️⃣ Глобальные настройки:

Порог Срабатывания Обратного Поведения (ПСОП) — критическое значение насыщения, при котором бот переключается в режим «бегства».

Скорость изменения ПСОП — регулирует, как быстро бот «наедается» феромонами (например: +0.1 за шаг в зоне скопления).

📌 Базовые параметры бота:

📍 Позиция — координаты в симуляции.

🧭 Ориентация — направление движения (0-360°).

🧪 Насыщение — новый параметр (0 → «голоден», 1 → «сыт и бежит»).

📈 Что получилось:

Боты перестали слипаться в «стада» — теперь распределяются равномернее.

Симуляция стала динамичнее: есть фазы «агрегации» и «рассеивания».

🔮 Что дальше:
▫️Планирую визуализировать градиент насыщения — чтобы видеть, как боты «чувствуют» среду в реальном времени.
▫️Во время написания этого поста мне пришла в голову идея реализовать плавную смену их поведения.

серия постов · 4Клеточный автомат
  1. Клеточные автоматы: от Конвея до слизевикачасть 1
  2. этот постботы учатся обходить толпу
  3. Задержка, планы и SDF vs RISC-V: Куда двигаться дальше?часть 2 и что дальше
  4. Клеточный автомат — полгода спустя. Итоги (часть 3 — коротко)часть 3, итоги