1. UJIT
  2. Всі випуски
  3. Том 3 · Номер 1 · 2021
  4. ЕВОЛЮЦІЯ ДВОВИМІРНИХ КЛІТИННИХ АВТОМАТІВ. НОВІ ФОРМИ ПОДАННЯ

ЕВОЛЮЦІЯ ДВОВИМІРНИХ КЛІТИННИХ АВТОМАТІВ. НОВІ ФОРМИ ПОДАННЯ

UJIT.
2021;
Випуск 3, Номер 1
: 85-90
https://doi.org/10.23939/ujit2021.03.085
Надіслано: Квітень 14, 2021
Прийнято: Червень 01, 2021

Ци­ту­ван­ня за ДСТУ: Бі­лан С. М. Ево­лю­ція дво­ви­мір­них клі­тин­них ав­то­ма­тів. Но­ві фор­ми по­дан­ня. Ук­ра­їнсь­кий жур­нал ін­форма­ційних тех­но­ло­гій. 2021, т. 3, № 1. С. 85–90.

Ci­ta­ti­on APA: Bi­lan, S. M. (2021). Evo­lu­ti­on of two-di­men­si­onal cel­lu­lar au­to­ma­ta. New forms of pre­sen­ta­ti­on. Uk­ra­ini­an Jo­ur­nal of In­forma­ti­on Techno­logy, 3(1), 85–90. https://doi.org/10.23939/ujit2021.03.085

Автори:
  1. С. М. Білан
1
Державний університет інфраструктури та технологій, м. Київ, Україна

Розглянуто клітинні автомати та форми відображення їх еволюції. Відомо і широко використовуються форми еволюції елементарних клітинних автоматів, що дало змогу фахівцям моделювати різні динамічні процеси та поведінку систем різного спрямування. В контексті легкої побудови форми еволюції елементарних клітинних автоматів труднощі виникають у представленні форми еволюції двомірних клітинних автоматів як синхронних так і асинхронних. Еволюція двомірних клітинних автоматів подається множиною станів двомірних форм клітинних автоматів, що ускладнює сприйняття та визначення динаміки зміни станів. В статті запропоновано подання еволюції двомірних клітинних автоматів у вигляді масивів двійкових кодів для кожної клітини поля. Кожний часовий такт зміни станів визначається станом логічної "1" або "0". Причому кожний наступний стан визначається збільшенням двійкового розряду на одиницю. Тобто формується двійковий код в сторону старших розрядів. Отриманий двійковий код визначає код кольору, який призначається відповідній клітині на кожному кроці ітерації еволюції. Внаслідок такого кодування формується двомірна матриця кольорів (кольорове зображення), яка за своєю кольоровою структурою (розташування кольорів на двомірному масиві) указує на еволюцію двомірного клітинного автомату. Для представлення еволюції було використано кодування Волфрама, яке збільшує кількість правил для двовимірного клітинного автомата. Правила використовувались для сусідства фон Неймана без урахування власного стану аналізованої клітини. Відповідно до отриманого двовимірного масиву кодів формується дискретне кольорове зображення. Колір кожного пікселя такого зображення кодується отриманим еволюційним кодом відповідної клітини двомірного клітинного автомату з тими ж координатами. Запропонований підхід дає змогу простежувати поведінку клітинного автомату в часі залежно від його початкових станів.

клітинний автомат
зображення
околиця клітин
еволюція
  1. AC­RI. (2016). Ef­fects of Agents Fe­ar, De­si­re and Know­ledge on The­ir Suc­cess When Cros­sing a CA Ba­sed Highway, at AB­Sim-CA Se­cond In­terna­ti­onal Workshop on Agent-Ba­sed Si­mu­la­ti­on & Cel­lu­lar Au­to­ma­ta, at the 12th In­terna­ti­onal Con­fe­ren­ce on Cel­lu­lar Au­to­ma­ta for Re­se­arch and In­dustry. AC­RI 2016, Pro­ce­edings (Sep­tember 05-08, 2016), Fez (Mo­roc­co), Sept. 05-08, 2016, Talk gi­ven on Sep­tember 8. Ret­ri­eved from: http://ac­ri2016.complex­world.net
  2. Ada­matzky, A. (2010). Ga­me of li­fe Cel­lu­lar au­to­ma­ta. Sprin­ger-Ver­lag Lon­don, 579. https://doi.org/10.1007/978-1-84996-217-9
  3. Ada­matzky, A. (2018). Cel­lu­lar au­to­ma­ta. A vo­lu­me in the En­ciclo­pe­dia of cjmple­xity and systems sci­en­ce. Se­cond edi­ti­on. Sprin­ger Sci­en­ce + bu­si­ness me­dia LLC, part of sprin­ger Na­tu­re. https://doi.org/10.1007/978-1-4939-8700-9
  4. Bid­lo, M. & Va­si­cek, Z. (2013). Evo­lu­ti­on of cel­lu­lar au­to­ma­ta with con­di­ti­onally matching ru­les. 2013 IEEE Congress on Evo­lu­ti­onary Com­pu­ta­ti­on, 1178–1185. https://doi.org/10.1109/CEC.2013.6557699
  5. Bid­lo, M. (2016). On Rou­ti­ne Evo­lu­ti­on of Complex Cel­lu­lar Au­to­ma­ta IEEE Tran­sacti­ons on Evo­lu­ti­onary Com­pu­ta­ti­on, 20, 742–754. https://doi.org/10.1109/TEVC.2016.2516242
  6. Bid­lo, M. (2019). Com­pa­ri­son of Evo­lu­ti­onary De­ve­lop­ment of Cel­lu­lar Au­to­ma­ta Using Va­ri­ous Rep­re­sen­ta­ti­ons inpro­ce­edings, MEN­DEL, Soft Com­pu­ting Jo­ur­nal, 25(1), 95–102. https://doi.org/10.13164/men­del.2019.1.095
  7. Bi­lan, S. M. (2018). For­ma­ti­on Met­hods, Mo­dels, and Hardwa­re Imple­men­ta­ti­on of Pseu­do­ran­dom Num­ber Ge­ne­ra­tors: Emer­ging Re­se­arch and Op­portu­ni­ti­es. IGI Glo­bal. https://doi.org/10.4018/978-1-5225-2773-2
  8. Bi­lan, S. M., & Al-Zou­bi, S. I. (2019). Handbo­ok of Re­se­arch on In­telli­gent Da­ta Pro­ces­sing and In­forma­ti­on Se­cu­rity Systems. Edi­ted by Hershey, USA: IGI Glo­bal. https://doi.org/10.4018/978-1-7998-1290-6
  9. Bi­lan, S. M., Bi­lan, M. M., & Mo­tornyuk, R. L. (2021). New Met­hods and Pa­ra­digms for Mo­de­ling Dyna­mic Pro­ces­ses Ba­sed on Cel­lu­lar Au­to­ma­ta. IGI Glo­bal. https://doi.org/10.4018/978-1-7998-2649-1
  10. Bi­lan, Ste­pan, El­ho­seny, Mo­ha­med, & He­manth, D. Ju­de (Eds.). (2020). Bi­omet­ric Iden­ti­fi­ca­ti­on Techno­lo­gi­es Ba­sed on Mo­dern Da­ta Mi­ning Met­hods. Sprin­ger. https://doi.org/10.1007/978-3-030-48378-4
  11. Breu­ke­la­ar, R. & B¨ack, T. (2005). Using a ge­ne­tic al­go­rithm to evol­ve be­ha­vi­or in mul­ti di­men­si­onal cel­lu­lar au­to­ma­ta. In Pro­ce­edings of the 2005 Ge­ne­tic and Evo­lu­ti­onary Com­pu­ta­ti­on Con­fe­ren­ce, GEC­CO 2005. ACM, 107–114. https://doi.org/10.1145/1068009.1068024
  12. Cha­vo­ya, A. & Dut­hen, Y. (2007). Use of a ge­ne­tic al­go­rithm to evol­ve an ex­tended ar­ti­fi­ci­al re­gu­la­tory net­work for cell pat­tern ge­ne­ra­ti­on. In GEC­CO 07: Pro­ce­edings of the 9th an­nu­al con[1]fe­ren­ce on Ge­ne­tic and evo­lu­ti­onary com­pu­ta­ti­on, 1062–1062, New York, NY, USA. ACM. https://doi.org/10.1145/1276958.1277167
  13. Chen, Y., Wang, C., Li, H., Yap, J. B. H., Tang, R., & Xu, B. (2020). Cel­lu­lar au­to­ma­ton mo­del for so­ci­al for­ces in­te­rac­ti­on in bu­il­ding evac­ua­ti­on for sus­ta­inab­le so­ci­ety. Sus­ta­inab­le Ci­ti­es and So­ci­ety, 53, 101913. https://doi.org/10.1016/j.scs.2019.101913
  14. El­menre­ich, W. & Fe­her­va­ri, I. (2011). Evol­ving self-or­ga­ni­zing cel­lu­lar au­to­ma­ta ba­sed on neu­ral net­work ge­notypes. In Proc. of the 5th In­terna­ti­onal Con­fe­ren­ce on Self-or­ga­ni­zing Systems. Sprin­ger, 16–25. https://doi.org/10.1007/978-3-642-19167-1_2
  15. Ershov, N. & Kravchuk, A. (2014). Discre­te mo­de­ling using stoc­hastic cel­lu­lar au­to­ma­ta. Bul­le­tin of the Pe­op­les Fri­endship Uni­ver­sity of Rus­sia. Se­ri­es: Mat­he­ma­tics, Com­pu­ter Sci­en­ce, Physics, 2, 359–362.
  16. Gardner, M. (1970). The fan­tastic com­bi­na­ti­ons of John Con­ways new so­li­ta­ire ga­me "Li­fe". Sci­en­ti­fic Ame­ri­can, 4, 120-123. https://doi.org/10.1038/sci­en­ti­fi­ca­me­ri­can1070-120
  17. Mau­ri, Gi­an­carlo, El Ya­cou­bi, Sa­mi­ra, Den­nunzio, Al­berto, Nis­hi­na­ri, Kat­su­hi­ro, & Man­zo­ni, Lu­ca (Eds.). (2018). Lec­tu­re No­tes in Com­pu­ter Sci­en­ce. 13th In­terna­ti­onal Con­fe­ren­ce on Cel­lu­lar Au­to­ma­ta for Re­se­arch and In­dustry, AC­RI 2018, Co­mo, Italy. (Sep­tember 17–21, 2018), Pro­ce­edings, 11115, Sprin­ger. https://doi.org/10.1007/978-3-319-99813-8
  18. Mic­hal Bid­lo, Zde­nek Va­si­cek. (2021). Evo­lu­ti­on of Cel­lu­lar Au­to­ma­ta Using Instruc­ti­on-Ba­sed Appro­ach. WCCI 2012 IEEE World Congress on Com­pu­ta­ti­onal In­telli­gen­ce. Austra­lia, 1–8. https://doi.org/10.1109/CEC.2012.6256475
  19. Mo­ham­mad, Ali Ja­va­he­ri Ja­vid. (2021). Aesthe­tic eval­ua­ti­on of cel­lu­lar au­to­ma­ta cjnfi­gu­ra­ti­ons using spa­ti­al comple­xity and Kol­mo­go­rov comple­xity. Ro­me­ro et al. (Eds.). Evo­MU­SART, Sprin­ger, 147–160. https://doi.org/10.1007/978-3-030-72914-1_10
  20. Mo­tornyuk, R. L., & Bi­lan, S. (2019). The Mo­ving Ob­ject De­tec­ti­on and Re­se­arch Ef­fects of No­ise on Ima­ges Ba­sed on Cel­lu­lar Au­to­ma­ta With a He­xa­go­nal Co­ating Form and Ra­don Transform. Handbo­ok of Re­se­arch on In­telli­gent Da­ta Pro­ces­sing and In­forma­ti­on Se­cu­rity Systems. Edi­ted by Bi­lan, S. M., & Al-Zou­bi, S. I. Hershey, USA: IGI Glo­bal, 330–359. https://doi.org/10.4018/978-1-7998-1290-6.ch013
  21. Roc­ha, L. M. & Hor­dijk, W. (2005). Ma­te­ri­al rep­re­sen­ta­ti­ons: from the ge­ne­tic co­de to the evo­lu­ti­on of cel­lu­lar au­to­ma­ta. Ar­tif Li­fe. 2005 Win­ter-Spring, 11(1-2), 189–214. https://doi.org/10.1162/1064546053278964
  22. Veryko­kou, S., Ioan­ni­dis, C., At­ha­na­si­ou, G., Dou­la­mis, N., & Am­di­tis, A. (2018). 3D re­construc­ti­on of di­sas­ter sce­nes for ur­ban se­arch and res­cue. Mul­ti­me­dia To­ols and Appli­ca­ti­ons, 77(8), 9691–9717. https://doi.org/10.1007/s11042-017-5450-y
  23. Wolfram, S. (1983). Sta­tis­ti­cal mec­ha­nics of cel­lu­lar au­to­ma­ta. Re­vi­ews of Mo­dern Physics, 55(3). https://doi.org/10.1103/Rev­ModPhys.55.601
  24. Wolfram, S. (2002). A new kind of sci­en­ce. Wolfram Me­dia
  25. Yu­ta, Ka­ri­ya­do, Ca­mi­lo, Are­va­lo, & Ju­li­an, Vil­le­gas. (2021). Au­ra­li­za­ti­on of three-di­men­si­onal cel­lu­lar au­to­ma­ta. Ro­me­ro et al. (Eds.). Evo­MU­SART, Sprin­ger, 161–170. https://doi.org/10.1007/978-3-030-72914-1_11