Evolution of Artificial Brains in Simulated AnimalBehaviour

In this report we simulate artificial intelligence in animals using genetic algorithms. In similar models, advanced artificial neural networks have been used for decision making. We present two simpler decision-making models. Using two models based on linear and radial basis functions we find similar behaviours as those found in other studies, including food seeking, obstacle avoidance and predator-versus-prey dynamics. The results show that both decision-making models are equally efficient at gathering food and avoiding obstacles. The models differed in survival strategies when faced with dangerous obstacles and in a predator-versus-prey situation the predators based on radial basis functions performed better. Some evolutionary phenomena were observed during the evolution of the animals, including an evolutionary armsrace between predator and prey. We hoped to find signs of mimicry as well, but classic mimicry was not found in the results.med hjälp av genetiska algoritmer. I liknande modeller har man tidigare använd avancerade artificiella neuronnät som beslutsmodeller. I denna rapport presenterar vi två enklare beslutsmodeller. Med två modeller baserade på linjära och radiella basfunktioner hittas liknande beteenden som i tidigare rapporter, inklusive födoletande, hinderundvikande och predator-bytesdjursdynamik. Resultaten visar att båda beslutsmodeller är lika effektiva vid födoletande och hinderundvikande. Modellernas överlevnadsstrategier skiljer sig när farliga hinder införs och i predator-bytesdjurssitationer är predatorn baserad på radiella basfunktioner effektivare. Vissa evolutionära fenomen observerades under evolutionen av djuren, inklusive en evolutionär kapplöpning mellan bytesdjur och predator. Vi hoppades även finna tecken på mimikry, men klassisk mimikry observerades inte i resultate