Hejno aukletů vykazuje rojové chování
Rojové chování nebo rojení je kolektivní chování, které vykazují zvířata podobné velikosti, která se shlukují, možná se pohybují na stejném místě nebo se hromadně pohybují nebo migrují nějakým směrem. Rojové chování se používá zejména u hmyzu, ale může být také použito u jakéhokoli jiného zvířete, které vykazuje rojové chování. Termín hejno se obvykle používá k označení chování roje u ptáků, pasení k označení chování roje u čtyřnožců, shoaling nebo školení k označení chování roje u ryb.
Z abstraktnějšího hlediska je rojové chování kolektivním pohybem velkého počtu samohybných entit. Z pohledu matematického modeláře se jedná o vznikající chování vyplývající z jednoduchých pravidel, která jednotlivci dodržují a nezahrnují žádnou centrální koordinaci.
Chování roje bylo poprvé simulováno na počítači v roce 1986 pomocí simulačního programu boids. Tento program simuluje jednoduché agenty (boidy), kteří se smějí pohybovat podle souboru základních pravidel. Model byl původně navržen tak, aby napodoboval chování hejna ptáků, ale může být aplikován i na školní ryby a další rojící se entity.
Schéma znázorňující rozdíl mezi metrickou vzdáleností a topologickou vzdáleností v odkazu na hejna ryb
Počítačový program boids, vytvořený Craigem Reynoldsem v roce 1986, simuluje chování roje podle výše uvedených pravidel. Mnoho následujících a současných modelů využívá variace těchto pravidel, často je realizuje pomocí soustředných „zón“ kolem každého zvířete. V zóně odpuzování, velmi blízko zvířete, se bude ohnivé zvíře snažit vzdálit se od svých sousedů, aby se vyhnulo srážce. O něco dále, v zóně vyrovnávání, se bude ohnivé zvíře snažit sladit svůj směr pohybu se svými sousedy. V nejvzdálenější zóně přitahování, která se rozprostírá od ohnivého zvířete tak daleko, jak je schopno vycítit, se bude ohnivé zvíře snažit pohybovat směrem k sousedovi.
Tvar těchto zón bude nutně ovlivněn smyslovými schopnostmi daného zvířete. Například zorné pole ptáka se nerozprostírá za jeho tělem. Ryby se spoléhají jak na vidění, tak na hydrodynamické vnímání přenášené jejich boční čarou, zatímco antarktický krill se spoléhá jak na vidění, tak na hydrodynamické signály přenášené anténami.
Nedávné studie hejn špačků však ukázaly, že každý pták mění svou pozici vzhledem k šesti nebo sedmi zvířatům, která ho přímo obklopují, bez ohledu na to, jak blízko nebo jak daleko jsou tato zvířata. Interakce mezi hejny špačků jsou tedy založeny spíše na topologickém pravidlu než na metrickém. Teprve se uvidí, zda to platí i pro ostatní zvířata.
Flocking birds are an example of self-organization in biology
Rojová inteligence je kolektivní chování decentralizovaných, samostatně organizovaných systémů, přirozených nebo umělých. Tento koncept se používá při práci na umělé inteligenci. Tento výraz zavedli Gerardo Beni a Jing Wang v roce 1989, v kontextu buněčných robotických systémů.
Inteligentní systémy roje jsou typicky tvořeny populací jednoduchých agentů nebo boidů, kteří působí lokálně mezi sebou a se svým okolím. Agenti se řídí velmi jednoduchými pravidly, a přestože neexistuje žádná centralizovaná řídící struktura, která by diktovala, jak se mají jednotliví agenti chovat, lokální a do určité míry náhodné interakce mezi takovými agenty vedou ke vzniku inteligentního globálního chování, které jednotliví agenti neznají.
Výzkum rojové inteligence je multidisciplinární. Lze ho rozdělit na výzkum přirozených rojů studující biologické systémy a výzkum umělých rojů studující lidské artefakty. Existuje také vědecký proud, který se pokouší modelovat samotné rojové systémy a porozumět jejich základním mechanismům, a inženýrský proud zaměřený na využití poznatků vyvinutých vědeckým proudem k řešení praktických problémů v jiných oblastech.
Koncept vzniku – že vlastnosti a funkce nalezené na hierarchické úrovni nejsou přítomny a jsou irelevantní na nižších úrovních – je často základním principem sebeorganizujících se systémů. Příklad sebeorganizace v biologii vedoucí ke vzniku v přírodě se vyskytuje v mravenčích koloniích. Královna nedává přímé rozkazy a neříká mravencům, co mají dělat. Místo toho každý mravenec reaguje na podněty v podobě chemické vůně z larev, jiných mravenců, vetřelců, potravy a hromadění odpadu a zanechává za sebou chemickou stopu, která zase poskytuje podnět ostatním mravencům. Zde je každý mravenec autonomní jednotkou, která reaguje pouze v závislosti na svém místním prostředí a geneticky zakódovaných pravidlech pro svou odrůdu mravenců. Navzdory nedostatku centralizovaného rozhodování vykazují mravenčí kolonie složité chování a dokonce byly schopny prokázat schopnost řešit geometrické problémy. Například kolonie běžně zjišťují maximální vzdálenost od vchodů do všech kolonií, aby se zbavily mrtvých těl.
Dalším klíčovým konceptem v oblasti rojové inteligence je stigmergie. Stigmergie je mechanismus nepřímé koordinace mezi agenty nebo akcemi. Princip spočívá v tom, že stopa zanechaná v prostředí akcí stimuluje provedení další akce, stejným nebo jiným agentem. Tímto způsobem mají následné akce tendenci posilovat a navazovat na sebe, což vede ke spontánnímu vzniku koherentní, zdánlivě systematické aktivity. Stigmergie je forma sebeorganizace. Vytváří komplexní, zdánlivě inteligentní struktury, bez potřeby jakéhokoli plánování, kontroly, nebo dokonce přímé komunikace mezi agenty. Jako taková podporuje efektivní spolupráci mezi extrémně jednoduchými agenty, kteří postrádají jakoukoli paměť, inteligenci nebo dokonce povědomí o sobě navzájem.
Algoritmy roje sledují Lagrangiánův přístup nebo Euleriánův přístup. Euleriánův přístup pohlíží na roj jako na pole, pracuje s hustotou roje a odvozuje průměrné vlastnosti pole. Jedná se o hydrodynamický přístup a může být užitečný pro modelování celkové dynamiky velkých rojů. Většina modelů však pracuje s Lagrangiánovým přístupem, což je model založený na agentech sledující jednotlivé agenty (body nebo částice), které tvoří roj. Jednotlivé modely částic mohou sledovat informace o kurzu a vzdálenostech, které se v Euleriánově přístupu ztrácejí.
Optimalizace mravenčí kolonie je široce používaný algoritmus, který byl inspirován chováním mravenců a efektivně řešil diskrétní optimalizační problémy spojené s rojením. Algoritmus byl původně navržen Marcem Dorigem v roce 1992 a od té doby byl diverzifikován, aby vyřešil širší třídu numerických problémů. Druhy, které mají více královen, mohou mít královnu opouštějící hnízdo spolu s některými pracovníky, aby založili kolonii na novém místě, což je proces podobný rojení u včel medonosných.
Samohybné částice (SPP) je pojem představený v roce 1995 Vicsekem a Couzinem et al jako zvláštní případ modelu boidů představeného v roce 1986 Reynoldsem. Roj je v SPP modelován souborem částic, které se pohybují konstantní rychlostí, ale reagují na náhodnou perturbaci tím, že přijímají při každém přírůstku průměrný směr pohybu ostatních částic v jejich místním okolí.
Simulace ukazují, že vhodné „pravidlo nejbližšího souseda“ nakonec vede k tomu, že se všechny částice rojí společně, nebo se pohybují stejným směrem. To se objevuje, i když neexistuje centralizovaná koordinace, a i když se sousedé pro každou částici neustále mění v čase (viz interaktivní simulace v rámečku vpravo). SPP modely předpovídají, že rojící se zvířata sdílejí určité vlastnosti na úrovni skupiny, bez ohledu na typ zvířat v roji. Rojovací systémy vyvolávají vznikající chování, které se vyskytuje v mnoha různých měřítcích, z nichž některé se ukazují jako univerzální i robustní. V teoretické fyzice se stalo výzvou najít minimální statistické modely, které zachycují toto chování.
Optimalizace roje částic
Optimalizace roje částic je další algoritmus široce používaný k řešení problémů souvisejících s roji. Byl vyvinut v roce 1995 Kennedym a Eberhartem a byl nejprve zaměřen na simulaci společenského chování a choreografie hejn ptáků a rybích hejn. Algoritmus byl zjednodušen a bylo pozorováno, že provádí optimalizaci. Systém zpočátku osévá populaci náhodnými řešeními. Poté hledá v problémovém prostoru po sobě následující generace pomocí stochastické optimalizace, aby našel nejlepší řešení. Řešení, která najde, se nazývají částice. Každá částice si uchovává svou pozici a také nejlepší řešení, kterého dosud dosáhla. Optimalizátor roje částic sleduje nejlepší lokální hodnotu, kterou dosud získala jakákoli částice v místním sousedství. Zbývající částice se pak pohybují problémovým prostorem po vedení optimálních částic. Optimalizátor roje částic při každé iteraci urychlí každou částici směrem k jejím optimálním místům podle jednoduchých matematických pravidel. Optimalizace roje částic byla aplikována v mnoha oblastech. Má jen málo parametrů k úpravě a verze, která dobře funguje pro konkrétní aplikace, může dobře fungovat i s drobnými úpravami napříč řadou souvisejících aplikací. Kniha Kennedyho a Eberharta popisuje některé filozofické aspekty aplikací optimalizace roje částic a inteligence roje. Rozsáhlý průzkum aplikací provádí Poli.
Příklady biologického rojení se vyskytují v hejnech ptáků, rybích hejnech, hmyzích rojích, rojích bakterií, plísních, molekulárních motorech, čtyřnohých stádech a lidech.
Úspěšné techniky, které používají mravenčí kolonie, byly studovány v informatice a robotice při výrobě distribuovaných a poruchově odolných systémů pro řešení problémů. Tato oblast biomimetiky vedla ke studiu pohybu mravenců, vyhledávačů, které využívají „sběrné stezky“, úložiště odolné proti poruchám a síťové algoritmy.
Když se roj včel medonosných vynoří z úlu, nelétají zpočátku daleko. Mohou se shromáždit na stromě nebo na větvi jen několik metrů od úlu. Tam se shluknou kolem královny a vyšlou 20-50 průzkumných včel, aby našly vhodná nová hnízdiště. Průzkumné včely jsou nejzkušenějšími sběrači potravy ve shluku. Jednotlivá průzkumnice, která se vrací do shluku, propaguje místo, které našla. Používá tanec podobný tanci waggle, aby ostatním ve shluku naznačila směr a vzdálenost. Čím více je ze svých zjištění nadšená, tím více vzrušeně tančí. Pokud se jí podaří přesvědčit ostatní průzkumníky, aby místo, které našla, zkontrolovali, mohou vzlétnout, zkontrolovat navržené místo a po svém návratu místo dále propagovat. Různí průzkumníci mohou zpočátku propagovat několik různých míst. Po několika hodinách a někdy i dnech se z tohoto rozhodovacího procesu pomalu vynoří oblíbené místo. Když se všichni průzkumníci dohodnou na konečném místě, celý shluk vzlétne a odletí k němu. Roj může letět na kilometr i více k prozkoumanému místu. Tento kolektivní rozhodovací proces je pozoruhodně úspěšný při určování nejvhodnějšího nového hnízdiště a udržování roje v neporušeném stavu. Dobré hnízdiště musí být dostatečně velké, aby se do něj vešel roj (asi 15 litrů objemu), musí být dobře chráněno před živly, přijímat určité množství tepla od slunce a nebýt zamořeno mravenci.
Švábi jsou převážně noční živočichové a utečou, když jsou vystaveni světlu. Studie testovala hypotézu, že švábi používají jen dvě informace, aby se rozhodli, kam za těchto podmínek půjdou: jak je tma a kolik je dalších švábů. Studie, kterou provedl José Halloy a kolegové ze Svobodné univerzity v Bruselu a dalších evropských institucí, vytvořila soubor drobných robotů, kteří se švábům jeví jako ostatní švábi a mohou tak změnit vnímání kritického množství švábů. Roboti byli také speciálně navoněni, aby byli přijati skutečnými šváby.
Kobylky jsou rojící se fází krátkorohých kobylek z čeledi Acrididae. Některé druhy se mohou za vhodných podmínek rychle rozmnožovat a následně se stávají družnými a stěhovavými. V dospělosti vytvářejí tlupy jako nymfy a roje – oba mohou cestovat na velké vzdálenosti, rychle loupat pole a značně poškozovat úrodu. Největší roje mohou pokrýt stovky čtverečních mil a obsahovat miliardy kobylek. Kobylky mohou každý den sníst svou vlastní hmotnost (asi 2 gramy) v rostlinách. To znamená, že jeden milion kobylek může každý den sníst asi jednu tunu potravy a největší roje mohou denně zkonzumovat přes 100 000 tun.
Bylo zjištěno, že rojení v kobylkách je spojeno se zvýšenou hladinou serotoninu, který způsobuje, že kobylky mění barvu, mnohem více jedí, vzájemně se přitahují a mnohem snadněji se množí. Výzkumníci navrhují, že chování rojení je reakcí na přelidnění a studie ukázaly, že zvýšená hmatová stimulace zadních nohou nebo u některých druhů prosté setkání s jinými jedinci způsobuje zvýšení hladiny serotoninu. Transformace kobylky na rojící se odrůdu může být vyvolána několika kontakty za minutu po dobu čtyř hodin.
Zdá se, že individuální reakce sarančat na ztrátu zarovnání ve skupině zvyšuje náhodnost jejich pohybu, dokud není opět dosaženo zarovnaného stavu. Toto zarovnání vyvolané šumem se zdá být vnitřní charakteristikou kolektivního koherentního pohybu.
Shluk motýlů monarchů. Motýli monarchové migrují do Santa Cruz v Kalifornii, kde přesahují
Migrace hmyzu je sezónní přesun hmyzu, zejména podle druhů vážek, brouků, motýlů a můr. Vzdálenost se může lišit druh od druhu, ale ve většině případů se tyto přesuny týkají velkého počtu jedinců. V některých případech se jedinci, kteří migrují jedním směrem, nemusí vrátit a příští generace může migrovat naopak opačným směrem. To je významný rozdíl oproti migraci ptáků.
Motýli rodu Monarch jsou známí především svou zdlouhavou každoroční migrací. V Severní Americe provádějí masivní migraci směrem na jih od srpna až do prvních mrazů. Migrace směrem na sever probíhá na jaře. Monarcha je jediný motýl, který migruje jak na sever, tak na jih, jak to pravidelně dělají ptáci. Ale žádný jednotlivec neudělá celou zpáteční cestu. Samice monarchy během těchto migrací ukládají vajíčka pro další generaci. Délka těchto cest přesahuje běžnou délku života většiny monarchů, což je méně než dva měsíce u motýlů narozených na začátku léta. Poslední generace léta vstupuje do nemnožné fáze známé jako diapauza a může se dožít sedmi měsíců i více. Během diapauzy motýli létají na jedno z mnoha míst přezimování. Generace, která přezimuje, se většinou nemnoží, dokud neopustí místo přezimování někdy v únoru a březnu. Je to druhá, třetí a čtvrtá generace, která se na jaře vrací do svých severních míst ve Spojených státech a Kanadě. Jak se tento druh dokáže vrátit na stejná místa přezimování v rozmezí několika generací, je stále předmětem výzkumu; letové vzorce se zdají být dědičné, založené na kombinaci pozice slunce na obloze a časově kompenzovaného slunečního kompasu, který závisí na cirkadiánních hodinách, které jsou založeny na jejich anténách.
Nedávné studie hejn špačků ukázaly, že každý pták mění svou pozici vzhledem k šesti nebo sedmi zvířatům, která ho přímo obklopují, bez ohledu na to, jak blízko nebo jak daleko jsou tato zvířata.
Velký kormorán hejno létání ve formaci Vee
Přibližně 1800 z 10 000 druhů ptáků na světě jsou dálkoví migranti. Primární motivací pro migraci se zdá být potrava; například někteří kolibříci se rozhodnou nemigrovat, pokud jsou krmeni přes zimu. Také delší dny severního léta poskytují chovným ptákům delší čas na krmení jejich mláďat. To pomáhá denním ptákům vytvářet větší snůšky než příbuzným nemigrujícím druhům, které zůstávají v tropech. Jak se dny na podzim zkracují, vracejí se ptáci do teplejších oblastí, kde se dostupné zásoby potravy liší jen málo podle ročního období. Tyto výhody vyvažují vysoký stres, náklady na fyzickou námahu a další rizika migrace, jako je predace.
Mnoho, ne-li většina ptáků migruje v hejnech. U větších ptáků snižuje létání v hejnech náklady na energii. Husy ve V-formaci mohou ušetřit 12-20% energie, kterou by potřebovaly k samostatnému letu. Červené uzly a dunliny byly zjištěny radarovými studiemi, že létají v hejnech o 5 km/h rychleji, než když létají samy. Hejna ptáků šetří energii při společném letu, podobně jako bicyklisté táhnou jeden druhého v pelotonu. Husy letící ve V-formaci šetří energii tím, že létají ve vzestupném proudu víru křídel, který vytváří předchozí zvíře ve formaci. Ptáci letící za nimi tak nemusí pracovat tak tvrdě, aby dosáhli vztlaku. Studie ukazují, že ptáci ve V-formaci se umísťují zhruba na optimální vzdálenost, kterou předpovídá jednoduchá aerodynamická teorie.
Formace V výrazně zvyšuje efektivitu a dosah létajících ptáků, zejména na dlouhých tažných trasách. Všichni ptáci kromě prvního létají ve vzestupné vlně z vírů křídel ptáka vpředu. Vzestupná vlna pomáhá každému ptákovi udržet jeho vlastní váhu v letu, stejně jako může kluzák stoupat nebo udržovat výšku donekonečna ve stoupajícím vzduchu. Ve formaci V o 25 členech může každý pták dosáhnout snížení vyvolaného odporu až o 65% a v důsledku toho zvýšit svůj dosah o 71%. Ptáci letící na špičkách a vpředu se střídají včasným cyklickým způsobem, aby se mezi členy hejna rovnoměrně rozšířila únava z letu. Formace také usnadňuje komunikaci a umožňuje ptákům udržovat vizuální kontakt mezi sebou.
Podobné rýsovací techniky mohou při migraci používat i jiná zvířata. Například humři migrují v těsné formaci za sebou „humří vlaky“, někdy i stovky kilometrů.
Někteří býložraví kmotři mají nejdelší známý let bez mezipřistání ze všech migrantů, když letí 11 000 km z Aljašky do svých oblastí, kde se na Novém Zélandu nepěstují. Před migrací je 55 procent jejich tělesné hmotnosti uloženo v tuku, který je pohonem této nepřerušované cesty.
Středozemní moře a další moře představují velkou překážku pro létající ptáky, kteří se musí křížit na nejužších místech. Oblastmi, jako je Gibraltar, Falsterbo a Bospor, v době migrace prochází obrovské množství velkých dravců a čápů. Běžnější druhy, jako je například medonosný káně, lze na podzim počítat na statisíce. Další překážky, jako jsou horská pásma, mohou také způsobit trychtýře, zejména velkých denních migrantů. To je významný faktor středoamerické migrační překážky. Tato koncentrace ptáků během migrace může druhy ohrozit. Někteří spektakulární migranti již vyhynuli, nejpozoruhodnější je holub pasažérský. Během migrace byla hejna míli (1,6 km) široká a 300 mil (500 km) dlouhá, průlet trval několik dní a chovala se v nich až miliarda ptáků.
Školní predátor ryby velikost až školní ančovičky
Termín „hejno“ lze použít pro popis jakékoli skupiny ryb, včetně skupin smíšených druhů, zatímco „hejno“ se používá pro těsněji spojené skupiny stejného druhu, které plavou vysoce synchronizovaným a polarizovaným způsobem.
Ryby získávají mnoho výhod z chování při shoalingu, včetně obrany proti predátorům (díky lepší detekci predátorů a zředění šance na odchyt), větší úspěšnosti při hledání potravy a vyšší úspěšnosti při hledání partnera. Je také pravděpodobné, že ryby těží z členství v shoalu díky vyšší hydrodynamické účinnosti.
Ryby používají mnoho rysů, aby si vybraly mělčiny. Obecně preferují větší mělčiny, mělčiny vlastního druhu, mělčiny podobné svou velikostí a vzhledem sobě samým, zdravé ryby a příbuzné (když jsou rozpoznány). „Efekt zvláštnosti“ předpokládá, že každý člen mělčiny, který vyniká vzhledem, bude přednostně terčem predátorů. To může vysvětlovat, proč ryby preferují mělčiny s jedinci, kteří se jim podobají. Efekt zvláštnosti by tak měl tendenci mělčiny homogenizovat.
Jedním ze záhadných aspektů výběru hejn je to, jak se ryba může rozhodnout připojit k hejnu zvířat, která jsou jim podobná, vzhledem k tomu, že nemůže znát svůj vlastní vzhled. Experimenty se zebrarybami ukázaly, že preference hejn je naučená schopnost, nikoli vrozená. Zebraryba má tendenci spojovat se s hejny, která se podobají hejnům, v nichž byla chována, což je forma vtiskování.
K dalším otevřeným otázkám chování při mělčině patří určení, kteří jedinci jsou zodpovědní za směr pohybu mělčiny. V případě stěhovavého pohybu se zdá, že většina členů mělčiny ví, kam jde. V případě chování při hledání potravy jsou hejna zlatých pazourků (druh rybky) vedena malým počtem zkušených jedinců, kteří věděli, kdy a kde je k dispozici potrava.
Radakov odhadoval, že hejna sleďů v severním Atlantiku mohou zabírat až 4,8 krychlového kilometru s hustotou ryb mezi 0,5 a 1,0 ryby/metr krychlový. To je několik miliard ryb v jedné hejně.
Mezi květnem a červencem se v chladných vodách Agulhas Bank množí obrovské množství sardinek a poté následují proud studené vody na sever podél východního pobřeží Jižní Afriky. Tato velká migrace, zvaná sardinkový běh, vytváří podél pobřeží velkolepé žravé šílenství, když na školy útočí mořští predátoři, jako jsou delfíni, žraloci a ganneti.
Většina krunýřovky, malých korýšů podobných krevetám, tvoří velké roje, které někdy dosahují hustoty 10 000 – 60 000 jedinců na metr krychlový.[81][82][83] Rojení je obranný mechanismus, který mate menší predátory, kteří by rádi vybírali jednotlivé jedince. Krunýřovky obvykle následují denní vertikální migraci. Až donedávna se předpokládalo, že tráví den ve větších hloubkách a v noci stoupají k hladině. Bylo zjištěno, že čím hlouběji jdou, tím více snižují svou aktivitu[84], zřejmě aby omezili setkání s predátory a šetřili energii. Pozdější práce naznačily, že plavecká aktivita u krunýřovky se mění s plností žaludku. Uspokojená zvířata, která se krmila na hladině, plavou méně aktivně a proto klesají pod smíšenou vrstvu.[85] Při potopení produkují trus, což může znamenat, že hrají důležitou roli v antarktickém uhlíkovém cyklu. Zjistilo se, že krunýřovky s prázdnými žaludky plavou aktivněji, a tak míří k hladině. Z toho vyplývá, že vertikální migrace může probíhat dvakrát nebo třikrát denně. Některé druhy vytvářejí během dne povrchové roje pro krmení a rozmnožovací účely, i když je takové chování nebezpečné, protože je činí extrémně zranitelnými predátory.[86] Husté roje mohou vyvolat žrací šílenství mezi rybami, ptáky a savčími predátory, zejména v blízkosti hladiny. Když je roj vyrušen, rozptýlí se a někteří jedinci byli dokonce pozorováni, že okamžitě pelichají a exuvii zanechávají za sebou jako návnadu.[87]
Tento copepod má roztaženou anténu (klikněte pro zvětšení). Anténa detekuje tlakovou vlnu blížící se ryby.
Rojí se také kopepové. Například monospecifické roje byly pravidelně pozorovány kolem korálových útesů a mořské trávy a v jezerech. Hustota rojů byla asi jeden milion kopepodů na metr krychlový. Typické roje měly průměr jeden až dva metry, ale některé přesahovaly 30 metrů krychlových. Koepové potřebují vizuální kontakt, aby se udrželi pohromadě, a v noci se rozptýlí.[88]
Jaro produkuje květy rojícího se fytoplanktonu, který poskytuje potravu pro copepody. Planktonické copepody jsou obvykle dominantními členy zooplanktonu a jsou zase hlavními potravními organismy pro mnoho dalších mořských živočichů. Zejména copepody jsou kořistí pro lov ryb a medúz, které se oba mohou shromáždit v obrovských, milionových rojích. Někteří copepodi mají extrémně rychlé únikové reakce, když je dravec zachycen a může vyskočit vysokou rychlostí přes několik milimetrů (viz animovaný obrázek níže).
Planktonické copepody jsou důležité pro koloběh uhlíku. Někteří vědci tvrdí, že tvoří největší živočišnou biomasu na Zemi.[89] O tento titul soupeří s antarktickým krilem. Vzhledem ke své menší velikosti a relativně rychlejšímu růstu a vzhledem k tomu, že jsou rovnoměrněji rozmístěny ve více světových oceánech, však copepody téměř jistě přispívají mnohem více k druhotné produktivitě světových oceánů a ke globálnímu propadu uhlíku v oceánech než kril a možná více než všechny ostatní skupiny organismů dohromady. Povrchové vrstvy oceánů jsou v současnosti považovány za největší propad uhlíku na světě, absorbují asi 2 miliardy tun uhlíku ročně, což odpovídá možná třetině lidských emisí uhlíku, čímž se snižuje jejich dopad. Mnoho planktonických copepodů se v noci živí v blízkosti povrchu a pak se ve dne noří do hlubší vody, aby se vyhnuli vizuálním predátorům. Jejich plesnivé exoskelety, fekální pelety a dýchání v hloubce, to vše přináší uhlík do hlubokého moře.
Mnoho jednobuněčných organismů nazývaných fytoplankton žije v oceánech a jezerech. Při výskytu určitých podmínek, jako je vysoká hladina živin nebo světla, se tyto organismy množí explozivně. Výsledný hustý roj fytoplanktonu se nazývá květ řas. Květy mohou pokrývat stovky čtverečních kilometrů a jsou snadno viditelné na satelitních snímcích. Jednotlivý fytoplankton se zřídka dožívá více než několika dnů, ale květy mohou vydržet týdny.[90][91]
Ovčí psi ovládají chování ovcí ve stádu
Policie chrání Nicka Altrocka před zbožňujícím davem během World Baseball Series 1906
Sbírka lidí může také vykazovat rojové chování, například chodci[95] nebo vojáci rojící se po parapetech. V německém Kolíně nad Rýnem dva biologové z Univerzity v Leedsu předvedli u lidí chování podobné hejnu. Skupina lidí vykazovala podobný vzorec chování jako hejno, kdy pokud pět procent hejna změnilo směr, ostatní ho následovali. Pokud byl jeden člověk označen za predátora a všichni ostatní se mu měli vyhýbat, chovalo se hejno velmi podobně jako hejno ryb.[96][97] Pochopení toho, jak lidé reagují v davu, je důležité, pokud má řízení davu účinně zabránit obětem na fotbalových hřištích, hudebních koncertech a stanicích metra.[98]
Matematické modelování chování hejna je běžnou technologií, a našlo využití v animaci. Simulace hejna byly použity v mnoha filmech[99] pro generování davů, které se reálně pohybují. Batman se vrací Tima Burtona byl první film, který využil technologii roje pro vykreslování, realisticky zobrazující pohyby skupiny netopýrů pomocí systému boids. Filmová trilogie Pán prstenů využívala podobnou technologii, známou jako masivní, během bitevních scén. Technologie roje je obzvláště atraktivní, protože je levná, robustní a jednoduchá.
Počítačová simulace založená na mravencích využívající pouze šest interakčních pravidel byla také použita k vyhodnocení chování při nastupování do letadla.[100]
Také mravenci poskytli nějaké vodítko pro Douglase A. Lawsona, systémového analytika Southwest Airlines.
:“Protože víme, že mravenci dokázali tyto úžasné věci správně na základě velmi jednoduchých pravidel, víme, že pokud chceme, aby se stalo něco složitého – jako třeba kompletně zaplnit vnitřek letadla lidmi – víme, že jednoduché chování mravenčího typu je adekvátní k tomu, aby reprezentovalo to, co se děje,“ řekl Lawson.
„Takže Southwest Airlines řekli: ‚Pomozte nám vymyslet nejefektivnější způsob, jak nám pomoci dostat naše pasažéry do letadla,‘ a vy jste řekli: ‚Já vím – použiju mravence‘?“ zeptala se Salie.
„Jo, jasně. Protože oni dělají složité věci s velmi jednoduchými pravidly,“ řekl Lawson.
Lawson použil matematicky modelované mravence, aby určil nejefektivnější způsob nástupu do letadla, což se ukázalo být otevřeným sezením.
„Takže Southwest způsob nástupu bez čísel sedadel je ve skutečnosti efektivnější, než když nastoupím do jiné letecké společnosti a vím přesně, jaké je moje sedadlo?“ zeptala se Salie.
„Správně. Když jsme simulovali, co dělají různé letecké společnosti, ukázalo se, že s přidělenými sedadly je třetinová šance, že požádáte dva lidi, aby vstali, zatímco volné sedadlo – protože prostřední sedadlo je nežádoucí – obecně je to to, které je zaplněno jako poslední, [takže] pravděpodobně vstane jen jedna osoba, osoba sedící poblíž uličky,“ řekl Lawson. „Možná budu muset někoho požádat, aby vstal a uhnul mi z cesty, abych se mohl dostat na sedadlo, a to je asi tak všechno. Takže je to opravdu
jednoduché.
„Takže mravenci jsou svým způsobem analogie – jednoduchá pravidla produkují složité transakce a události a hlavní struktury a my můžeme dělat to samé v malém simulovaném světě a představovat velmi složité procesy,“ řekl Lawson.[101]
Chování roje se vyskytuje také v dynamice dopravních toků, jako je například dopravní vlna. Obousměrný provoz lze pozorovat v mravenčích stezkách.[103][104] V posledních letech bylo toto chování zkoumáno pro vhled do modelů chodců a dopravy.[105][106] Simulace založené na modelech chodců byly také aplikovány davy, které se splaší kvůli panice.[107]
Stádní chování v marketingu se používá k vysvětlení závislostí vzájemného chování zákazníků. The Economist informoval o nedávné konferenci v Římě na téma simulace adaptivního lidského chování.[108] Sdílel mechanismy ke zvýšení impulzivního nakupování a přiměl lidi „nakupovat více hrou na stádní instinkt“. Základní myšlenkou je, že lidé budou kupovat více výrobků, které jsou považovány za populární, a je zmíněno několik mechanismů zpětné vazby, jak dostat informace o popularitě výrobků ke spotřebitelům, včetně technologie čipových karet a využití technologie radiofrekvenční identifikační značky. Model „rojových pohybů“ byl představen výzkumníkem z Floridského technologického institutu, který je přitažlivý pro supermarkety, protože může „zvýšit prodej bez nutnosti poskytovat lidem slevy“.
Aplikace rojových principů na roboty se nazývá rojová robotika, zatímco rojová inteligence odkazuje na obecnější sadu algoritmů.
Projekt I-Swarm si klade za cíl vyvinout rozsáhlý roj až 1000 malých mikrorobotů o velikosti přibližně 2 x 2 x 1 mm.[113][114] Malá velikost znamená, že senzorické a výpočetní schopnosti budou omezené. To bude kompenzováno vznikajícími rojovými efekty.[114] Roboti pracují na solární energii a mohou mezi sebou komunikovat. Roboti se budou lišit typem senzorů, manipulátorů a množstvím výpočetního výkonu.[115] Očekává se, že roj bude mít mnoho aplikací, včetně mikromontáže, biologických, lékařských nebo čisticích úkolů.[115]
Kontrast mezi partyzánským přepadením a skutečným rojením (Edwards-2003)
Vojenské rojení je chování, kdy autonomní nebo částečně autonomní jednotky akce zaútočí na nepřítele z několika různých směrů a pak se přeskupí. Součástí vojenského rojení je i pulzování, kdy jednotky posouvají bod útoku. Vojenské rojení zahrnuje použití decentralizované síly proti protivníkovi způsobem, který klade důraz na mobilitu, komunikaci, autonomii jednotek a koordinaci nebo synchronizaci.[116] Historicky vojenské síly používaly principy rojení, aniž by je explicitně zkoumaly, ale nyní aktivní výzkum vědomě zkoumá vojenské doktríny, které z rojení čerpají myšlenky.
Pouhé proto, že se k cíli sbíhá více jednotek, nemusí se nutně rojit. Obléhací operace nezahrnují rojení, protože nedochází k žádnému manévrování; dochází ke sbíhání, ale k obléhanému opevnění. Ani partyzánské přepady nepředstavují roje, protože jsou „zasaženy a utečeny“. I když přepadení může mít několik bodů útoku na nepřítele, partyzáni se stáhnou, když buď způsobí odpovídající škody, nebo když jsou ohroženi.
Piraně jsou spíše ustrašené ryby, které školí pro ochranu před predátory.