Genes
色そのものを遺伝子にする
赤、緑、青の 3 値をそのまま遺伝子として持たせると、連続的な形質の進化をかなり直感的に観察できます。
Genetic Algorithm / Flower Color / Selection / Mutation
花の色は、
選ばれ方で変わっていく。
1 本ごとの花は RGB の 3 遺伝子を持ちます。
虫が好む色に近い個体ほど親として選ばれやすくなるようにすると、集団全体の色は世代ごとに少しずつ偏っていきます。
- 花の色は R, G, B の 3 つの遺伝子で表す
- 虫が好む色に近いほど適応度が高くなる
- 選択、交叉、突然変異で色分布が世代ごとに動く
Selection
環境は「好みの色」で与える
ここでは虫の好みを目標色として与えます。色距離が小さい花ほど、次世代の親として選ばれやすくなります。
まず見てほしいこと
突然変異率と選択圧の 2 つを変えるだけで、集団が収束する速さと多様性の残り方がかなり変わることを観察できます。
Core Idea
進化は「最適解を一発で探す」より、「選ばれやすい傾向が少しずつ積み重なる」過程として見ると理解しやすい。
このページでは、花の色という連続量を材料にして、遺伝的アルゴリズムの選択・交叉・突然変異が集団の見た目をどう変えるかをその場で追えるようにしています。
Simulation
花の集団を進化させる
虫の好む色、突然変異率、選択の強さを調整しながら、集団全体の花色がどの方向へ寄っていくかを観察します。自動進化を使うと、色の収束と多様性の変化が見やすくなります。
虫が好む色
#FF4FA3この色に近い花ほど、次世代の親として選ばれやすくなります。
突然変異率
8%高いほどランダムな色ずれが増え、収束しにくくなる代わりに新しい色も出やすくなります。
選択の強さ
2.0高いほど好みの色に近い個体だけが強く残りやすくなります。
世代
0
最高適応度
0.00
平均適応度
0.00
多様性
0.00
最良個体の RGB
---
集団の様子
大きい花ほど適応度が高い
花 = 個体
色 = 遺伝子
上の目印 = 虫が好む色
大きさ = 適応度
Mechanism
何が起きているか
花 1 本ごとに RGB 値を持たせ、目標色との距離から適応度を計算します。次世代は、適応度の高い親ほど選ばれやすいという偏りを通じて作られます。
Selection
選択
目標色に近い花ほど親として選ばれやすくなります。これが環境からの選択圧です。
Crossover
交叉
2 つの親の R, G, B を混ぜて子を作るので、色は段階的に中間へ寄りながら変化します。
Mutation
突然変異
ときどき色成分がランダムにずれることで、新しい色の候補が集団へ入り続けます。
Observe
観察ポイント
数字だけでなく、画面全体の色分布がどう変わるかを見ると、進化の振る舞いがかなり掴みやすくなります。
低突然変異率
速く揃うが、色が固まりやすい
選択圧が強いと、集団はかなり速く目標色の周辺へ集まります。その代わり、外れた色は残りにくくなります。
高突然変異率
多様性は残るが、収束は遅い
ランダムな色変化が大きいと、集団は散らばりやすくなります。進化は止まりませんが、方向性はぼやけます。
選択圧
環境が厳しいほど最良個体へ寄る
選択の強さを上げると、少し有利な色でも差が大きく扱われるため、集団の偏りが急速に進みます。
Reading Tip
これは生物の全てを再現する模型ではなく、「選ばれ方が形質分布をどう押すか」を見るための最小モデル
本物の進化には繁殖成功、環境変動、遺伝形式、空間分布など多くの要素があります。それでも、選択・交叉・突然変異の 3 つだけで「進化らしい変化」がかなり見えることが、このモデルの面白さです。