How might models of human optimal f

How might models of human optimal foraging take into account these kinds of
assumptions? A number of existing models do take into account Lévy flights of
foragers (e.g., Bartumeus et al. 2005). For example, da Luz and his colleagues
(2001) define foraging efficiency as the ratio of total energy gained in visited sites
to the total distance traveled by the forager. They then show, relying in part on the
theoretical work and simulations performed by Viswanathan et al. (1999), that for-
agers performing Lévy flights maximize their foraging efficiency when their Lévy
flight exponent is m = 2. Difficulties remain, however, in applying this model to
humans. As the model is designed to apply to animal or insect searching, it assumes
little or no learning or memory, assumptions which are clearly not justified in the
case of human foragers. As the Ju/’hoansi do know their environment well, their
movement patterns are unlikely to be analogous to a random search. This leads us
to consider the other possible cause of their Lévy flights: a fractal distribution of
resources. Fractals are closely related to Lévy flights because the turning points of
a Lévy flight form a fractal pattern of points. The mathematical relationship
between them is simple. The exponent of the Lévy flight, m, relates to the fractal
dimension of the pattern by FD = m−1. Viswanathan et al. (1999, p. 914) examined
the Lévy flight model for a fractal distribution of resources and found it consistent
with their model. There is a modest literature describing models of foraging (e.g.,
Hoddle 2003; Russell et al. 1992) that examine foraging in a fractal environment.

ผลลัพธ์ (ไทย) 1:

วิธีอาจรุ่นจับเหยื่อที่ดีที่สุดที่มนุษย์จะเข้าบัญชีเหล่านี้ชนิดของสมมติฐานหรือไม่ จำนวนรุ่นที่มีอยู่คำนึงเก็บตั๋วเครื่องบินของหญ้า (เช่น Bartumeus et al. 2005) ตัวอย่างเช่น da Luz และเพื่อนร่วมงานของเขา(2001) กำหนดประสิทธิภาพจับเหยื่อเป็นอัตราส่วนของพลังงานทั้งหมดในไซต์ที่เยี่ยมชมรวมระยะทางการเดินทาง โดยการ forager พวกเขาแล้วแสดง อาศัยอยู่ในส่วนทฤษฎีและแบบจำลองที่ดำเนินการโดย Viswanathan et al. (1999), ที่สำหรับ-ร่ำทำการบินเก็บเพิ่มประสิทธิภาพการจับเหยื่อของพวกเขาเมื่อพวกเขาเก็บเลขชี้กำลังบินเป็น m = 2 ปัญหายังคงอยู่ อย่างไรก็ตาม ในการใช้แบบจำลองนี้มนุษย์ เป็นแบบจำลองถูกออกแบบมาเพื่อใช้กับสัตว์หรือแมลงที่ค้น อนุมานน้อย หรือไม่มีการเรียนรู้หรือหน่วยความจำ ข้อสมมติฐานที่ชัดเจนไม่ธรรมในการกรณีของมนุษย์หญ้า เป็นการจู /'hoansi รู้สภาพแวดล้อมดี ของพวกเขารูปแบบการเคลื่อนไหวน่าจะคล้ายกับการค้นหาแบบสุ่ม นี้ทำให้เราพิจารณาอื่น ๆ สาเหตุเป็นไปได้ของการเดินเก็บ: การกระจายเศษส่วนของทรัพยากร Fractals ที่สัมพันธ์กับเที่ยวบินเก็บเนื่องจากจุดเปลี่ยนของเที่ยวบินเก็บแบบฟอร์มรูปแบบเศษส่วนของจุด ความสัมพันธ์ทางคณิตศาสตร์ระหว่างกันได้ง่าย เลขชี้กำลังบินเก็บ เมตร ที่เกี่ยวข้องกับเศษส่วนขนาดของรูปโดย FD = m−1 Viswanathan et al. (1999, p. 914) การตรวจสอบบินเก็บโมเดลสำหรับการกระจายเศษส่วนของทรัพยากร และพบว่าสอดคล้องกันด้วยรูปแบบของพวกเขา มีอธิบายรูปแบบของการจับเหยื่อ (เช่น วรรณกรรมเจียมเนื้อเจียมตัวHoddle 2003 รัสเซล et al. 1992) ที่ตรวจจับเหยื่อในสภาพแวดล้อมของเศษส่วน

ผลลัพธ์ (ไทย) 2:

วิธีรูปแบบของการหาอาหารที่ดีที่สุดของมนุษย์อาจจะนำเข้าบัญชีเหล่านี้ชนิดของ
สมมติฐาน? จำนวนของรูปแบบที่มีอยู่ไม่คำนึงถึงเที่ยวบินการจัดเก็บ
หญ้า (เช่น Bartumeus et al. 2005) ยกตัวอย่างเช่นดาลูซและเพื่อนร่วมงานของเขา
(2001) กำหนดหาอาหารที่มีประสิทธิภาพเป็นอัตราส่วนของพลังงานทั้งหมดที่ได้รับในเว็บไซต์ที่เข้าชม
ไปรวมระยะทางเดินทางโดยหญ้า จากนั้นพวกเขาแสดงอาศัยในส่วนที่เกี่ยวกับการ
ทำงานตามทฤษฎีและแบบจำลองที่ดำเนินการโดย Viswanathan et al, (1999) ที่เผื่อ
agers ดำเนินการเที่ยวบินLévyเพิ่มประสิทธิภาพการจับเหยื่อของพวกเขาเมื่อพวกเขาLévy
สัญลักษณ์เที่ยวบิน M = 2. ความยากลำบากยังคงอยู่ แต่ในการประยุกต์ใช้รูปแบบนี้ใน
มนุษย์ เป็นรูปแบบที่ถูกออกแบบมาเพื่อใช้กับสัตว์หรือแมลงการค้นหาก็ถือว่า
น้อยหรือไม่มีเลยหรือหน่วยความจำการเรียนรู้สมมติฐานซึ่งจะเห็นได้ชัดว่าไม่เป็นธรรมใน
กรณีของพรานมนุษย์ ในฐานะที่เป็น Ju / 'hoansi จะรู้สภาพแวดล้อมของพวกเขาดีของพวกเขา
รูปแบบการเคลื่อนไหวจะไม่น่าจะคล้ายกับการค้นหาแบบสุ่ม นี้ทำให้เรา
ต้องพิจารณาสาเหตุที่เป็นไปได้อื่น ๆ ของเที่ยวบินของพวกเขาLévy: การกระจายเศษส่วนของ
ทรัพยากร Fractals มีความสัมพันธ์อย่างใกล้ชิดกับเที่ยวบินLévyเพราะจุดหักเหของ
เที่ยวบินLévyรูปแบบรูปแบบที่เศษส่วนของจุด ความสัมพันธ์ทางคณิตศาสตร์
ระหว่างพวกเขาเป็นเรื่องง่าย สัญลักษณ์ของการจัดเก็บภาษีการบิน, M, เกี่ยวข้องกับเศษส่วน
มิติของรูปแบบโดย FD = m-1 Viswanathan et al, (1999, น. 914) การตรวจสอบ
รูปแบบการบินสำหรับเกณฑ์การกระจายเศษส่วนของทรัพยากรและพบว่ามันสอดคล้อง
กับรูปแบบของพวกเขา มีวรรณกรรมเจียมเนื้อเจียมตัวอธิบายรูปแบบของการจับเหยื่อเป็น (เช่น
ฮอดเดิล 2003 รัสเซล et al, 1992.) ที่ตรวจสอบหาอาหารในสภาพแวดล้อมที่เศษส่วน

ผลลัพธ์ (ไทย) 3:

รูปแบบของมนุษย์ที่เหมาะสมเช่นอาจจะคำนึงถึงชนิดเหล่านี้ของสมมติฐาน ? หมายเลขของรุ่นที่มีอยู่แล้วในบัญชีผม โดยเที่ยวบินของ วีชนิด เช่น bartumeus et al . 2005 ) ตัวอย่างเช่น ดา ลุซ และเพื่อนร่วมงานของเขา( 2001 ) กําหนดเช่นประสิทธิภาพตามอัตราส่วนของพลังงานทั้งหมดที่ได้รับในการเข้าเยี่ยมชมเว็บไซต์เพื่อรวมระยะทางเดินทางโดยการค้นหา . พวกเขาแสดงให้อาศัยในส่วนในงานเชิงทฤษฎีและแบบจำลองการ viswanathan et al . ( 1999 ) , เพื่อagers แสดงเมดเดลีนวีเที่ยวบินเพิ่มประสิทธิภาพการหาอาหารเมื่อ L éวีวายของเที่ยวบิน M = 2 ปัญหายังคงอยู่ อย่างไรก็ตาม ในการใช้รูปแบบนี้มนุษย์ เป็นโมเดลที่ออกแบบมาเพื่อใช้กับสัตว์หรือแมลงที่ค้นหา มันถือว่าการเรียนรู้เพียงเล็กน้อยหรือไม่มีเลย หรือความทรงจำที่สมมติฐาน ซึ่งจะชัดเจนไม่ชิดขอบในกรณีของมนุษย์ชนิด . เป็นจู / 'hoansi รู้สภาพแวดล้อมของพวกเขาดี พวกเขารูปแบบการเคลื่อนไหวก็จะคล้ายคลึงกับการค้นหาแบบสุ่ม นี้ทำให้เราในการพิจารณาสาเหตุที่เป็นไปได้อื่น ๆของ L éวีเที่ยวบิน : เศษส่วนการกระจายของทรัพยากร เอฟเอคัพที่เกี่ยวข้องอย่างใกล้ชิดกับ L éวีเที่ยวบินเพราะจุดเปลี่ยนของL éวีการบินรูปแบบรูปแบบเศษส่วนของจุด ความสัมพันธ์ทางคณิตศาสตร์ระหว่างพวกเขาเป็นเรื่องง่าย เลขชี้กำลังของ L éวีเที่ยวบิน , M , เกี่ยวข้องกับเศษส่วนมิติของแบบแผน โดย FD = m − 1 viswanathan et al . ( 2542 , หน้า 119 ) ตรวจสอบL éวีเที่ยวแบบกระจายเศษส่วนของทรัพยากร และพบว่าสอดคล้องกันด้วยรูปแบบของพวกเขา มีวรรณกรรมที่เจียมเนื้อเจียมตัวอธิบายรูปแบบของการหาอาหาร ( เช่นhoddle 2003 ; Russell et al . 1992 ) ที่ตรวจสอบออกหาอาหารในสภาพแวดล้อมที่เป็นเศษส่วน