p (Phys.org) —Como uma gazela pode correr mais rápido que um leão, como os leões pegam gazelas? Um novo modelo de interação predador-presa mostra como grupos de predadores usam estratégias coletivas de perseguição, como curvas e círculos, para perseguir e capturar uma presa mais rápida. Sem esta colaboração tática, os predadores não teriam chance de capturar essas presas. p Os resultados não são relevantes apenas para a compreensão da vida selvagem, mas também têm aplicações potenciais para estratégias de vôo de drones e na indústria do entretenimento.

p Os pesquisadores, Milán Janosov, Csaba Virágh, Gábor Vásárhelyi, e Tamás Vicsek no Grupo de Pesquisa Estatística e Física Biológica do MTA-ELTE, Hungria, publicaram seu artigo sobre seu novo modelo de estratégias de perseguição coletiva em uma edição recente do New Journal of Physics .

p "Depois de muitos esforços anteriores, conseguimos dar um simples, ainda uma explicação surpreendentemente real de como animais predadores podem formar matilhas de caça bem-sucedidas, e com isso aumentam drasticamente suas chances de sucesso em uma caçada, "Janosov disse Phys.org . "Isso é particularmente interessante porque conseguimos modelar esses sistemas excepcionalmente complexos - os grupos de caça de grandes carnívoros - em uma simulação que lembra características realistas de perseguições de animais, como cercar, tamanho de grupo ideal, e espaço finito, apenas usando um conjunto de regras compactas formuladas como interações do tipo força na física. "

p Embora existam outros modelos que descrevem as interações predador-presa, o novo modelo é diferente devido ao grande número de fatores que leva em conta, como o limiar de pânico da presa, a capacidade do predador de prever a posição futura da presa, e a interação entre vários predadores, dentro de limites fechados com medidas realistas. Todos esses parâmetros contribuem para fazer um modelo mais realista que descreve com precisão os comportamentos observados na natureza por grupos de predadores, como leões, Lobos, e coiotes.

p Ao executar simulações e medir a eficácia de diferentes combinações de valores de parâmetros, os pesquisadores determinaram as combinações ideais que resultaram nas estratégias de perseguição de grupo mais bem-sucedidas. Entre seus resultados, eles descobriram que apenas um ou dois predadores nunca podem pegar uma presa mais rápida, e que grupos de três ou mais têm sucesso apenas com certas estratégias colaborativas.

p O modelo revelou que três predadores formam um grupo ideal ao perseguir em duas dimensões (como em terra) em um espaço confinado. Em três dimensões (como no ar ou debaixo d'água), perseguir se torna mais desafiador, e grupos de cinco são ideais. Esses tamanhos de grupo são comparáveis ​​aos observados na natureza. Surpreendentemente, os pesquisadores também descobriram que um número ímpar de caçadores se sai melhor do que um número par, que se deve a razões geométricas:com um número par, é mais provável que permaneça uma lacuna entre os predadores que permite que a presa escape.

p Em seu modelo, os pesquisadores também observaram o comportamento emergente, que é o comportamento que aparece apenas em grupos. Em particular, grupos de predadores muitas vezes começam a cercar suas presas, e esse comportamento surge diretamente das regras de perseguição.

p Na natureza, é comum que a presa às vezes corra em ziguezague para confundir o predador, e eventualmente fugir diretamente do predador em linha reta. Os pesquisadores também observaram essas estratégias em seu modelo, e descobriram que ziguezaguear é especialmente vantajoso quando os predadores demoram muito para responder.

p No futuro, os pesquisadores esperam que resultados interessantes adicionais possam ser obtidos modificando o modelo, como investigar situações com múltiplas presas rápidas e equipar predadores e presas com algoritmos de aprendizado de máquina.

p "Nosso principal objetivo nesta pesquisa era obter uma compreensão mais profunda do comportamento coletivo dos animais, para estender nosso conhecimento sobre questões fundamentais sobre o comportamento animal, "Janosov disse." No entanto, dado o fato de que nosso grupo de pesquisa está desenvolvendo algoritmos de movimento coletivo para nosso bando de quadrocopiadoras, existem muitas aplicações potenciais que podemos propor. Por exemplo, um grupo de drones táticos usando estratégias de cerco inteligentes pode se tornar até salva-vidas no caso de ataques terroristas, quando o objetivo é capturar veículos voadores terroristas, ou perseguindo criminosos no estreito, áreas urbanas altamente povoadas.

p "Além disso, nossos resultados podem ter aplicações potenciais até mesmo na indústria do entretenimento no desenvolvimento de jogos de campo, possivelmente combinado com ferramentas de realidade virtual, ou pela transmissão de eventos esportivos populares, especialmente aqueles que estão amplamente espalhados no espaço, por exemplo, corridas de bicicleta ou de carro. " p © 2017 Phys.org