Optimal Foraging
최적의 채집

Optimal Foraging(최적의 채집)란 무엇입니까?

Optimal Foraging 최적의 채집 - Our approach highlights that optimal foraging is inherently multidimensional and links the foraging behavior of a generalist insect herbivore to the fundamental nutritional niche of its microbial symbiont. ^[1] Contrafreeloading is the choice to perform a physical task to access food over freely available food, a behavior pattern contrary to the predictions of both optimal foraging and learning theories. ^[2] generalization), but classical paradigms like optimal foraging and niche theory offer contrasting predictions for individual consumers. ^[3] I then ask which ecological conditions could favor the evolution of this strategy by testing the following hypotheses from optimal foraging and mate choice theories: (1) raiding decisions are time constrained or (2) search payoffs are low due to resource uniformity. ^[4] Optimal Foraging and Population Dynamics: An Archaeological Investigation at the Birch Creek Rockshelters, Idaho by Samuel H. ^[5] The association of mollusk collecting with children also helps to explain what would appear to be non-optimal foraging by adults, and the social relations of production. ^[6] We discuss examples of variance-sensitive strategies in optimal foraging, migration, life histories and cooperative breeding in light of these results concerning bet-hedging. ^[7] We chose our study species and populations to provide a strong test of recent theoretical predictions that optimal foraging by an apex fish predator in a typical aquatic environment would be consistent with feeding to satiation rather than continuous feeding. ^[8] Several mechanisms have been proposed to explain it: optimal foraging; predation avoidance; and different optimal growth temperature for larger individuals, causing them to seek deeper and cooler waters to optimize growth and reproduction (3). ^[9] optimal foraging or life history theory. ^[10] We used natural pulses of mast‐fruiting of American beech (Fagus grandifolia) to test whether optimal foraging or competition structure the dietary niche breadth and overlap between two congener rodent species (Peromyscus leucopus and P. ^[11] Potential explanations for the economy type effect, including substitution of future reinforcers for current reinforcers, contingency degradation, anticipatory contrast, and optimal foraging, are discussed. ^[12]
우리의 접근 방식은 최적의 먹이 찾기가 본질적으로 다차원적이며 일반 곤충 초식 동물의 먹이 찾기 행동을 미생물 공생의 기본적인 영양학적 틈새와 연결한다는 점을 강조합니다. ^[1] Contrafreeloading은 최적의 먹이 찾기 및 학습 이론의 예측과 반대되는 행동 패턴인 자유롭게 이용 가능한 음식보다 음식에 접근하기 위해 물리적 작업을 수행하는 선택입니다. ^[2] 일반화), 그러나 최적의 먹이 찾기 및 틈새 이론과 같은 고전적인 패러다임은 개별 소비자에게 대조적인 예측을 제공합니다. ^[3] 그런 다음 최적의 먹이 찾기 및 짝 선택 이론에서 다음 가설을 테스트하여 이 전략의 진화에 유리한 생태학적 조건을 묻습니다. ^[4] 최적의 채집 및 인구 역학: 아이다호 주 버치 크릭 록쉘터에서의 고고학 조사 사무엘 H. ^[5] 어린이와 연체동물 채집의 연관성은 성인이 최적의 먹이를 찾지 못하는 것으로 보이는 것과 생산의 사회적 관계를 설명하는 데 도움이 됩니다. ^[6] 우리는 베팅 헤징에 관한 이러한 결과에 비추어 최적의 먹이 찾기, 이동, 생활사 및 협력 육종에서 분산에 민감한 전략의 예를 논의합니다. ^[7] 우리는 전형적인 수중 환경에서 정점 물고기 포식자가 최적의 먹이를 찾는 것이 연속적인 먹이가 아닌 포만감을 주는 먹이와 일치할 것이라는 최근의 이론적 예측에 대한 강력한 테스트를 제공하기 위해 연구 종과 개체군을 선택했습니다. ^[8] 이를 설명하기 위해 몇 가지 메커니즘이 제안되었습니다. 포식 회피; 더 큰 개체에 대한 최적의 성장 온도가 다르기 때문에 성장과 번식을 최적화하기 위해 더 깊고 시원한 물을 찾게 됩니다(3). ^[9] 최적의 먹이 찾기 또는 생활사 이론. ^[10] 우리는 미국 너도밤나무(Fagus grandifolia)의 돛대 열매를 맺는 자연 펄스를 사용하여 최적의 먹이 찾기 또는 경쟁 구조가 두 개의 동종 설치류 종(Peromyscus leucopus 및 P. ^[11] 현재 강화물에 대한 미래 강화물 대체, 우발적 저하, 예상 대비 및 최적의 먹이 찾기를 포함하여 경제 유형 효과에 대한 잠재적 설명이 논의됩니다. ^[12]

marginal value theorem 한계 가치 정리

The competitive interaction is much greater in “entice to stay” model networks, which has qualitative features of the marginal value theorem, and thereby provides a framework for optimal foraging behavior. ^[1] The competitive interaction is much greater in “entice to stay” model networks, which has qualitative features of the marginal value theorem, and thereby provides a framework for optimal foraging behavior. ^[2] In such tasks, animals consistently follow the general predictions of optimal foraging theory (the Marginal Value Theorem; MVT): to leave a patch when the reward rate in the current patch depletes to the average reward rate across patches. ^[3] We adopted the marginal value theorem as a model-based analysis approach, which approximates optimal foraging behavior by tackling the patch-leaving problem. ^[4]
경쟁적 상호작용은 한계 가치 정리의 질적 특징을 갖고 최적의 먹이 찾기 행동을 위한 프레임워크를 제공하는 "유인" 모델 네트워크에서 훨씬 더 큽니다. ^[1] 경쟁적 상호작용은 한계 가치 정리의 질적 특징을 갖고 최적의 먹이 찾기 행동을 위한 프레임워크를 제공하는 "유인" 모델 네트워크에서 훨씬 더 큽니다. ^[2] nan ^[3] nan ^[4]

Utilize Optimal Foraging

Our case study of Mesa Verde subsistence utilizes optimal foraging theory models from evolutionary ecology to study small animal resource use during the Pueblo II to Terminal Pueblo III periods. ^[1] Grazing species, such as Daphnia, utilize optimal foraging techniques, such as compensatory feeding. ^[2]
메사 베르데 생존에 대한 우리의 사례 연구는 진화 생태학의 최적 채집 이론 모델을 활용하여 푸에블로 II에서 터미널 푸에블로 III 기간 동안의 작은 동물 자원 사용을 연구합니다. ^[1] 물벼룩과 같은 방목 종은 보상 섭식과 같은 최적의 채집 기술을 사용합니다. ^[2]

Extend Optimal Foraging 최적의 채집 확장

These results extend optimal foraging theory and motivate a variety of behavioural experiments investigating patch foraging behaviour. ^[1] These results extend optimal foraging theory and motivate a variety of behavioral experiments investigating patch foraging behavior. ^[2]
이러한 결과는 최적 채집 이론을 확장하고 패치 채집 행동을 조사하는 다양한 행동 실험에 동기를 부여합니다. ^[1] 이러한 결과는 최적 채집 이론을 확장하고 패치 채집 행동을 조사하는 다양한 행동 실험에 동기를 부여합니다. ^[2]

optimal foraging theory 최적의 채집 이론

Indeed, optimal foraging theory typically seeks out a single optimal strategy for individuals in a population. ^[1] As expected based on optimal foraging theory, some anurans (Bufo bufo) preferred larger prey individuals, others (Bombina variagata, Rana esculenta) showed no preference. ^[2] Animal tracking is important for fields as diverse as ethology, optimal foraging theory, and neuroscience. ^[3] To model these human behaviours, ecologists have used optimal foraging theory (OFT) to inform the decisionmaking process as regards alternatives for optimising cost– benefit ratios (Aswani, 1998; Begossi, 1992; McCay, 1981). ^[4] The use of optimality models, such as the prey- and patch-choice models in Optimal Foraging Theory (OFT), have the ability to identify episodes of resource depression, but also behavioural anomalies in the archaeological record that deviated from predicted optimal behaviour. ^[5] Overall, our results are in line with the optimal foraging theory and suggest that Z. ^[6] Using optimal foraging theory measures, foraging was more efficient overall in younger than older observers. ^[7] Expectations regarding horizontal-vertical movements are derived from optimal foraging theories, however, inconsistent empirical findings across a range of taxa suggests these behavioural assumptions are not universally applicable. ^[8] This study adds to this body of work utilizing optimal foraging theory, which predicts individuals will prefer foods that deliver the most energy while costing the least energy to obtain. ^[9] Our results concur with the predictions of optimal foraging theory for patch selection and offer implications for further exploration of the foraging behavior of flycatching horseshoe bats. ^[10] 001), a result that is in line with the expectations of optimal foraging theory for suspension-feeding invertebrates. ^[11] In such tasks, animals consistently follow the general predictions of optimal foraging theory (the Marginal Value Theorem; MVT): to leave a patch when the reward rate in the current patch depletes to the average reward rate across patches. ^[12] These results extend optimal foraging theory and motivate a variety of behavioural experiments investigating patch foraging behaviour. ^[13] Seasonal variations suggest that the fishes did not locate suitable prey as an effect of the availability, this can be also explained by optimal foraging theory and compensatory growth. ^[14] We investigated polar bears' foraging performance on common eider (Somateria mollissima) eggs on Mitivik Island, Nunavut, Canada to test whether bear decision-making heuristics are consistent with expectations of optimal foraging theory. ^[15] In order to explain how crimes are carried out, and why at a particular place and time and against a specific target, crime studies increasingly harness theory from behavioural ecology, in particular Optimal Foraging Theory (OFT). ^[16] This chapter is a refresher on the prey model of classic optimal foraging theory through the lens of this book. ^[17] Background: The preference of a predator for a certain type of prey affects the fitness of species in nature, the optimal foraging theory predicted that prey density may change the predator’s selection preferences, furthermore, predation on prey may be frequency-dependent. ^[18] Recently, the optimal foraging theory has been used to explain the search for items in memory tasks, suggesting the correspondence between the ability to search in a real environment and cognitive search as an essential part of cognitive models. ^[19] Our results are in line with Optimal Foraging Theory and suggest that predators trade-off foraging behaviour with predation risk at different distances from the crop edge and levels of crop cover. ^[20] Abandoning some food would appear to be disadvantageous, yet optimal foraging theory demonstrates that this sometimes optimises energy intake rates. ^[21] These results extend optimal foraging theory and motivate a variety of behavioral experiments investigating patch foraging behavior. ^[22] flavescens in the context of optimal foraging theory. ^[23] Adaptative foraging behaviour should promote species coexistence and biodiversity under climate change as consumers are expected to maximise their energy intake, according to principles of optimal foraging theory. ^[24] However, its juxtaposition against more established frameworks like optimal foraging theory (OFT) has raised important criticism around the testability of NCT for interpreting hominin foraging behavior. ^[25] Our results may be explained by optimal foraging theory. ^[26] This problem is related to the optimal foraging theory. ^[27] Most research on animal foraging is interpreted under the framework of optimal foraging theory. ^[28] An intriguing aspect of optimal foraging theory is the link that it makes between local behavior and environmental conditions. ^[29] In this chapter, an optimization method based on optimal foraging theory is proposed to adjust the two main parameters of gaussian kernel function of SVM to increase the classification accuracy. ^[30] Based on fieldwork in Kiribati, eastern Micronesia, and the application of Optimal Foraging Theory, this paper adds support to recent ethnographic, ethnoarchaeological, and archaeological case studies for the sustainable use of mollusks. ^[31] The results suggest that the optimal foraging theory, where animals tend to maximize net benefits, may be applicable to kleptoparasitic behaviour. ^[32] According to optimal foraging theory, predators should prefer prey which provides the highest amount of energy per unit time. ^[33] According to optimal foraging theory, predators should prefer prey which provides the highest amount of energy per unit time. ^[34] According to optimal foraging theory, a predator should select the most beneficial prey in terms of energy gain relative to handling time. ^[35] terrestris is contrary to the expected and acknowledged trend based on previous interspecific comparisons, but partially consistent with predictions of models of optimal foraging theory. ^[36] , life history theory, game theory, optimal foraging theory) at the colony level, and close by providing examples of unexamined questions in this field that are ripe for new inquiries. ^[37] Finally, the decision to leave a screen/patch for the next screen in these foraging tasks is imperfectly consistent with the predictions of optimal foraging theory. ^[38] Within the optimal foraging theory framework, parasitoids constitute ideal models to elucidate combined physiological and environmental determinism of foraging behavior between current and future fitness gains. ^[39] Our algorithm gives an efficient method for turning a long, high‐resolution movement path into a schematic representation of broadscale decisions, allowing a direct link to existing point‐to‐point analysis techniques such as optimal foraging theory. ^[40] Optimal foraging theory predicts that predators will utilise foraging strategies that maximise their net energetic intake, and consequently, individuals within a population may utilise alternate strategies to target different prey resources. ^[41] Our results have introduced a new potential to quantitatively investigate the effect of other animals on free-ranging top predators in the context of optimal foraging theory. ^[42] Many studies have examined this behavior using optimal foraging theory as the theoretical framework, which explains that animals behave in a way that optimizes net energy intake (calculated by dividing the difference in energy obtained from prey and energy expended for foraging by the total time engaging in these behaviors). ^[43] We construct an optimal foraging theory model that accounts for distance and quality of resources, as well as overcrowding, and predicts a swarm-size-dependent strategy. ^[44] The optimal foraging theory postulates that as animal population density increases, the progressive decline in preferred forage availability results in changes in diet composition and widening of dietary niche breadth. ^[45] Optimal foraging theory predicts that an animal's ability to exploit resource patches is key to foraging success. ^[46] In this paper, I use the classic ‘diet’ model of optimal foraging theory (OFT) to investigate the evolution of decision-making mechanisms at both the computational and the algorithmic level. ^[47] Optimal foraging theory (OFT) has previously been applied to understand the emergence of food-web structure through a consumer-centric consideration of diet choice. ^[48] Optimal Foraging Theory is well suited to study these kinds of choices because it provides formal models for reward-maximization in sequential situations. ^[49] While traditional optimal foraging theories assume rational energy maximisation, they fail to fully describe animal behaviour. ^[50]
실제로 최적 채집 이론은 일반적으로 인구 집단의 개인에 대한 단일 최적 전략을 찾습니다. ^[1] 최적 채집 이론에 기초하여 예상한 바와 같이 일부 anurans(Bufo bufo)는 더 큰 먹이 개체를 선호하고 다른 anurans(Bombina variagata, Rana esculenta)는 선호하지 않았습니다. ^[2] 동물 추적은 동물 행동학, 최적 채집 이론 및 신경 과학과 같은 다양한 분야에서 중요합니다. ^[3] 이러한 인간 행동을 모델링하기 위해 생태학자들은 최적 채집 이론(OFT)을 사용하여 비용-편익 비율을 최적화하기 위한 대안과 관련하여 의사 결정 과정에 정보를 제공했습니다(Aswani, 1998; Begossi, 1992; McCay, 1981). ^[4] 최적 채집 이론(OFT)의 먹이 선택 및 패치 선택 모델과 같은 최적 모델을 사용하면 자원 감소 에피소드를 식별할 수 있을 뿐만 아니라 예측된 최적 행동에서 벗어난 고고학 기록의 이상 행동도 식별할 수 있습니다. ^[5] 전반적으로, 우리의 결과는 최적 채집 이론과 일치하며 Z. ^[6] nan ^[7] 수평-수직 이동에 대한 예상은 최적의 먹이 찾기 이론에서 파생되지만, 분류군의 범위에 걸쳐 일관되지 않은 경험적 발견은 이러한 행동 가정이 보편적으로 적용되지 않음을 시사합니다. ^[8] nan ^[9] 우리의 결과는 패치 선택을 위한 최적의 채집 이론의 예측과 일치하며 파리 잡기 말굽 박쥐의 채집 행동에 대한 추가 탐구에 대한 의미를 제공합니다. ^[10] 001), 부유식 무척추동물에 대한 최적 채집 이론의 기대치와 일치하는 결과이다. ^[11] nan ^[12] 이러한 결과는 최적 채집 이론을 확장하고 패치 채집 행동을 조사하는 다양한 행동 실험에 동기를 부여합니다. ^[13] 계절적 변화는 물고기가 가용성의 영향으로 적절한 먹이를 찾지 못했음을 시사하며, 이는 최적의 먹이 찾기 이론과 보상적 성장으로도 설명할 수 있습니다. ^[14] 우리는 곰 의사 결정 휴리스틱이 최적의 먹이 찾기 이론의 기대치와 일치하는지 여부를 테스트하기 위해 캐나다 누나부트주 미티빅 섬의 보통눈썹참갯지렁이(Somateria mollissima) 알에 대한 북극곰의 먹이 찾기 성능을 조사했습니다. ^[15] nan ^[16] nan ^[17] 배경: 특정 유형의 먹이에 대한 포식자의 선호도는 자연에서 종의 적합도에 영향을 미치며, 최적 채집 이론은 먹이의 밀도가 포식자의 선택 선호도를 변경할 수 있으며 더 나아가 먹이에 대한 포식은 빈도 의존적일 수 있다고 예측했습니다. ^[18] 최근에는 최적의 채집 이론이 기억 과제의 항목 검색을 설명하는 데 사용되어 실제 환경에서 검색하는 능력과 인지 모델의 필수 부분인 인지 검색 사이의 일치를 제안합니다. ^[19] 우리의 결과는 최적 채집 이론과 일치하며 포식자는 작물 가장자리와 작물 덮개 수준에서 다양한 거리에서 포식 위험과 함께 먹이 사냥 행동을 절충한다고 제안합니다. ^[20] nan ^[21] 이러한 결과는 최적 채집 이론을 확장하고 패치 채집 행동을 조사하는 다양한 행동 실험에 동기를 부여합니다. ^[22] 최적 채집 이론의 맥락에서 flavescens. ^[23] 최적의 먹이 찾기 이론의 원칙에 따라 소비자가 에너지 섭취를 최대화할 것으로 예상되기 때문에 적응적 먹이 찾기 행동은 기후 변화 하에서 종의 공존과 생물 다양성을 촉진해야 합니다. ^[24] 그러나 최적 채집 이론(OFT)과 같은 보다 확립된 프레임워크에 대한 병치는 호미닌 채집 행동을 해석하기 위한 NCT의 테스트 가능성에 대한 중요한 비판을 불러일으켰습니다. ^[25] 우리의 결과는 최적 채집 이론으로 설명될 수 있습니다. ^[26] 이 문제는 최적 채집 이론과 관련이 있습니다. ^[27] 동물 채집에 관한 대부분의 연구는 최적 채집 이론의 틀에서 해석됩니다. ^[28] 최적 채집 이론의 흥미로운 측면은 지역 행동과 환경 조건 간의 연결 고리입니다. ^[29] 이 장에서는 분류 정확도를 높이기 위해 SVM의 가우스 커널 함수의 두 가지 주요 매개 변수를 조정하는 최적의 먹이 찾기 이론에 기반한 최적화 방법을 제안합니다. ^[30] 미크로네시아 동부 키리바시의 현장 조사와 최적 채집 이론의 적용을 바탕으로 이 문서는 연체 동물의 지속 가능한 사용에 대한 최근의 민족지학, 민족고고학 및 고고학 사례 연구에 대한 지원을 추가합니다. ^[31] 결과는 동물이 순 이익을 최대화하는 경향이 있는 최적의 채집 이론이 절기 기생 행동에 적용될 수 있음을 시사합니다. ^[32] 최적 채집 이론에 따르면 포식자는 단위 시간당 가장 많은 에너지를 제공하는 먹이를 선호해야 합니다. ^[33] 최적 채집 이론에 따르면 포식자는 단위 시간당 가장 많은 에너지를 제공하는 먹이를 선호해야 합니다. ^[34] 최적 채집 이론에 따르면 포식자는 처리 시간에 비해 에너지 획득 측면에서 가장 유익한 먹이를 선택해야 합니다. ^[35] terrestris는 이전의 종간 비교를 기반으로 한 예상 및 인정된 추세와 반대이지만 부분적으로는 최적 채집 이론 모델의 예측과 일치합니다. ^[36] , 생활사 이론, 게임 이론, 최적 채집 이론) 식민지 수준에서, 그리고 새로운 질문에 익은 이 분야에서 미검토 질문의 예를 제공함으로써 마무리합니다. ^[37] 마지막으로, 이러한 채집 작업에서 다음 화면을 위해 화면/패치를 남기기로 한 결정은 최적 채집 이론의 예측과 불완전하게 일치합니다. ^[38] 최적의 먹이 찾기 이론 프레임워크 내에서, 기생체는 현재와 미래의 체력 향상 사이의 먹이 찾기 행동의 결합된 생리적 및 환경적 결정론을 설명하는 이상적인 모델을 구성합니다. ^[39] 우리의 알고리즘은 최적의 먹이 찾기 이론과 같은 기존 지점 간 분석 기술에 대한 직접 링크를 허용하여 긴 고해상도 이동 경로를 광범위한 결정의 도식적 표현으로 바꾸는 효율적인 방법을 제공합니다. ^[40] 최적의 먹이 찾기 이론은 포식자가 순 에너지 섭취를 최대화하는 먹이 찾기 전략을 사용할 것이며 결과적으로 개체군 내의 개인은 다른 먹이 자원을 목표로 하는 대체 전략을 사용할 수 있다고 예측합니다. ^[41] 우리의 결과는 최적 채집 이론의 맥락에서 자유 범위의 최상위 포식자에 대한 다른 동물의 영향을 정량적으로 조사할 수 있는 새로운 가능성을 도입했습니다. ^[42] 많은 연구에서 동물이 순 에너지 섭취를 최적화하는 방식으로 행동한다고 ​​설명하는 이론적인 틀로서 최적 채집 이론을 사용하여 이 행동을 조사했습니다. 이러한 행동). ^[43] 우리는 과밀뿐만 아니라 거리와 자원의 품질을 설명하고 떼 크기 종속 전략을 예측하는 최적의 채집 이론 모델을 구성합니다. ^[44] 최적의 먹이 찾기 이론은 동물의 인구 밀도가 증가함에 따라 선호하는 먹이 이용 가능성의 점진적인 감소는 식이 구성의 변화와 식이 틈새의 폭을 넓히는 결과를 낳는다고 가정합니다. ^[45] 최적 채집 이론은 자원 패치를 이용하는 동물의 능력이 채집 성공의 핵심이라고 예측합니다. ^[46] 이 논문에서는 최적의 먹이 찾기 이론(OFT)의 고전적인 '다이어트' 모델을 사용하여 계산 및 알고리즘 수준 모두에서 의사 결정 메커니즘의 진화를 조사합니다. ^[47] 최적 채집 이론(OFT)은 이전에 소비자 중심의 식단 선택 고려를 통해 먹이 그물 구조의 출현을 이해하기 위해 적용되었습니다. ^[48] Optimal Foraging Theory는 순차적인 상황에서 보상을 최대화하기 위한 공식 모델을 제공하기 때문에 이러한 종류의 선택을 연구하는 데 적합합니다. ^[49] 전통적인 최적 채집 이론은 합리적인 에너지 극대화를 가정하지만 동물의 행동을 완전히 설명하지 못합니다. ^[50]

optimal foraging model 최적의 채집 모델

The energy budget rule is a risk-sensitive optimal foraging model that predicts choice should be risk averse when need levels are relatively easy to meet within a foraging period (positive budget conditions), and risk prone when need levels are more difficult to meet (negative budget conditions). ^[1] Optimal foraging models predict that individual animals will optimize net energy gain by intensifying forage activity and/or reducing forage energy cost. ^[2] In this paper, we discretize and analyze a stoichiometric optimal foraging model where the grazer's feeding effort depends on the producer's nutrient quality. ^[3] In insect parasitoids, females foraging for hosts have repeatedly been shown to employ behavioral strategies that are in line with predictions from optimal foraging models. ^[4] In accord with qualitative predictions from optimal foraging models, participants adjusted their selectivity to the richness of the environment: becoming less selective in poorer environments and increasing acceptance of less profitable options. ^[5] Optimal foraging models help to predict important changes in faunal use prior to the adoption of agriculture related to resource depression and environmental changes. ^[6] Current findings suggest that garbage consuming behavior of elephants could fit to an optimal foraging model. ^[7] Optimal foraging models predict animals will consume more food from patches of higher initial densities. ^[8]
에너지 예산 규칙은 채집 기간 내에 욕구 수준이 비교적 쉽게 충족될 때(양의 예산 조건) 선택이 위험 회피적이어야 하고 욕구 수준이 충족하기 더 어려울 때 위험이 높은 경향(음수)을 예측하는 위험에 민감한 최적의 채집 모델입니다. 예산 조건). ^[1] 최적의 채집 모델은 개별 동물이 마초 활동을 강화하고 마초 에너지 비용을 줄임으로써 순 에너지 획득을 최적화할 것으로 예측합니다. ^[2] nan ^[3] 곤충 기생에서 숙주를 찾는 암컷은 최적의 먹이 찾기 모델의 예측과 일치하는 행동 전략을 사용하는 것으로 반복적으로 나타났습니다. ^[4] 최적의 채집 모델의 정성적 예측에 따라 참가자들은 환경의 풍부함에 따라 선택성을 조정했습니다. ^[5] 최적의 채집 모델은 자원 감소 및 환경 변화와 관련된 농업을 채택하기 전에 동물군 사용의 중요한 변화를 예측하는 데 도움이 됩니다. ^[6] 현재 연구 결과에 따르면 코끼리의 쓰레기 소비 행동은 최적의 먹이 찾기 모델에 적합할 수 있습니다. ^[7] nan ^[8]

optimal foraging strategy 최적의 채집 전략

This optimal strategy allows prey to use an optimal foraging strategy and allows predators to use an intelligent rate policy for encounters. ^[1] In the proposed approach, optimal foraging strategy and marine memory are employed to improve the learning ability of feedforward neural networks. ^[2] We model movement decisions based on optimal foraging strategy, cognitive and physiological processes in a realistic landscape, coupled with realistic prey distribution and tuned to a range of behavioural and physiological patterns observed at different scales and levels of organisation (pattern-orientated modelling, POM). ^[3] Angular acceleration from wielding motions appear to follow a similar distribution as optimal foraging strategies-perhaps it is the case that humans are foraging for information about the inertia of an object through changes in angular acceleration and wielding movements. ^[4] polyandra may be an optimal foraging strategy for Military Macaws to meet their energy requirements during the breeding season. ^[5] Several mathematical models have been put forward as energetically optimal foraging strategies when the food environment is sparse (i. ^[6] Male overall diet and predation patterns appear to fit an optimal foraging strategy that is influenced primarily by prey profitability and abundance, with males preying primarily on medium‐sized prey, closest to meeting their lower energetic needs. ^[7] Both the experimental and theoretical results reveal quantitative agreement with an optimal foraging strategy and show that circular and reversal behaviours both contribute to comparable spatial diffusion properties. ^[8]
이 최적의 전략을 통해 먹이는 최적의 먹이 찾기 전략을 사용할 수 있고 포식자는 조우 시 지능형 비율 정책을 사용할 수 있습니다. ^[1] 제안된 접근 방식에서는 최적의 먹이 찾기 전략과 해양 메모리를 사용하여 피드포워드 신경망의 학습 능력을 향상시킵니다. ^[2] 우리는 현실적인 먹이 분포와 결합되고 조직의 다양한 규모와 수준에서 관찰되는 다양한 행동 및 생리적 패턴에 맞춰 조정된 현실적인 환경에서 최적의 먹이 찾기 전략, 인지 및 생리학적 프로세스를 기반으로 움직임 결정을 모델링합니다(패턴 지향 모델링, POM). . ^[3] 휘두르는 동작으로 인한 각가속도는 최적의 먹이 찾기 전략과 유사한 분포를 따르는 것으로 보입니다. 아마도 인간이 각가속도 및 휘두르는 움직임의 변화를 통해 물체의 관성에 대한 정보를 찾아 헤매는 경우일 것입니다. ^[4] polyandra는 번식기에 필요한 에너지 요구 사항을 충족하기 위해 군용 마코 앵무에게 최적의 채집 전략이 될 수 있습니다. ^[5] 식량 환경이 희박할 때(i. ^[6] nan ^[7] nan ^[8]

optimal foraging condition

We hypothesise that the different responses to changes in surface water by immature and adult Shoebills are related to age-specific optimal foraging conditions and fishing techniques. ^[1] The birds arrived to the sites on average 12 days after rains ended and departed about two weeks after the onset of dry season suggesting that the birds closely tracked a spatiotemporal window presumably timed with optimal foraging conditions. ^[2] Large marine predators often aggregate seasonally in discrete locations to take advantage of optimal foraging conditions, leading to spatial and temporal variation in their exposure on other specie. ^[3] Large marine predators often aggregate seasonally in discrete locations to take advantage of optimal foraging conditions, leading to spatial and temporal variation in their exposure on other specie. ^[4]
미성숙 및 성체 Shoebills에 의한 지표수 변화에 대한 상이한 반응은 연령별 최적의 채집 조건 및 낚시 기술과 관련이 있다고 가정합니다. ^[1] 새들은 비가 그친 후 평균 12일 후에 현장에 도착했고 건기가 시작된 후 약 2주 후에 떠났는데, 이는 새들이 최적의 먹이 찾기 조건으로 추정되는 시공간 창을 밀접하게 추적했음을 시사합니다. ^[2] 대형 해양 포식자는 최적의 먹이 찾기 조건을 이용하기 위해 계절에 따라 별개의 위치에 모이는 경우가 많으며, 이는 다른 종에 대한 노출의 공간적 및 시간적 변화로 이어집니다. ^[3] nan ^[4]

optimal foraging algorithm 최적의 채집 알고리즘

This approach is adopted as a fitness function assignment strategy and is combined with the optimal foraging algorithm (OFA) to build a multiobjective evolutionary algorithm: the OFA based on sIFSs (OFA-sIFSs). ^[1] As a conclusion, particle swarm optimization (PSO), differential evolution (DE) and optimal foraging algorithm (OFA) are affine invariant, while grey wolf optimizer (GWO), sine cosine algorithm (SCA) and butterfly optimization algorithm (BOA) are not affine invariant. ^[2] Optimal foraging algorithm (OFA) was presented as a stochastic search algorithm to solve global optimization problems in 2017. ^[3]
이 접근 방식은 적합성 기능 할당 전략으로 채택되고 OFA(Optimal foraging Algorithm)와 결합되어 OFA 기반 sIFS(OFA-sIFS)인 다중 목표 진화 알고리즘을 구축합니다. ^[1] 결론적으로 PSO(입자 무리 최적화), DE(미분 진화) 및 OFA(최적 먹이 찾기 알고리즘)는 아핀 불변인 반면, GWO(그레이 울프 옵티마이저), SCA(사인 코사인 알고리즘) 및 BOA(나비 최적화 알고리즘)는 그렇지 않습니다. 아핀 불변. ^[2] 2017년에는 전역 최적화 문제를 해결하기 위한 확률적 탐색 알고리즘으로 OFA(Optimal foraging Algorithm)가 제시되었습니다. ^[3]

optimal foraging behavior 최적의 채집 행동

The competitive interaction is much greater in “entice to stay” model networks, which has qualitative features of the marginal value theorem, and thereby provides a framework for optimal foraging behavior. ^[1] The competitive interaction is much greater in “entice to stay” model networks, which has qualitative features of the marginal value theorem, and thereby provides a framework for optimal foraging behavior. ^[2] We adopted the marginal value theorem as a model-based analysis approach, which approximates optimal foraging behavior by tackling the patch-leaving problem. ^[3]
경쟁적 상호작용은 한계 가치 정리의 질적 특징을 갖고 최적의 먹이 찾기 행동을 위한 프레임워크를 제공하는 "유인" 모델 네트워크에서 훨씬 더 큽니다. ^[1] 경쟁적 상호작용은 한계 가치 정리의 질적 특징을 갖고 최적의 먹이 찾기 행동을 위한 프레임워크를 제공하는 "유인" 모델 네트워크에서 훨씬 더 큽니다. ^[2] nan ^[3]

optimal foraging trade

For the first time, we use a landscape of fear framework with Bayesian spatiotemporal modelling to investigate anthropogenic risk-mitigation and optimal foraging trade-offs in Critically Endangered western chimpanzees (Pan troglodytes verus). ^[1] Chapters provide novel advances into the ecology of kittiwakes, but also into the drivers of optimal foraging trade-offs and the origins of individual differences in behaviour that are relevant well beyond this species. ^[2]
처음으로 우리는 베이지안 시공간 모델링과 함께 공포의 풍경을 사용하여 멸종 위기에 처한 서부 침팬지(Pan troglodytes verus)에서 인위적 위험 완화와 최적의 먹이 찾기 균형을 조사합니다. ^[1] 챕터는 kittiwakes의 생태학에 대한 새로운 발전을 제공할 뿐만 아니라 최적의 먹이 찾기 균형의 동인과 이 종을 훨씬 능가하는 행동의 개인차의 기원에 대해서도 설명합니다. ^[2]

optimal foraging decision

Angelfish showed no preference in any of the contrasts, suggesting that they could not make optimal foraging decisions when these attributes were in conflict. ^[1] We predicted optimal foraging decisions throughout her lifetime as well as the energetic thresholds below which it is optimal for her to abandon a reproductive attempt. ^[2]
Angelfish는 이러한 특성이 충돌할 때 최적의 먹이 찾기 결정을 내릴 수 없음을 시사하는 대조 중 어떤 것도 선호하지 않았습니다. ^[1] 우리는 그녀의 평생 동안 최적의 먹이 찾기 결정과 번식 시도를 포기하는 것이 최적인 에너지 임계값을 예측했습니다. ^[2]