Мультиагентное моделирование в биологии растений

М. И. Анчёков, Ж. Х. Курашев

---

Аннотация: Традиционные методы, такие как системы алгебраических или дифференциальных уравнений, L-системы или функционально-структурные модели, зачастую не способны в полной мере моделировать динамическое взаимодействие растений со средой. Мультиагентные системы позволяют представить моделируемый объект как коллектив автономных агентов, представляющих отдельные функциональные части, каждая из которых следует локальным правилам, обеспечивающим принятие решения и взаимодействие с внешней средой.
Цель исследования – анализ современных подходов к мультиагентному моделированию в биологии растений.

Проведенный анализ ряда публикаций показал, что моделирование на основе мультиагентного подхода воспроизводит рост апельсинового дерева, архитектуру корневой системы, морфологическую адаптацию черной ольхи, поведенческую пластичность животных в растительных экосистемах и позволяет реализовать цифровые двойники пшеницы. В рассмотренных работах особое внимание уделяется эмерджентным свойствам предложенных моделей, которые проявляются без явного задания глобальных правил. Результаты проведённого анализа демонстрируют высокий потенциал мультиагентного подхода как инструмента моделирования морфологических и физиологических процессов биологических систем, а также его перспективность в задачах цифрового земледелия, селекции и прогнозирования урожайности в условиях изменяющегося климата. Этот подход способен учитывать пространственную неоднородность среды и временные изменения условий.
Представленный обзор исследований показывает, что подход на основе мультиагентных систем успешно применяется для моделирования роста деревьев, корневых систем, популяционной динамики, цифровых двойников сельскохозяйственных культур.

Ключевые слова: мультиагентное моделирование, фенотипическая пластичность, цифровой двойник, агентно-ориентированное моделирование, эмерджентные свойства

Для цитирования. Анчёков М. И., Курашев Ж. Х. Мультиагентное моделирование в биологии растений // Известия Кабардино-Балкарского научного центра РАН. 2025. Т. 27. № 5. С. 26–33. DOI: 10.35330/1991-6639-2025-27-5-26-33

Список литературы

1. Qu H., Wang Yo., Cai Lg, Wang T. Orange tree simulation under heterogeneous environment using agent-based model ORASIM. Simulation Modelling Practice and Theory. 2012.
   Vol. 23. Pp. 19–35. DOI: 10.1016/j.simpat.2011.12.005
2. Иорданский Н. Н. Фенотипическая пластичность организмов и эволюция // Русский орнитологический журнал. 2024. Т. 33. № 2385. С. 294–303. EDN: HTMMOX
3. Reuter H., Jopp F., Hölker F., Eschenbach Ch.A. The ecological effect of phenotypic plasticity – Analyzing complex interaction networks (COIN) with agent-based models. Ecological Informatics. 2008. Vol. 3. No. 1. Pp. 35–45. DOI: 10.1016/j.ecoinf.2007.03.010
4. Eschenbach C. The effect of light acclimation of single leaves on whole tree growth and competition – an application of the tree growth model ALMIS. Annals of Forest Science. 2000. Vol. 57. No. 5. Pp. 599–609. DOI: 10.1051/forest:2000145
5. Mußmann M., Hofstadler D.N., Mammen S. von. An Agent-based, Interactive Simulation Model of Root Growth. The 2024 Conference on Artificial Life. 2024. DOI: 10.1162/isal_a_00718
6. Raies Y., von Mammen S. A Swarm Grammar-Based Approach to Virtual World Generation. Lecture Notes in Computer Science. 2021. Pp. 459–474. DOI: 10.1007/978-3-030-72914-1_30
7. Lindenmayer A. Mathematical models for cellular interactions in development II. Simple and branching filaments with two-sided inputs. Journal of Theoretical Biology. 1968. Vol. 18. No. 3. Pp. 300–315. DOI: 10.1016/0022-5193(68)90080-5
8. Prusinkiewicz P. Pillars of theoretical biology: Mathematical models for cellular interaction in development. I and II. Journal of Theoretical Biology. 2025. No. 609. P. 112142
9. Li X., Su Zh., Sun H., Zheng P. Agent-based plant growth modeling. ICICSE ’09: Proceedings of the 2009 Fourth International Conference on Internet Computing for Science and
   Engineering. 2009. Pp. 6–11. DOI: 10.1109/ICICSE.2009.8
10. Garro A., Falcone A., Baldoni M. et al. Intelligent agents: multi-agent systems. Encyclopedia of Bioinformatics and Computational Biology. 2025. Pp. 379–385.
11. Skobelev P., Laryukhin V., Simonova E. et al. Multi-agent approach for developing a digital twin of wheat. In 2020 IEEE International Conference on Smart Computing (SMARTCOMP). 2020. Pp. 268–273. DOI: 10.1109/smartcomp50058.2020.00062
12. Тихонов А. А., Головатый В. С. Модели планирования развития растения для сервиса цифрового двойника сельскохозяйственных культур // Modern Science. 2022. № 2-2. С. 278–283. EDN: IYEJFS
13. Grieves M. Digital twin: manufacturing excellence through virtual factory replication. White Paper. 2015.
14. Skobelev P., Mayorov I., Simonova E. et al. Development of digital twin of plant for adaptive calculation of development stage duration and forecasting crop yield in a cyber-physical system for managing precision farming. Studies in Systems, Decision and Control. Springer. 2021. Pp. 83–96. DOI: 10.1007/978-3-030-67892-0_8
15. Lee E.A. Cyber physical systems: design challenges. 2008 11th IEEE international symposium on object and component-oriented real-time distributed computing (ISORC). 2008. Pp. 363–369. DOI: 10.1109/ISORC.2008.25

Информация об авторах

Анчёков Мурат Инусович, заведующий лабораторией «Имитационное моделирование феногенетических процессов» НИЦ «Интеллектуальные генетические системы», Кабардино-Балкарский научный центр Российской академии наук;
360002, Россия, г. Нальчик, ул. Балкарова, 2;
murat.antchok@gmail.com, ORCID: https://orcid.org/0000-0002-8977-797X, SPIN-код: 3299-0927
Курашев Жираслан Хаутиевич, заведующий НИЦ «Интеллектуальные генетические системы», Кабардино-Балкарский научный центр Российской академии наук;
360002, Россия, г. Нальчик, ул. Балкарова, 2;
kurashev-j@mail.ru, ORCID: https://orcid.org/0000-0001-9442-6122, SPIN-код: 8549-2620