8、细胞自动机异步性的研究进展与应用

细胞自动机异步性的研究进展与应用

1. 细胞自动机与密度分类任务

1.1 细胞自动机的重要计算任务

细胞自动机（CAs）领域中，有两个备受关注的计算任务：射击队列同步问题和密度分类任务（DCT）。射击队列同步问题要求整个晶格的各个细胞达到状态同步；而密度分类任务则需基于整个晶格收集的信息，判断出更频繁出现的细胞状态。解决这两个问题的关键在于，不能借助全局访问整个晶格的方式，而要通过纯粹的局部手段来实现全局问题的求解。

1.2 密度分类任务的特点与挑战

密度分类任务在表述上极为简单，却蕴含着丰富的概念联系，拓展并挑战了我们对细胞自动机计算方式的理解。标准的密度分类任务要求二进制一维CA在特定初始配置下收敛到全1或全0的最终配置。然而，研究表明标准的DCT无法被解决。这是因为解决d维DCT需要规则同时具备保守性和平衡性，但根据DCT的标准定义，这是相互矛盾的。

1.3 不同维度DCT的研究成果

• 一维DCT ：在一维情况下，众多研究致力于寻找能尽可能完美解决DCT的规则。利用进化计算方法，研究人员发现了许多高效的规则。例如，[Wolz and de Oliveira, 2008]通过复杂的进化技术，找到了超过7000条效率大于85.91%的规则。
• 二维DCT ：Toom’s规则能完美解决无限二维晶格的DCT，但在有限晶格中表现不佳。[Wolz and de Oliveira, 2008]的研究成果至今仍处于领先地位，他们发现的规则在不同邻域下都取得了较高的分数。