9 Wir  haben  zwar  das  Modell  so  entworfen,  dass    ein  Boid  nur  auf  seine  nähere  Umgebung reagiert,  aber  die  Rechenprozesse  laufen  so  ab,  dass  jeder  Boid sich mit sämtlichen anderen Boids abstimmt und sei es nur um diese zu “ignorieren“. Dies ist aber nicht sehr realistisch. In der  Natur  kann  man  kilometerlange  Schwärme  oder  Herden  beobachten.  Dort  werden  die Tiere nicht von der Schwarmgröße beeinflusst. Was erfreulich ist, denn das bedeutet, dass die Simulation   nicht   auf   einen   Rechner   beschränkt   bleiben   muss,   sondern   jedem   Boid   ein Prozessor  zugeteilt  werden  kann.  Das  vermindert  den  Algorithmus  auf  einen  einfacheren O(n)-Algorithmus.  Doch  das  ist  noch  nicht  gut  genug.  Was  man  benötigt  ist  ein  zeitlich konstanter  Algorithmus,  der  unabhängig  zur  Größe  der  Population  ist.  Reynolds  untersuchte zu diesem Zweck zwei Annäherungen: 4.5.1     Dynamische räumlich Verteilung der Boids   Dabei   bildet   ein   Gitterwerk   (Abbildung   9)   sogenannte “Behälter“,  in  die  die  Boids  basierend  ihrer  Position  im Raum verteilt werden. Ein Boid, der versucht innerhalb des Schwarms zu navigieren, erhält schnell Informa-tionen über sein    Umfeld,    indem    er    nur    die    Behälter    nahe    seiner gegenwärtigen  Position  überprüft.  Die globale Orientierung wird dadurch wirklich auf eine lokale reduziert. 4.5.2     Implementierung einer Sinneswahrnehmung Schaffung     eines     künstlichen     Sinnes     zur     Kollisions- Wahrnehmung.    Dieser    ist    zwar    wiederum    ein    O(n²)- Algorithmus,  doch  mit  der  Einführung  von  Feldern  (also wiederum  Lösung  des  Problems  durch  Auf-teilung),  müsste  der  Algorithmus  dabei  nur  auf Veränderungen  der  näheren  Umgebung  des  Boids  achten,  was  ihn  wesentlich  beschleunigt, voraus-gesetzt es treten wenig Veränderungen auf. Die Boid-Software wurde auf  einem leistungsstarken Symbolics 3600 LISP Rechner erstellt. Die   Schwarm-Software   wiederum   in   FLAVORS   implementiert,   einer   objektorientierten Erweiterung    der  LISP-Sprache,  wobei  Boids  auf  dem  3D-FLAVOR  basiert.  Geometrische Aspekte  des  Systems  wurden  mit  der  S-GEOMETRY-Software  modelliert.  Craig  Reynolds demonstrierte auf der SIGGRAPH ’86 eine Schwarmsimulation von 80 Boids, wobei er den simplen   O(N²)-Algorithmus   ohne   spezielle   Hardwareunterstützung   anwendete.   Für   eine Simulation  von  10  Sekunden  mit  insgesamt  300  Frames  war  eine  Rechenzeit  von  über  acht Stunden  erforderlich.  Reynolds  demonstriert  seinen  Boid-Algorithmus  anhand  eines  Java- Applets [Boidapp] im Internet. 4.6 Zukünftige Forschungsgebiete Ein  Aspekt  des  Boid-Verhaltens  wurde  überhaupt  noch  nicht  berücksichtigt,  und  zwar  der Phänotyp  des  Schwarms  als  Ganzes.  Oft  ist  bei  Zugvögeln  eine  aerodynamisch  günstige Schwarmform zu beobachten. Dabei lassen sich Tiere absichtlich zurückfallen, wenn das der Schwarmform Vorteile verspricht.         Alle  beschriebenen  Verhaltensmerkmale  sind  extrem  vereinfacht  durch  einen  geometrischen und  einen  kinetischen  Zustand  dargestellt.  Individuelle  mentalen  Zustände  fehlen,  um  einer natürlichen Bewegung eines Schwarms nahe zu kommen. Seien es nun Vögel oder Fische,  es müssten  tierspezifische  Bewegungen,  wie  Flügel-  oder  Flossenschlag  in  die  Simulation  mit einfließen, denn gegenwärtig befinden sich der Boid noch im Papierfliegerzustand. Doch um Abbildung 9 Ein Boid navigiert mit Hilfe räumlicher Felder.