最適採餌理論

最適採餌理論( OFT ) は、動物が食物を探すときの行動を予測するのに役立つ行動生態学モデルです。食物を得ることは動物にエネルギーを与えますが、食物を探して捕獲するにはエネルギーと時間の両方が必要です。適応度を最大化するために、動物は最小のコストで最大の利益 (エネルギー) を提供する採餌戦略を採用し、得られる正味エネルギーを最大化します。OFT は、動物がこの目標を達成するために使用できる最善の戦略を予測するのに役立ちます。

OFT は、最適性モデルの生態学的応用である。この理論は、最も経済的に有利な採餌パターンが自然選択によって種の中で選択されると仮定している。^[1] OFT を使用して採餌行動をモデル化する場合、生物は単位時間あたりの最大食物など、通貨と呼ばれる変数を最大化していると言われる。さらに、環境の制約も考慮しなければならない変数である。制約は、通貨を最大化する採餌者の能力を制限する要因として定義される。最適決定ルール、つまり生物の最善の採餌戦略は、環境の制約下で通貨を最大化する決定として定義される。最適決定ルールを特定することが OFT の主な目的である。^[2] OFT と生物進化の関係は、過去数十年にわたって関心を集めてきた。集団レベルでの最適採餌行動の研究では、進化的出生死亡ダイナミクスモデルが利用されてきた。これらのモデルは、特定のシナリオにおける「通貨」などの目的関数の存在を確認する一方で、人口の相互作用が高い場合など、他の制限での適用性に関する疑問も提起している。^[3]

最適な採餌モデルは、動物が採餌中に適応度を最大化する方法の定量的な予測を生成します。モデル構築プロセスには、採餌者にとっての通貨、制約、適切な決定ルールの特定が含まれます。^{[2] [4]}

通貨は、動物によって最適化される単位として定義されます。また、その動物に課せられるコストと利益の仮説でもあります。^[5]たとえば、ある採餌者は食物からエネルギーを得ますが、食物を探すコストがかかります。探すのに費やした時間とエネルギーは、配偶者を見つけたり、子供を守ったりするなど、他の努力に使用できたはずです。最小のコストで利益を最大化することが動物の最大の利益です。したがって、この状況での通貨は、単位時間あたりの純エネルギー増加として定義できます。^[2]ただし、別の採餌者にとっては、食べた後に食物を消化するのにかかる時間の方が、食物を探すのに費やした時間とエネルギーよりも大きなコストになる可能性があります。この場合、通貨は、単位時間あたりの純エネルギー増加ではなく、消化回転時間あたりの純エネルギー増加として定義できます。 ^[6]さらに、利益とコストは採餌者のコミュニティによって異なります。例えば、巣の中で暮らす採餌者は、自分自身ではなくコロニー全体の効率を最大化するような方法で採餌する可能性が高い。^[5]通貨を特定することで、問題の採餌者にとってどの利益とコストが重要であるかについての仮説を立てることができる。

制約とは、動物に課せられる制限についての仮説です。^[5]これらの制限は、環境の特徴や動物の生理学に起因する可能性があり、動物の採餌効率を制限する可能性があります。採餌者が巣の場所から採餌場所まで移動するのにかかる時間は、制約の一例です。採餌者が巣の場所まで持ち帰ることができる食品の最大数も、制約の一例です。学習や記憶の制限など、動物に対する認知的制約もある可能性があります。^[2]特定のシステムで識別できる制約が多ければ多いほど、モデルの予測力は高まります。^[5]

通貨と制約に関する仮説が与えられた場合、最適な決定ルールは、動物の最適な採餌戦略がどのようなものであるべきかについてのモデルの予測です。^[2]最適な決定ルールの例としては、動物が巣に持ち帰るべき最適な食物の数や、動物が食べるべき食物の最適なサイズなどが挙げられます。図 1 は、グラフィカル モデルから最適な決定ルールを決定する方法の例を示しています。^[7]曲線は、採餌戦略 x を採用するためのコストあたりのエネルギー利得 (E) を表しています。コストあたりのエネルギー利得は、最適化される通貨です。システムの制約によって、この曲線の形状が決まります。最適な決定ルール (x*) は、通貨、コストあたりのエネルギー利得が最大となる戦略です。最適な採餌モデルは、通貨の性質や考慮される制約の数によって、非常に異なって見え、非常に複雑になる可能性があります。ただし、通貨、制約、最適な決定ルールの一般原則は、すべてのモデルで同じです。

モデルをテストするには、予測された戦略を動物の実際の採餌行動と比較します。モデルが観察されたデータによく適合する場合、通貨と制約に関する仮説が支持されます。モデルがデータによく適合しない場合は、通貨または特定の制約のいずれかが誤って識別されている可能性があります。^[5]

最適採餌理論は、動物界全体の摂食システムに広く適用できます。最適採餌理論では、対象となるあらゆる生物は獲物を捕食する捕食者として見ることができます。生物はさまざまな捕食者のクラスに分類され、各クラスには独自の採餌および捕食戦略があります。

• 真の捕食者は生涯を通じて多数の獲物を襲う。彼らは襲った獲物を即座に、または襲った直後に殺す。彼らは獲物の全部を食べることもあれば、一部だけを食べることもある。真の捕食者にはトラ、ライオン、クジラ、サメ、種子を食べる鳥、アリなどが含まれる。^[8]
• 草食動物は獲物の一部だけを食べます。獲物を傷つけることはあっても、殺すことはほとんどありません。草食動物には、カモシカ、牛、蚊などが含まれます。
• 寄生虫は草食動物と同様に、獲物（宿主）の一部のみを食べ、生物全体を食べることはめったにありません。寄生虫は、生涯のすべてまたは大部分を単一の宿主の体内または上で過ごします。この密接な関係は、条虫、肝吸虫、ジャガイモ疫病などの植物寄生虫に典型的です。
• 寄生バチは主にスズメバチ目（膜翅目）と一部のハエ目（双翅目）に典型的である。卵は他の節足動物の幼虫の中に産みつけられ、幼虫が孵ると宿主を内側から食べて殺す。この珍しい捕食者と宿主の関係は、昆虫全体の約10％に典型的である。 ^[9]単細胞生物を攻撃するウイルスの多く（バクテリオファージなど）も寄生バチであり、単一の宿主の中で繁殖し、必然的にその共生によって宿主は死滅する。

これらのさまざまな採餌および捕食戦略の最適化は、最適採餌理論によって説明できます。それぞれのケースにはコスト、利点、制限があり、最終的に捕食者が従うべき最適な決定ルールを決定します。

最適採餌理論の古典的なバージョンの一つは、最適食事モデルであり、獲物選択モデルまたはコンティンジェンシーモデルとしても知られています。このモデルでは、捕食者はさまざまな獲物に遭遇し、持っているものを食べるか、より収益性の高い獲物を探すかを決定します。このモデルは、より収益性の高い獲物が存在し豊富にある場合、採餌者は収益性の低い獲物を無視すべきであると予測します。^[10]

獲物の収益性は、いくつかの生態学的変数に依存します。Eは、獲物が捕食者に提供するエネルギー（カロリー）の量です。処理時間（h）は、捕食者が獲物を見つけてから食べられるまでの、捕食者が食物を処理するのにかかる時間です。獲物の収益性は、E / hと定義されます。さらに、探索時間（S）は、捕食者が獲物を見つけるのにかかる時間であり、食物の豊富さと見つけやすさに依存します。^[2]このモデルでは、通貨は単位時間あたりのエネルギー摂取量であり、制約には、E、h、およびSの実際の値と、獲物が順番に遭遇するという事実が含まれます。

これらの変数を使用して、最適食餌モデルは、捕食者が 2 種類の獲物 (エネルギー値E ₁で処理時間h ₁の大きな獲物₁と、エネルギー値E ₂で処理時間h ₂の小さな獲物₂ ) の中からどのように選択するかを予測できます。全体的なエネルギー獲得率を最大化するために、捕食者は 2 種類の獲物の収益性を考慮する必要があります。大きな獲物₁が小さな獲物₂よりも収益性が高いと仮定すると、E ₁ /h ₁ > E ₂ /h ₂となります。したがって、捕食者が獲物₁に遭遇した場合、収益性が高いため、常にそれを食べることを選択します。獲物₂を探しに行く必要はありません。ただし、動物が獲物_{2に遭遇した場合、獲物1 を}見つけるのにかかる時間が長すぎてコストがかかりすぎて価値がない場合は除き、より収益性の高い獲物₁を探すために獲物 2 を拒否する必要があります。したがって、動物は、E ₂ /h ₂ > E ₁ /(h ₁ +S ₁ )の場合にのみ、獲物_{2 を}食べるべきである。ここで、S _{1 は獲物1}の探索時間である。獲物₁を食べることを選択するのが常に有利であるため、獲物₁を食べるという選択は、獲物₂の豊富さには依存しない。しかし、 S ₁の長さ（つまり、獲物 1 を見つけるのがどれだけ難しいか）は、論理的に獲物_{1の密度に依存するため、獲物2}を食べるという選択は、獲物₁の豊富さに依存する。 [ ^5]

最適食モデルは、異なる種類の動物は探索時間の違いに基づいて異なる食性を採用すべきであるとも予測する。この考え方は、上で説明した獲物選択モデルの拡張である。式E ₂ /h ₂ > E ₁ /(h ₁ +S ₁ )は、 S ₁ > [(E ₁ h ₂ )/E ₂ ] – h ₁と書き直すことができる。この書き直した形式は、動物が獲物₁と獲物_{2 の}両方を食べることを選択するのに必要なS ₁の長さの閾値を与える。^[5] S ₁が閾値に達する動物は、ジェネラリストと定義される。自然界では、ジェネラリストは幅広い獲物を食事に含めている。^[11]ジェネラリストの例は、多種多様な種子、穀物、ナッツ類を消費するネズミである。^[12]対照的に、S _{1が比較的短い捕食者は、獲物1}のみを食べることを選択したほうが依然として有利である。これらのタイプの動物はスペシャリストと定義され、自然界では非常に限定された食事をしています。^[11]スペシャリストの例としては、ユーカリの葉だけを食べるコアラが挙げられます。^[13]一般的に、4つの機能的捕食者のクラスのさまざまな動物は、ジェネラリストとスペシャリストの間の連続体にわたる戦略を示します。さらに、prey2を食べるかどうかの選択はprey1の豊富さに依存するため（前述のとおり）、prey1が非常に少なくなりS1が閾値に達した場合、動物はprey1だけを食べることからprey1とprey2の両方を食べることに切り替える必要があります。^[5]言い換えれば、スペシャリストの食事内の食物が非常に少なくなると、スペシャリストはジェネラリストになることに切り替えることがあります。

前述のように、獲物を探すのにかかる時間は獲物の密度に依存します。機能的反応曲線は、獲物の捕獲率を食物密度の関数として示し、最適食餌理論と組み合わせて捕食者の採餌行動を予測するために使用できます。機能的反応曲線には3つの異なるタイプがあります。^[14]

タイプ I の機能的反応曲線では、獲物の捕獲率は食物密度とともに直線的に増加します。獲物の密度が低い場合、探索時間は長くなります。捕食者はほとんどの時間を探索に費やすため、見つけた獲物はすべて食べてしまいます。獲物の密度が増加すると、捕食者は獲物をどんどん早く捕獲できるようになります。ある時点で、獲物の捕獲率は非常に高くなり、捕食者は遭遇するすべての獲物を食べる必要がなくなります。この時点以降、捕食者は E/h が最も高い獲物のみを選択する必要があります。^[15]

タイプ II の機能的反応曲線では、餌の密度が増加するにつれて、獲物の捕獲率は負に加速します。^[14]これは、捕食者が餌を処理する能力によって制限されていると想定しているためです。言い換えると、餌の密度が増加すると、処理時間が長くなります。曲線の初めでは、獲物の捕獲率は獲物の密度にほぼ比例して増加し、処理時間はほとんどありません。獲物の密度が増加すると、捕食者は獲物を探す時間がますます短くなり、獲物の処理にますます多くの時間を費やします。獲物の捕獲率はますます増加しなくなり、最終的に横ばいになります。獲物の数が多すぎると、基本的に捕食者は「圧倒」されます。^[15]

タイプIII の機能的応答曲線はシグモイド曲線です。獲物の捕獲率は、最初は獲物の密度とともに正の加速度で増加しますが、次に高密度ではタイプ II 曲線と同様に負の加速度に変わります。^[14]獲物の密度が高い場合 (曲線の上部)、新しい獲物はほぼ即座に捕獲されます。捕食者は選り好みすることができ、見つけた獲物をすべて食べるわけではありません。したがって、収益性の異なる 2 種類の獲物があり、どちらも豊富にあると仮定すると、捕食者は E /hが高い獲物を選択します。ただし、獲物の密度が低い場合 (曲線の下部)、獲物の捕獲率は線形よりも速く増加します。これは、捕食者が餌を食べ、E/hが高い獲物の種類が少なくなると、捕食者はE/hが低い獲物の種類に好みを切り替え始めることを意味します。これは、その種類が相対的に豊富になるためです。この現象は獲物の切​​り替えとして知られています。^[14]

捕食者と被捕食者の共進化により、捕食者が特定の獲物を消費することが不利になることがよくあります。これは、多くの反捕食者防御により処理時間が長くなるためです。^[16]例としては、ヤマアラシの針、ヤドクガエルの嗜好性と消化性、および他の捕食者回避行動があります。さらに、多くの獲物の種類に毒素が存在する可能性があるため、捕食者は、いずれかの毒素が危険なレベルに達するのを防ぐために、食事に多くのバリエーションを含めます。したがって、エネルギー摂取量のみに焦点を当てたアプローチでは、これらの状況での動物の採餌行動を完全に説明できない可能性があります。

限界価値定理は、最適採餌によく適用される最適性モデルの一種です。この定理は、パッチ内で餌を探している生物が、経済的に見ていつ離れるのが有利かを判断しなければならない状況を説明するために使用されます。動物がパッチ内にいる間、収穫逓減の法則が働き、時間の経過とともに獲物を見つけるのがますます難しくなります。これは、獲物が枯渇しつつある、獲物が回避行動を取り始めて捕まえにくくなる、または捕食者が探索中に自分の進路を横切ることが多くなるためと考えられます。^[5]この収穫逓減の法則は、パッチ内で過ごす時間あたりのエネルギー増加の曲線として表すことができます (図 3)。曲線は急勾配で始まり、獲物が見つけにくくなるにつれて徐々に平坦になります。考慮すべきもう 1 つの重要なコストは、異なるパッチと巣の場所の間の移動時間です。動物は移動中に採餌時間を失い、移動によってエネルギーを消費します。^[2]

このモデルでは、最適化される通貨は通常、単位時間あたりの純エネルギー利得です。制約は、移動時間と収穫逓減曲線の形状です。グラフ上では、通貨 (単位時間あたりの純エネルギー利得) は、移動時間の始まりから収穫逓減曲線と交差する対角線の傾きで表されます (図 3)。通貨を最大化するには、曲線に接する最大の傾きを持つ線 (接線) が必要です。この線が曲線に接する場所が、動物が去る前にそのパッチで過ごすべき時間量の最適な決定ルールを提供します。

ミヤコドリの ムール貝の摂食は、最適食餌モデルをどのように活用できるかの一例である。ミヤコドリはムール貝を餌として探し、くちばしで割る。これらの鳥にとっての制約は、ムール貝の大きさの違いという特性である。大きなムール貝は小さなムール貝よりもエネルギーが高いが、殻が厚いため、殻を割るのが難しい。つまり、大きなムール貝はエネルギー含有量 ( E ) が高いが、処理時間 ( h ) も長くなる。ムール貝の収益性はE/hとして計算される。ミヤコドリは、どのサイズのムール貝が、殻を割るのに必要なコストとエネルギーを上回る十分な栄養を提供するかを判断する必要がある。^[2]研究では、メイアとアーヴィンクは、異なるサイズのムール貝の相対的な収益性をグラフ化することで、この決定をモデル化しようとした。彼らは、中程度の大きさのムール貝が最も収益性が高いことを示すベル型の曲線を思いついた。しかし、ミヤコドリが小さなムール貝をあまりに多く拒絶すると、次の適切なムール貝を探すのにかかる時間が大幅に長くなることを彼らは観察した。この観察により、ベル曲線は右にシフトした（図4）。しかし、このモデルはミヤコドリが50〜55 mmのムール貝を好むと予測したが、観察されたデータはミヤコドリが実際には30〜45 mmのムール貝を好むことを示した。その後、メイレとエルヴィンクは、ムール貝のサイズの好みは獲物の収益性だけでなく、獲物の密度にも依存することを認識した。これを考慮した後、彼らはモデルの予測と観察データの間に良好な一致があることを発見した。^[17]

ヨーロッパムクドリ( Sturnus vulgaris)の採餌行動は、限界価値定理を使用して最適採餌をモデル化する方法の例を示しています。ムクドリは巣を離れ、幼虫のレザージャケットを探して餌場まで移動し、それを子供に持ち帰ります。ムクドリは、1 回の移動で持ち帰る獲物の最適な数 (つまり、最適な積載量) を決定する必要があります。ムクドリが餌場内で採餌している間、収穫逓減が起こります。つまり、ムクドリはくちばしにつかむことができるレザージャケットの数に限りがあるため、親鳥が幼虫を拾う速度は、くちばしにすでに含まれている幼虫の数に応じて低下します。したがって、制約は、収穫逓減曲線の形状と移動時間 (巣から餌場への往復にかかる時間) です。さらに、通貨は単位時間あたりの正味エネルギー利得であると仮定されています。^[5]この通貨と制約を使用すると、前述したように、収穫逓減曲線に接線を引くことで最適な負荷を予測することができます（図3）。

Kacelnik らは、この種が仮説どおりに単位時間あたりの純エネルギー利得を最適化しているかどうかを調べたかった。^{[18]彼らは、巣からさまざまな距離にある人工給餌器から}ミールワームを集めるようにムクドリを訓練する実験を設計した。研究者は、ミールワームを徐々に長い間隔で落とすことで、鳥の収穫逓減の固定曲線を人工的に生成した。鳥は、ミールワームが提示されるとそれを収集し続け、最終的に「最適な」負荷に達して家に帰った。図 5 に示すように、ムクドリが単位時間あたりの純エネルギー利得を最大化している場合、移動時間が短いと最適負荷が小さくなり、移動時間が長いと最適負荷が大きくなると予測される。これらの予測と一致して、Kacelnik は、巣と人工給餌器の間の距離が長いほど、負荷サイズが大きくなることを発見した。さらに、観察された負荷サイズは、モデルの予測と定量的に非常によく一致していた。消費エネルギーあたりのエネルギー増加量（エネルギー効率）などの異なる通貨に基づく他のモデルでは、観測された負荷サイズを正確に予測できなかった。したがって、カチェルニクは、ムクドリが単位時間あたりの純エネルギー増加を最大化すると結論付けた。この結論は、その後の実験で反証されなかった。^{[19] [20]}

働き蜂は、最適な採餌行動をモデル化する際に限界価値定理を使用するもう 1 つの例です。蜂は花から花へと採餌し、蜜を集めて巣に持ち帰ります。この状況はムクドリの場合と似ていますが、蜂の場合、制約と通貨は実際には異なります。

ミツバチは花蜜の枯渇や花自体のその他の特性によって収穫逓減を経験することはない。採集した花蜜の総量は、花壇で過ごす時間とともに直線的に増加する。しかし、花蜜の重さは、ミツバチが花の間を飛び回ったり巣に戻るのにかなりのコストを加える。ウルフとシュミット・ヘンペルは、実験的にミツバチの背中にさまざまな重りを乗せることで、重い花蜜のコストがあまりにも大きいため、ミツバチの寿命が短くなることを示した。^[21]働きバチの寿命が短いほど、その蜂がコロニーに貢献できる時間は短くなる。したがって、ミツバチが1回の飛行でより多くの花蜜を集めるにつれて、巣が受け取るエネルギーの純収量には収穫逓減曲線が現れる。^[5]

重い蜜のコストは、ミツバチが使用する通貨にも影響します。前の例のムクドリとは異なり、ミツバチは、純エネルギー利得率（時間あたりの純エネルギー利得）ではなく、エネルギー効率（消費エネルギーあたりのエネルギー利得）を最大化します。これは、純エネルギー利得率を最大化することで予測される最適な負荷がミツバチにとって重すぎて寿命が短くなり、前述のように巣全体の生産性が低下するためです。エネルギー効率を最大化することで、ミツバチは1回の飛行でエネルギーを消費しすぎるのを避け、巣の生涯生産性を最大化するのに十分な長さまで生きることができます。^[5]別の論文で、シュミット・ヘンペルは、負荷サイズと飛行時間の間に観察された関係は、エネルギー効率の最大化に基づく予測とよく相関しているが、純エネルギー利得率の最大化に基づく予測とは非常に相関が低いことを示しました。^[22]

2種類のセントラルコ科魚類（ホワイトクラッピーとブルーギル）による獲物選択の性質は、最適な採餌戦略を組み込んだモデルとして、ManatungeとAsaedaによって提示されています。^[23]反応距離で表される採餌魚の視野は、探索一回あたりの獲物遭遇数を推定するために詳細に分析されました。予測された反応距離は実験データと比較されました。魚の採餌行動に関連するエネルギーコストは、消費された各獲物に対して起こる一連のイベントに基づいて計算されました。胃の中にいる獲物の種とサイズカテゴリーの相対的な豊富さを湖の環境と比較すると、ホワイトクラッピーとブルーギル（体長< 100 mm）は両方とも、エネルギー最適化戦略を利用して獲物を強く選択することが示されました。ほとんどの場合、魚は大型のミジンコのみを選択し、回避的な獲物タイプ（サイクロプス、ディアプトミド）と小型のミジンコを無視しました。この選択性は、魚が、エネルギー含有量が高いように見えても、高い回避能力で獲物を積極的に避け、捕獲成功率を通じてこれを最適な選択性に変換した結果です。エネルギーの考慮と視覚システムは、餌を捕獲する採餌者の能力とは別に、まだプランクトン食段階にある大型のブルーギルとホワイトクラッピーの獲物選択性の主な決定要因です。

上記の例で引用したような多くの研究が最適採餌理論を定量的に裏付け、その有用性を実証していますが、このモデルはその妥当性と限界に関して批判を受けています。

まず、最適採餌理論は、自然選択が生物の採餌戦略を最適化するという仮定に基づいています。しかし、自然選択は完璧なデザインを生み出す万能の力ではなく、むしろ生物の繁殖成功を高める遺伝的特性を選択する受動的なプロセスです。遺伝学には遺伝子座間の相互作用、組み換え、その他の複雑な要素が関係しているため、自然選択が特定の行動パラメータを最適化できるという保証はありません。^[24]

さらに、OFTは、採餌行動は生物の他の活動から独立しているため、自然選択によって自由に形作られるとも仮定しています。^[24]しかし、生物は機械的な部品の集合体ではなく統合されたシステムであるため、これは常に当てはまるとは限りません。たとえば、捕食者を避ける必要があるため、採餌者は最適な速度よりも少ない速度で餌を食べるように制限される場合があります。したがって、生物の採餌行動は、他の行動から独立していないため、OFTが予測するように最適化されない可能性があります。^[25]

OFTのもう一つの限界は、実際には精度が欠けていることです。理論的には、最適採餌モデルは、システムの流通と制約に関する仮説に基づいて、捕食者の最適な決定ルールについて具体的で定量的な予測を研究者に提供します。しかし、現実には、獲物の種類、遭遇率、さらには採餌者が認識するパッチなどの基本概念を定義することは困難です。^[24]したがって、OFTの変数は理論的には一貫しているように見えますが、実際には恣意的で測定が難しい場合があります。

さらに、OFTの前提は生物の適応度を最大化することですが、多くの研究では観察された採餌行動と予測された採餌行動の相関関係のみを示しており、動物の行動が実際に繁殖適応度を高めるかどうかをテストするまでには至っていません。場合によっては、採餌の収益と繁殖成功の間に相関関係がまったくない可能性もあります。^[24]この可能性を考慮しないと、OFTを使用した多くの研究は不完全なままであり、理論の主要点を取り上げたりテストしたりすることはできません。

OFT に対する最も重大な批判の 1 つは、それが本当にテスト可能ではないかもしれないということです。この問題は、モデルの予測と実際の観察との間に食い違いがあるときに必ず発生します。モデルが根本的に間違っているのか、特定の変数が不正確に特定されたか省略されているのかを判断するのは困難です。モデルに無限の妥当な変更を加えることができるため、最適性モデルが拒否されない可能性があります。^[24]これにより、研究者が動物の採餌行動に関する仮説を厳密にテストするのではなく、観察に合わせてモデルを形作るという問題が生じます。

最適採餌理論は、動物が食物を探す際の行動を予測するために使われてきたが、人間（特に狩猟採集民）にも応用できる。食物はエネルギーを供給するが、それを得るにはエネルギーがかかる。採餌戦略は、最小のコストで最大の利益をもたらさなければならない。つまり、栄養価と必要なエネルギーのバランスが取れている必要がある。最適採餌理論の通貨はエネルギーである。なぜならエネルギーは生物にとって不可欠な要素だからであるが、考古学に関しては、それが最適採餌理論の欠点でもある。^[26]最適採餌理論は、行動がある程度は遺伝子構成に影響されると仮定している。しかし、これは行動の柔軟性が高い複雑な動物に関しては受け入れがたい可能性がある。^[27]

最適採餌理論の前提を用いると、人間の行動は必ずしも予測できるわけではない。狩猟採集民は儀式や宴会の目的で、エネルギーには役立たないが他のニーズには役立つ獲物を選ぶかもしれない。^[26]人間の目標や通貨は、行動の柔軟性によりしばしば変化する。これらの変化は長期間、季節、または狩猟中に起こる可能性がある。したがって、最適採餌理論はより複雑でなければならず、人間が採用する複雑な意思決定プロセスに一致するように、より多くの目標と制約を導入する。^[28]さらに、意思決定プロセスは長期的および短期的な経験によって影響を受ける可能性があり、これらの経験は他の人にさらに影響を与える可能性がある。^[28]

しかし、最適採餌理論は考古学において考古学的記録のパターンに対する新たな解釈を生み出し、人間の行動をより詳細に考える上で役立っています。^[26]最適採餌理論はまた、考古学にさまざまな資源のコストと利益についてのより優れた洞察を与えています。^[26]

• 最適採餌理論、Barry Sinervo (1997)、コース: 「行動生態学 2013」、UCSC 生態学および進化生物学部 – UCSC のコースのこのセクションでは、OFT と「適応仮説」(「誘導された試行錯誤、本能」) について検討します。また、「獲物のサイズ」、「パッチの滞在時間」、「パッチの品質と競合」、「探索戦略」、「リスク回避行動」、および「食物制限」による採餌方法などの追加テーマについても検討します。また、コースのメイン セクションの 1 つ上のレベルを参照してください。ダウンロード可能な PDF が利用可能です (そのページの画像は現在壊れているようです)。上記リンクの PDF は 26 ページです (画像を含む)。