Parven älykkyys

Kokeneet kirjoittajat eivät ole vielä tarkistaneet sivun nykyistä versiota, ja se voi poiketa merkittävästi 18. huhtikuuta 2018 tarkistetusta versiosta . tarkastukset vaativat 18 muokkausta .

Swarm Intelligence ( RI) kuvaa hajautetun itseorganisoituvan järjestelmän kollektiivista käyttäytymistä .  Pidetään tekoälyn teoriassa optimointimenetelmänä . Termin otettiin käyttöön Gerardo Beni ja Wang Jing vuonna 1989 solukkorobottijärjestelmän yhteydessä [1] . Stanisław Lem käsitteli tätä ideaa kuitenkin aiemmin yksityiskohtaisesti romaanissa Invincible (1964) [2] ja esseessä Weapon Systems of the Twenty-First Century, or Upside Down Evolution (1983).

Swarm-älyjärjestelmät koostuvat pääsääntöisesti monista agenteista ( Boids ), jotka ovat paikallisesti vuorovaikutuksessa keskenään ja ympäristön kanssa. Ideat käyttäytymisestä tulevat pääsääntöisesti luonnosta ja erityisesti biologisista järjestelmistä. Jokainen poikapoika noudattaa hyvin yksinkertaisia ​​sääntöjä, ja vaikka ei ole olemassa keskitettyä käyttäytymisen ohjausjärjestelmää, joka kertoisi heille, mitä tehdä, paikalliset ja jossain määrin satunnaiset vuorovaikutukset johtavat älykkään ryhmäkäyttäytymisen syntymiseen, joka ei ole yksittäisten boidien hallinnassa. Parviälyn tarkkaa määritelmää ei ole vielä muotoiltu. Yleisesti ottaen RI:n tulisi olla moniagenttijärjestelmä, jolla olisi itseorganisoituva käyttäytyminen, jonka kaiken kaikkiaan pitäisi osoittaa jonkin verran järkevää käyttäytymistä.

Parviperiaatteiden soveltamista robotiikassa kutsutaan ryhmärobotiikaksi , kun taas parviäly viittaa yleisempään algoritmeihin. "Parviennustusta" käytetään joidenkin ennustamisongelmien ratkaisemiseen.

Esimerkkejä algoritmeista

Hiukkasparvimenetelmä

Hiukkasparvioptimointi (PSO ) on  numeerinen optimointimenetelmä, joka ei edellytä optimoitavan funktion tarkkaa gradienttia. Kennedy, Eberhart ja Shea osoittivat MFR:n, sen oli alun perin tarkoitus matkia sosiaalista käyttäytymistä. Algoritmia on yksinkertaistettu ja todettu sopivaksi optimoinnin suorittamiseen . Kennedyn ja Eberhartin kirja kuvaa monia MFR:n ja niin kutsutun parviälyn filosofisia puolia. Paul on tehnyt paljon tutkimusta MFR:n sovelluksista [3] [4] .

MFR optimoi toiminnon ylläpitämällä mahdollisten ratkaisujen populaatiota, jota kutsutaan hiukkasiksi, ja liikuttamalla näitä hiukkasia liuostilassa yksinkertaisen kaavan mukaan. Liike noudattaa tässä tilassa olevan parhaan sijainnin periaatetta, joka muuttuu jatkuvasti, kun hiukkaset löytävät suotuisat asennot.

Ant-algoritmi

Muurahaispesäkkeiden optimointialgoritmi ( muurahaisyhdyskuntien optimointi , ACO ) on yksi  tehokkaista polynomialgoritmeista likimääräisten ratkaisujen löytämiseksi matkustavan myyjän ongelmaan sekä vastaaviin ongelmiin reittien löytämisessä kaavioista. Belgialaisen tutkijan Marco Dorigon ehdottama lähestymistapa .

Lähestymistavan ydin on analysoida ja käyttää muurahaisten käyttäytymismallia, joka etsii tapoja pesäkkeestä ruokaan. Algoritmi perustuu muurahaisyhdyskunnan käyttäytymiseen, joka merkitsee onnistuneita teitä suurella määrällä feromoneja . Työ alkaa muurahaisten sijoittamisella kaavion kärkipisteisiin (kaupungit), sitten muurahaisten liike alkaa - suunta määritetään todennäköisyyslaskentamenetelmällä, joka perustuu kaavaan:

,

missä:

 — tien ylityksen todennäköisyys , — siirtymän  pituus ,  — feromonien määrä risteyksessä,  - Arvo, joka määrittää algoritmin "ahneuden",  — Arvo, joka määrittää algoritmin "paimentamisen" i .

Bee Algorithm

Keinotekoinen mehiläisyhdyskunnan optimointi (ABC ) on parvialgoritmi, joka perustuu Karabogin vuonna 2005 käyttöön ottamaan metaheuristiseen algoritmiin [ 5] .  Se jäljittelee rehuhunajamehiläisten käyttäytymistä. ABC-algoritmi koostuu kolmesta vaiheesta: työmehiläinen, vartijamehiläinen ja partiomehiläinen. Mehiläiset käyttävät paikallista hakualgoritmia työmehiläisten deterministisen valinnan ja vartijamehiläisten todennäköisyyspohjaisen valinnan perusteella valittujen ratkaisujen läheisyydessä. Partiomehiläinen hylkää köyhdytetyt ravintolähteet ruokintaprosessissa. Tässä analogiassa ratkaisut, jotka eivät enää ole hyödyllisiä ratkaisun löytämisessä, hylätään ja uusia ratkaisuja lisätään (samaan tapaan kuin uusien alueiden tutkiminen lähteiden etsimisessä).

Keinotekoinen immuunijärjestelmä

Keinotekoinen immuunijärjestelmä (AIS) on adaptiivinen laskentajärjestelmä, joka käyttää teoreettisessa immunologiassa kuvattuja malleja, periaatteita, mekanismeja ja toimintoja , joita käytetään sovellusten ongelmien ratkaisemiseen [6] .

Huolimatta siitä, että luonnollisia immuunijärjestelmiä ei täysin ymmärretä, nykyään on olemassa ainakin kolme teoriaa, jotka selittävät immuunijärjestelmän toiminnan ja kuvaavat sen elementtien vuorovaikutusta, nimittäin: negatiivisen valinnan teoria, klonaalisen valinnan teoria. ja immuuniverkoston teoria. Ne muodostivat perustan kolmen IIS:n toiminnan algoritmin luomiselle.

Harmaa susi -algoritmi

Bat-algoritmi

Gravitational Search Algorithm

Gravitational Search Algorithm (GSA ) on hakualgoritmi  , joka perustuu universaalin painovoiman lakiin ja massavuorovaikutuksen käsitteisiin. Algoritmi perustuu newtonilaisen fysiikan vetovoimateoriaan . Algoritmi käyttää gravitaatiomassoja hakuagentteina.

Viime vuosina on kehitetty erilaisia ​​heuristisia optimointialgoritmeja . Monet näistä algoritmeista perustuvat luonnonilmiöihin. Jos vertaamme gravitaatiohakualgoritmia muihin algoritmeihin, tämä algoritmi on yksi tehokkaimmista erilaisten epälineaaristen funktioiden optimointiongelmien ratkaisemisessa.

Altruismin algoritmi

Sveitsiläiset tutkijat ovat kehittäneet algoritmin, joka perustuu Hamiltonin perhevalintasääntöön. Algoritmi osoittaa, kuinka parven yksilön altruismi voi kehittyä ajan myötä ja johtaa tehokkaampaan parven käyttäytymiseen [7] [8] .

Firefly-algoritmi

Vesipisara-algoritmi

Intelligent Water Droplet ( IWD )  -algoritmi on parvialgoritmiin perustuva optimointialgoritmi, joka käyttää luonnollisten jokien menetelmiä ja sitä, kuinka ne löytävät lähes optimaaliset polut määränpäähän.

Se löytää optimaaliset tai lähes optimaaliset polut, jotka johtuvat vesipisaroiden välisistä reaktioista veden virtaaessa joenuoman läpi. IWD-algoritmissa useat keinotekoiset vesipisarat ovat riippuvaisia ​​toisistaan ​​ja pystyvät muuttamaan ympäristöään siten, että ne löytävät parhaan polun pienimmän vastuksen tieltä. IWD-algoritmi on siis rakentava populaatioorientoitunut optimointialgoritmi [9] .

Joen muodostumismenetelmä

Itseliikkuva hiukkasmenetelmä

Stokastinen diffuusiohaku

Multiswarm-optimointi

Käki-algoritmi

Cuckoo-hakualgoritmi on Xin-She Yangin ja Suash Debin vuonna 2009 kehittämä optimoitu algoritmi.

Inspiraationa sen luomiseen oli joidenkin käkilajien pesäloiset , jotka munivat muiden lintujen (muiden lintulajien) pesiin. Jotkut pesän omistajista voivat joutua suoraan ristiriitaan niihin murtautuvien käkien kanssa. Esimerkiksi, jos pesän omistaja huomaa, että munat eivät ole hänen, hän joko heittää nämä vierasmunat pois tai yksinkertaisesti jättää pesän ja luo uuden jonnekin muualle.

Jotkut käkilajit, kuten uuden maailman pesäloiset, kuten raidallinen tai nelisiipinen käki ( Tapera naevia ), ovat kehittyneet siten, että naaraat erikoistuvat hyvin usein matkimaan valittujen isäntälintulajien munien väriä ja rakennetta [10] ] .

Bakteerien liikkeen optimointi

Katso myös

Kirjallisuus

Muistiinpanot

  1. ↑ Beni, G., Wang, J. Swarm Intelligence in Cellular Robotic Systems, jatka. NATO Advanced Workshop on Robots and Biological Systems, Toscana, Italia, 26.-30.6.1989
  2. ↑ Luvussa "Lauda-hypoteesi" on myös ilmaus "parvi muuttuu sellaiseksi "pilviaivoksi"" (rój układa się w ten jakiś "chmuromózg").
  3. ↑ Parsopoulos, K.E.; Vrahatis, MN Viimeaikaiset lähestymistavat globaaleihin optimointiongelmiin hiukkasparvioptimoinnin avulla   // Natural Computing : päiväkirja. - 2002. - Voi. 1 , ei. 2-3 . - s. 235-306 . - doi : 10.1023/A:1016568309421 .
  4. ↑ Particle Swarm Optimization arkistoitu 22. helmikuuta 2014 Wayback Machinessa , kirjoittanut Maurice Clerc, ISTE, ISBN 1-905209-04-5 , 2006.
  5. ↑ Karaboga, Dervis (2010) Keinotekoinen mehiläisyhdyskuntaalgoritmi Arkistoitu 3. huhtikuuta 2014 Wayback Machine Scholarpediassa , 5 (3):6915.
  6. ↑ de Castro, Leandro N.; Timmis, Jonathan. Keinotekoiset immuunijärjestelmät: uusi laskennallisen älykkyyden lähestymistapa . - Springer , 2002. - s. 57-58. — ISBN 1852335947 , 9781852335946.  
  7. ↑ Altruismi auttaa parveilevia robotteja lentämään paremmin Arkistoitu 15. syyskuuta 2012 Wayback Machinessa genevalunch.com , 4. toukokuuta 2011.
  8. ↑ Waibel M, Floreano1 D ja Keller L (2011) "Kvantitatiivinen testi Hamiltonin säännöstä altruismin evoluutiolle" PLoS Biology , 9 (5): e1000615. doi : 10.1371/journal.pbio.1000615
  9. ↑ Shah-Hosseini, Hamed. Älykäs vesipisaroiden algoritmi: luonnon inspiroima parvipohjainen optimointialgoritmi  (englanniksi)  // International Journal of Bio-Inspired Computation : Journal. - 2009. - Vol. 1 , ei. 1/2 . - s. 71-79 .
  10. ↑ R.B. Payne, M.D. Sorenson ja K. Klitz, The Cuckoos, Oxford University Press, (2005).