複製鏈接
請複製以下鏈接發送給好友

羣體智能

(生物學術語)

編輯 鎖定
羣體智能源於對以螞蟻蜜蜂等為代表的社會性昆蟲羣體行為的研究。最早被用在細胞機器人系統的描述中。它的控制是分佈式的,不存在中心控制。羣體具有自組織性。
中文名
羣體智能
外文名
Swarm intelligence
表    現
宏觀智能行為
基本原則
鄰近原則

羣體智能簡介

編輯
羣體智能源於對以螞蟻蜜蜂等為代表的社會性昆蟲羣體行為的研究。最早被用在細胞機器人系統的描述中。它的控制是分佈式的,不存在中心控制。羣體具有自組織性。 [1] 

羣體智能基本原則

編輯
(1) 鄰近原則( Proximity Principle) ,羣體能夠進行簡單的空間和時間計算;
(2) 品質原則(Quality Principle) ,羣體能夠響應環境中的品質因子;
(3) 多樣性反應原則( Principle of Diverse Response) ,羣體的行動範圍不應該太窄;
(4) 穩定性原則(Stability Principle) ,羣體不應在每次環境變化時都改變自身的行為;
(5) 適應性原則(Adaptability Principle) ,在所需代價不太高的情況下,羣體能夠在適當的時候改變自身的行為。 [1] 

羣體智能特點

編輯
(1) 控制是分佈式的,不存在中心控制。因而它更能夠適應當前網絡環境下的工作狀態,並且具有較強的魯棒性,即不會由於某一個或幾個個體出現故障而影響羣體對整個問題的求解。
(2) 羣體中的每個個體都能夠改變環境,這是個體之間間接通信的一種方式,這種方式被稱為“激發工作”(Stigmergy) 。由於羣體智能可以通過非直接通信的方式進行信息的傳輸與合作,因而隨着個體數目的增加,通信開銷的增幅較小,因此,它具有較好的可擴充性。
(3) 羣體中每個個體的能力或遵循的行為規則非常簡單,因而羣體智能的實現比較方便,具有簡單性的特點。
(4) 羣體表現出來的複雜行為是通過簡單個體的交互過程突現出來的智能( Emergent Intelligence) ,因此,羣體具有自組織性。 [1] 

羣體智能典型模型

編輯
羣體智能的相關研究早已存在,到目前為止也取得了許多重要的結果。自1991年意大利學者Dorigo 提出蟻羣優化(Ant Colony Optimization,ACO)理論開始,羣體智能作為一個理論被正式提出,並逐漸吸引了大批學者的關注,從而掀起了研究高潮。1995年,Kennedy 等學者提出粒子羣優化算法(Particle Swarm Opti -mization,PSO ),此後羣體智能研究迅速展開,但大部分工作都是圍繞ACO和PSO 進行的。
目前羣智能研究主要包括智能蟻羣算法粒子羣算法。智能蟻羣算法主要包括蟻羣優化算法蟻羣聚類算法和多機器人協同合作系統。其中,蟻羣優化算法和粒子羣優化算法在求解實際問題時應用最為廣泛。 [1] 
參考資料
  • 1.    Bonabeau, Eric; Dorigo, Marco; Theraulaz, Guy (1999). Swarm Intelligence: From Natural to Artificial Systems. ISBN 0-19-513159-2.