文档介绍：群智能( Swarm Intelligence ) 什么是群? ?蚁群?鱼群?鸟群?蜂群“群”的特征?相互影响的相邻的个体?个体的行为简单?既有竞争又有协作?智能化的集体行为?个体之间不仅可以交换信息而且可以处理信息,根据信息来改变自身行为?没有一个集中控制中心, 分布式,自组织。?作为群体协作工作时,能够突显出非常复杂的行为特征-智能行为,群智能群智能( Swarm Intelligence ) 的提出和发展? 1989 年加利福尼亚大学的 Beni (贝尼)、 Hackwood 教授在其细胞自动机中首次提出群智能的概念。细胞自动机中的主体在一维或二维网格空间中与相邻个体相互作用,从而实现自组织。?任何一种由昆虫群体或其它动物社会行为机制而激发设计出的算法或分布式解决问题的策略均属于群智能。 1999 年, Bonabeau (伯纳堡)、 Dorigo 和 Theraulaz 在他们的著作“ Swarm Intelligence: From Natural to Artificial Systems, 群智能:从自然到人工系统” Beni (贝尼) Bonabeau (伯纳堡) 群智能( Swarm Intelligence ) 的提出和发展? 2001 年肯尼迪和艾伯哈特合写了一本书“群智能”?群智能发展的历程碑?赞同伯纳堡关于群智能的基本定义精神?最重要的观点: 智能源于社会性的相互作用。群智能发展的基石。?认为暂时无法给出合适的定义?群智能已经成为有别于传统人工智能中符号主义和链接主义的一种新的关于人工智能的研究路线 Swarm Intelligence( 续) 《 Swarm Intelligence 》最重要的观点是: Mind is social ,也就是认为人的智能是源于社会性的相互作用, 文化和认知是人类社会性不可分割的重要部分, 这一观点成为了群智能发展的基石。群智能已成为有别于传统人工智能中连接主义和符号主义的一种新的关于智能的描述方法。群智能的思路,为在没有集中控制且不提供全局模型的前提下寻找复杂的分布式问题求解方案提供了基础。在计算智能领域已取得成功的两种基于 SI的优化算法是蚁群算法和粒子群算法。 Swarm Intelligence( 续) 目前,已有的基于 SI的优化算法都是源于对动物社会通过协作解决问题行为的模拟,它主要强调对社会系统中个体之间相互协同作用的模拟。这一点与遗传算法 ic Algorithms- GA 不同, GA 是对生物演化中适者生存的模拟。与 GA 一样的是, SI的目的并不是为了忠实地模拟自然现象,而是利用他们的某些特点去解决实际问题。另一个与 GA 的相同点是,基于 SI的优化算法也是概率搜索算法。 Swarm Intelligence( 续) 目前,已有的群智能理论和应用研究证明群智能方法是一种能够有效解决大多数优化问题的新方法,更重要是,群智能潜在的并行性和分布式特点为处理大量的以数据库形式存在的数据提供了技术保证。无论是从理论研究还是应用研究的角度分析,群智能理论及应用研究都是具有重要学术意义和现实价值的。 Swarm Intelligence( 续) 由于 SI的理论依据是源于对生物群社会性的模拟,因此其相关数学分析还比较薄弱,这就导致了现有研究还存在一些问题。数学理论基础薄弱:群智能算法的数学理论基础相对薄弱,缺乏具备普遍意义的理论性分析,算法中涉及的各种参数设置一直没有确切的理论依据,通常都是按照经验型方法确定,对具体问题和应用环境的依赖性比较大。结果的可信性: 同其它的自适应问题处理方法一样,群智能也不具备绝对的可信性,当处理突发事件时,系统的反应可能是不可测的,这在一定程度上增加了其应用风险。另外,群智能与其它各种先进技术(如:神经网络、模糊逻辑、支持向量机等) 的融合还不足。?无智能或简单智能的主体通过任何形式的聚集协同而表现出智能行为的特性。这里关心的不是个体之间的竞争,而是它们之间的协同(获取并共享信息)。蚂蚁:信息素鱼群:速度、方向、位置等,群体最佳和个体最佳位置鸟群:速度、方向、位置等。 Swarm Intelligence( 续)