《介绍群智能理论的内容》由会员分享,可在线阅读,更多相关《介绍群智能理论的内容(3页珍藏版)》请在金锄头文库上搜索。
1、介绍群智能理论的内容介绍群智能理论的内容群智能(Swarm Intelligence,SI)的概念最早由 Beni,Hackwood 和 Wang 在分子自动机系统中提出。分子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。1999年,Bonabeau,Dorigo 和 Theraulaz 在(Swarm Inte11igence:From Natural to Artificial Systems) t21对群智能进行了详细的论述和分析给出了群智能的一种不严格定义:任 何一种由昆虫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。这里Sw
2、a 咖可被描述为一些相互作用相邻个体的集 合体,蜂群、蚁群、鸟群都是 Swa 哪的典型例子。一只蜜蜂或蚂蚁的行为能力 非常有限它几乎不可能独立存在于自然世界中,而多个蜜蜂或蚂蚁形成的 Swarm 则具有非常强的生存能力,且这种能力不是多个个体之间的能力通过简 单叠加所获得的。社会性动物群体所拥有的这种特性能帮助个体很好地适应环 境,个体所能获得的信息远比它通过自身感觉器官所取得的多,其根本原因在 于个体之间存在着信息交互能力。信息的交互过程不仅仅在群体内传播了信息, 而且群内个体还能处理信息,并根据所获得的信息(包括环境信息和附近其它个 体的信息)改变自身的一些行为模式和规范。这样就使得群体涌
3、现出一些单个个 体所不具备的能力和特性尤其是对环境的适应能力 这种对环境变化所具有的 适应能力可以被认为是一种智能也就是说动物个体通过聚集成群而涌现出了 智能 因此,Bonabeau 将 SI 的定义进一步推广为: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 这里我们关心的不是个体之间 的竞争而是它们之间的协同目前尽管群智能理论还非常不成熟但它已成 为有别于传统人工智能中连接主义、行为主义和符号主义的一种新的关于智能 的描述方法并成为人工智能领域的新研究热点 2003年 IEEE 第一届国际群智 能研讨会在美国印第安纳州首府召开以后将每年举办一次群智能国际研讨会。群智能
4、思想起源:群智能思想的产生主要源于复杂适应系统理论以及人工 生命的研究复杂适应系统(Complex Adaptive System,CAS)理论是在1994年由 Ho11and 教授正式提出的 f31。CAS 中成员称为具有适应性的主体,简称主体。 主体的适应性,是指它能够与环境以及其它主体进行交流在这种交流的过程 中“学习”或“积累经验” 。并且根据学到的经验改变自身的结构和行为方式。 整个系统的演变或进化,包括新层次的产生分化和多样性的出现新的、聚 合而成的、更大的主体的出现等等都是在这个基础上出现的。CAS 具有四个 基本特点: (1)首先,主体是主动的、活的实体。具有适应性的主体的概念
5、把个体主动性提 高到了系统进化基本动因的位置从而成为研究与考察宏观行为的出发点。 (2)其次个体与环境(包括个体之间)之间的相互影响、相互作用是系统演变和 进化的主要动力 相互作用是“可记忆”的,它表现为进化过程中每个个体的结 构和行为方式的变化以不同的方式“存储”在个体内部。 (3)再次。这种方法不像许多其他的方法那样把宏观和微观截然分开,而是把 它们有机地联系起来。 (4)最后,这种建模方法还引进了随机因素的作用使它具有更强的描述和表达 能力。随机因素的影响不仅影响状态而且影响组织结构和行为方式。具有主 动性的个体会接受教 iJi J总结经验并且以某种方式把“经历”记住使之“固化”在自己以
6、后的行为方式中。正因如此,CAS 理论提供了模拟生物、 生态、经济、社会等复杂系统的巨大潜力。群智能是一种由无智能或简单智能的个体通过任何形式的聚集协同而表现 出智能行为。它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。目前,群智能已成为有别于传统人工智能中连接主 义、行为主义和符号主义的一种新的关于智能的描述方法。 最早的群智能的不严格定义: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。 人工生命(AI)是用来研究具有某些生命基本特征的人工系统。人工生命包括 两方面的内容: 1、如何利用计算技术研究生物现象;
7、 2、如何利用生物技术研究计算问题。第二部分的内容的研究中,现已经有了很多源于生物现象的计算技巧,例 如,人工神经网络是简化的大脑模型,遗传算法是模拟基因进化的过程,目前 这一类计算技术被统称为自然计算。群智能属于自然计算中的一类。它模拟另 一种生物系统:社会系统,更确切地说,是模拟由简单个体组成的群落与环境 以及个体之间的互动行为。Swam Intelligence是群智能发展的一个重要历程碑,因为此时已有一 些群智能理论和方法得到了应用。其中,它反对定义中使用“主体”一词,其 理由是“主体”所带有的自治性和特殊性是许多 Swam 的个体所不具备和拥有的, 这将大大限制 Swam 的定义范围
8、。他们认为暂时无法给出合适的定义,赞同由 Mark Millonas 提出的构建一个 SI 系统所应满足的五条基本原则。 Proximity Principle:群内个体具有能执行简单的时间或空间上的评估和计算 的能力。 Quality Principle:群内个体对环境(包括群内其它个体)的关键性因素的变 化做出相应。 Principle of Diverse Response:群内不同个体对环境中的某一变化所表现出 的响应行为具有多样性。 Stability Principle:不是每次环境的变化都会导致整个群体的行为模式的改 变。 Adaptability Principle:环境所发生
9、的变化中,若出现群体值得付出代价的 改变机遇,群体必须能够改变其行为模式。以上五条原则现在成了群智能的最基本理论,现有的群智能方法和策略都 符合这些原则。Swam 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。群智能模拟的是社会系统的变化,其最基本单位是“敏因” (Meme) ,它是 指思想文化传播中的基本单位,个体在社会中会根据环境来改变自身的思想, 敏因的传播途径是在个体与个体之间,在人类社会中它还可以在人脑与书本之 间、人脑与计算机、计算机与计算
10、机之间传播。群智能研究的更进一步目标是对人类思想变化的社会行为的模拟。人类心 理中存在着群体性、习惯性、一致性,常常是习惯性地遵循一些习俗和规则。 无论什么时候,人们思想和行为总是因相互影响而导致近似的结果。人类的社会思想行为并不简单类似鸟群或鱼群的行为,人类思想的形成过程是一种在高 维认知空间的探索历程。两种思想意见在认知空间上聚集到一点上,被称为 “一致”或“认同” ,而不是鸟群或鱼群系统中的“碰撞” 。如果某人认同认知 空间某个点,那么就努力靠近它,反之则尽量远离它,这里认知空间中的某个 点就是某个人的思想。人类通过这种社会行为达成社会的共识:习俗、道德规 范等。群智能理论现在已经得到了一些应用,出现了一些基于群智能的算法和策 略。不过仅有蚁群算法(Ant Colony Optimization ACO)和粒子群优化算法 (Particle Swarm Optimizaion PSO)得到广泛应用。