人工智能基礎(chǔ)07--自動規(guī)劃系統(tǒng)(文件)
【正文】 個體很好地適應(yīng)環(huán)境，個體所能獲得的信息遠(yuǎn)比它通過自身感覺器官所取得的多，其根本原因在于個體之間存在著信息交互能力。 群智能理論還非常不成熟 , 但已成為有別于傳統(tǒng)人工智能中連接主義、 行為主義和符號主義的一種新的關(guān)于智能的描述方法 , 并成為人工智能領(lǐng)域的新研究熱點。 Mark Millonas( 1994) 構(gòu)建一個 SI 系統(tǒng)所應(yīng)滿足的五條基本原則 : Proximity Principle: 群內(nèi)個體具有能執(zhí)行簡單的時間或空間上的評估和計算的能力。 Adaptability Principle: 環(huán)境所發(fā)生的變化中 , 若出現(xiàn)群體值得付出代價的改變機(jī)遇 , 群體必須能夠改變其行為模式。當(dāng)然， “敏因” 應(yīng)該如何嚴(yán)格描述和定義還沒有定論。 人類的社會思想行為并不簡單類似鳥群或魚群的行為 , 人類思想的形成過程是一種在高維認(rèn)知空間的探索歷程。 目前 , 群智能理論研究處于基本思想描述階段 , 還未能提出一些較為明確的概念和定義 , 盡管已經(jīng)有人提出廣義群智能的模型。ACO算法設(shè)計虛擬的 “螞蟻” , 讓它們摸索不同路線 , 并留下會隨時間逐漸消失的虛擬 “信息素” 。當(dāng)螞蟻在所有城市走過一遍之后，路徑上的信息素濃度將變?yōu)?: τ e( t+1) =( 1ρ ) 由于 ACO算法具有廣泛實用價值，成為了群智能領(lǐng)域第一個取得成功的實例，曾一度成為群智能的代名詞，相應(yīng)理論研究及改進(jìn)算法近年來不斷取得新的成果。 （ 3）盡量試圖向自己所認(rèn)為的群體中心靠近。他們的初衷是希望通過這種模型來模擬鳥群尋找食源的現(xiàn)象 , 然而實驗結(jié)果卻揭示這個仿真模型中蘊(yùn)涵著很強(qiáng)的優(yōu)化能力 , 尤其是在多維空間尋優(yōu)中。在每一次迭代中 , 粒子通過跟蹤兩個 “極值”來更新自己 , 同時也通過跟蹤它們實現(xiàn)粒子間的信息交換。第 i 個粒子位置表示為向量 Xi=( xi1, xi2, …, xiD) 。 w稱慣性因子。 通過魚群中各個體的局部尋優(yōu) , 達(dá)到全局最優(yōu)值在群體中凸現(xiàn)出來的目的。算法對初值無要求，對各參數(shù)的選擇也不很敏感。 ACO、 PSO在本質(zhì)上不能用廣義 EC算法的流程進(jìn)行描述。 群智能算法 —— 與進(jìn)化計算比較 合肥工業(yè)大學(xué) 人工智能與數(shù)據(jù)挖掘研究室 47/47 其次 ， EC中強(qiáng)調(diào) “適者生存 ” , 不好的個體在競爭中被淘汰 。在某種程度上看， SI 的跟隨操作中隱含了選擇、 變異和交叉重組操作?，F(xiàn)在，人工智能領(lǐng)域已將 SI 作為一個獨(dú)立方向，與 EC的地位是同等的。 SI 中所隱含的變異是有偏好的，而并非通常 EC中的完全隨機(jī)變異，這與最近對實際生物系統(tǒng)變異行為的新研究成果相符。 EC中最好的個體通過產(chǎn)生更多的后代來傳播自己的基因 , 而 SI 中的優(yōu)秀個體通過吸引其它個體向它靠近來傳播自己的敏因。 EC是模擬生物系統(tǒng)進(jìn)化過程 , 其最基本單位是基因 (Gene) , 它在生物體的每一代之間傳播 。另外 , 與 EC還一樣的是 , SI 的目的并不是為了忠實地模擬自然現(xiàn)象 , 而是利用它們的某些特點去解決實際問題。李曉磊等又采用分解協(xié)調(diào)的思想構(gòu)造一種改進(jìn)的人工魚群算法 , 并以換熱器系統(tǒng)為例 , 驗證了該算法，結(jié)果表明該算法具有較好的收斂性。粒子群初始位置和速度隨機(jī)產(chǎn)生 , 然后按公式進(jìn)行迭代 , 直至滿足停止條件。每 個粒子的位置按如下公式進(jìn)行變化 ( “飛行” ) : 群智能算法 —— 粒子群優(yōu)化算法 合肥工業(yè)大學(xué) 人工智能與數(shù)據(jù)挖掘研究室 43/47 其中 , c1, c2 為正常數(shù) , 稱為加速因子 。另一個極值是整個群體目前找到的最優(yōu)解 , 這個極值是群體極值 gBest(群體的 “社會經(jīng)驗” )。于是也就得到了基本 PSO算法。不過 Reynolds 僅僅將其作為 CAS的一個實例作仿真研究 , 而并未將它用于優(yōu)化計算中 , 也無任何實用價值。 在 boids 中 , 一群鳥在空中飛行 , 每個鳥遵守以下三條規(guī)則 : （ 1）避免與相鄰的鳥發(fā)生碰撞沖突 。上式以及 Δe可以根據(jù)問題進(jìn)行設(shè)計。 群智能算法 —— 蟻群算法 合肥工業(yè)大學(xué) 人工智能與數(shù)據(jù)挖掘研究室 35/47 ACO算法首先應(yīng)用于 TSP 問題中 , 這里以 TSP 問題為例對算法作簡單介紹。 自然界種蟻群尋找食物時會派出一些螞蟻分頭在四周游蕩 , 如果一只螞蟻找到食物 , 它就返回巢中通知同伴并沿途留下 “信息素” ( pheromone)作為蟻群前往食物所在地的標(biāo)記。如果某人認(rèn)同認(rèn)知空間某個點 , 那么就努力靠近它 , 反之則盡量遠(yuǎn)離它 , 這里認(rèn)知空間中的某個點就是某個人的思想。人類心理中存在著群體性、習(xí)慣性、一致性 , 常常是習(xí)慣性地遵循一些習(xí)俗和規(guī)則。 《 Swarm Intelligence》 最重要的觀點是： Mind is social, 也就是認(rèn)為人的智能是源于社會性的相互作用，文化和認(rèn)知是人類社會性不可分割的重要部分，這一觀點成為了群智能發(fā)展的基石。 Principle of Diverse Response: 群內(nèi)不同個體對環(huán)境中的某一變化所表現(xiàn)出的響應(yīng)行為具有多樣性。他們不反對 Bonabeau 關(guān)于 SI 的定義，贊同其定義的基本精神，但反對定義中使用 “主體” 一詞。這種對環(huán)境變化所具有的適應(yīng)能力可以被認(rèn)為是一種智能 , 也就是說動物個體通過聚集成群而涌現(xiàn)出了智能。 群智能定義：任何一種由昆蟲群體或其它動物社會行為機(jī)制而激發(fā)設(shè)計出的算法或分布式解決問題的策略均屬于群智能。群智能屬于自然計算中的一類，它模擬另一種生物系統(tǒng)：社會系統(tǒng)，更確切地說，是模擬由簡單個體組成的群落與環(huán)境以及個體之間的互動行為，這些模擬系統(tǒng)利用局部信息從而可能產(chǎn)生不可預(yù)測的群體行為。 近年來 , 人工生命的研究發(fā)展非?？?, 在某些方面的研究已與傳統(tǒng)的生物科學(xué)形成了互補(bǔ)。隨機(jī)因素的影響不僅影響狀態(tài) , 而且影響組織結(jié)構(gòu)和行為方式。 （ 2）其次 , 個體與環(huán)境 (包括個體之間 )之間的相互影響、相互作用是系統(tǒng)演變和進(jìn)化的主要動力。 CAS中成
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1