群智能算法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
智能计算方法与应用
东北大学 2010年
6.1 群智能算法概述
6.1.2 群智能的概念
3. SI的核心思路——“Mind is social”
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。
4. SI的意义和发展前景
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
东北大学 2010年
6.1 群智能算法概述
6.1.2 群智能的概念
2. 定义SI的五条基本原则(by Mark Millonas 1994)
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: 群内个体能对环境(包括群内其它个 体)的关键性因素的变化做出响应。
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。
智能计算方法与应用
6.1 群智能算法概述
6.1.3 群智能算法的分类 广义的群智能算法包括:
粒子群算法:模拟鸟群觅食行为 蚁群算法:模拟蚁群觅食行为 免疫算法:模拟生物免疫系统工作机理 细菌觅食算法:模拟大肠杆菌觅食行为 混合算法:多种群智能算法的结合
智能计算方法与应用
东北大学 2010年
6.2 粒子群优化算法
•6.2.1 粒子群算法概述 •6.2.2 基本粒子群算法 •6.2.3 改进粒子群算法
智能计算方法与应用
东北大学 2010年
6.2 粒子群优化算法
6.2.1 粒子群算法概述
1. 粒子群算法的起源
粒子群优化算法源于1987年Reynolds对鸟群社会系统 boids的仿真研究,boids是一个复杂适应系统。在 boids中,一群鸟在空中飞行,每个鸟遵守以下三条规则:
东北大学 2010年
智能计算方法与应用
东北大学 2010年
6.1 群智能算法概述
6.1.4 群智能算法与进化计算的异同
SI与EC的相同点 都研究个体与群体的关系 都存在个体之间的信息传递 都是为了解决实际问题,而非单纯的模拟自然现象 都属于随机搜索算法
SI与EC的不同点 SI模拟的是个体之间的协同作用,而EC模拟的是适者生 存的自然选择机制。
东北大学 2010年
智能计算方法与应用
东北大学 2010年
6.2 粒子群优化算法
6.2.1 粒子群算法概述
3. 粒子群算法的产生背景(一):复杂适应系统(CAS)
CAS是指其内部的成员(Agent)能够通过与其他成员以 及外界环境的交流,并根据学习经验调整自身的结构和 行为,进而实现整个系统的演变和进化的系统
东北大学 2010年
智能计算方法与应用
东北大学 2010年
智能计算方法与应用
东北大学 2010年
智能计算方法与应用
东北大学 2010年
智能计算方法与应用
6.1 群智能算法概述
6.1.1 生物群体行为的启示 “群众的力量是伟大的”
鸟群通过协作进行捕食
东北大学 2010年
鱼聚集成群可以有效的逃避捕食者
6.2.1 粒子群算法概述
2. 粒子群算法的提出
粒子群算法最早是由美国的社会心理 学家Kennedy和电气工程师 Eberhart于1995年提出,他们在 Reynolds的工作基础上引入了食物要 素,进一步模拟了鸟群飞行觅食的行 为,并发现该方法可以应用于复杂全 局寻优问题的求解。 粒子群优化算法的英文为“Particle Swarm Optimization”,通常缩写 为PSO
• 1)避免与相邻的鸟发生碰撞冲突;
• 2)尽量与自己周围的鸟在速度上保持协调一致;
• 3)尽量试图向自己所认为的群体中靠近。
仅通过使用这三条规则,boids系统就实现了非常逼真的 群体聚集行为,鸟成群地在空中飞行,当遇到障碍时它 们会分开绕行而过,随后又会重新形成群体
智能计算方法与应用
6.2 粒子群优化算法
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。
CAS的特点表现为: • 主体(Adaptive Agent)是主动的、活的实体; • 个体与环境(包括其他个体之间)的相互影响,相互作 用,是系统演变和进化的主要动力;
智能计算方法与应用
东北大学 2010年
第六章 群智能算法
•6.1 群智能算法概述 •6.2 粒子群优化算法 •6.3 粒子群算法应用
智能计算方法与应用
东北大学 2010年
6.1 群智能算法概述
• 6.1.1 生物群体行为的启示 • 6.1.2 群智能的概念 • 6.1.3 群智能算法的分类
智能计算方法与应用
——by Beni,Hackwood
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。
——by Bonabeau、Dorigo & Theraula
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。
——by Bonabeau
智能计算方法与应用
群体的能力要远远超出个体能力的简单叠加 信息感知能力 分工协作能力 适应生存能力
智能计算方法与应用
东北大学 2010年
6.1 群智能算法概述
6.1.2 群智能的概念
1. 群智能(Swarm Intelligence,SI)的概念发展过程
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。
房间偏僻角落里的蛋糕总会先被蚂蚁发现
头脑简单的蜜蜂却能构造出世界上最完美的建筑物
智能计算方法与应用
东北大学 2010年
6.1 群智能算法概述
6.1.1 生物群体行为的启示
生物群中的每个个体只有简单的信息处理能力和行为能力。 鸟群:飞行,捕食,避碰…… 昆虫:爬行,觅食,产生信息素……
群体中各个个体之间可以进行信息交互。 鸟群:视觉,听觉,磁场…… 昆虫:感知信息素……