智能计算方法及应用群智能算法.pptVIP

;“群众的力量是伟大的” 鸟群通过协作进行捕食 鱼聚集成群可以有效的逃避捕食者 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;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…… 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;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。 ——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;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。 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。;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 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。 ; 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 ??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;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。 ;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： 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;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;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 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； 宏观与微观有机结合 引进随机因素的作用，具有更强的描述和表达能力。 ;3. 粒子群算法的产生背景（二）：人工生命（AL） 人工生命是对具有自然生命现象和行为特征的人造系统的研究，是一门涉及到生命科学，复杂性科学，人工智能，计算机科学，经济学，哲学和语言学等多学科的交叉学科，其研究模式主要体现为两类： 如何利用计算技术研究生物现象； 如何利用生物技术研究计算问题； 人工生命的研究挑战主要为以下三类 The Transition of