群体智能

前言

---

开始学习群体智能相关知识，后面会记录一些读相关论文的小笔记。

起源是“群体行为：简单个体的复杂智能”这篇文章。https://mp.weixin.qq.com/s/qj4qoRjjlu8YohvCI2OhyA

---

小记：

群体行为（Swarm behaviour）:

         原本翻译为蜂群行为，后来覆盖鸟群、鱼群、黏菌等动物的群体行为。主要描述一群大小相似的动物聚集在一块觅食或向着某个方向具体迁移时所展现出来的集体行为。比如，一群蚂蚁搬食物，鸟类的集体迁徙风行等。

涌现行为（Emergency）/涌现理论：

       任何一个过程的整体行为远比构成它的部分复杂，都可称为涌现现象。简单来说就是，小个体组成整体，整体属性却不等于个体累加，是由简生繁的过程，它无处不在。例如，一只蚂蚁与一群蚂蚁，一群蚂蚁可以分工明确的做很繁琐的事情。

一个个体力量很小，聚集起来很大。群体行为隐藏着群体智能，群体智能蕴含了自组织（Self-organization）和自协调/共识主动性（Stigmergy）。受群体智能的启发，可以为人类管理复杂度高的系统提供独特的方法。

自组织：在没有外部指令条件下，系统内部各子系统之间能自行按照某种规则形成一定的结构或功能的自组织现象的一种理论。               该理论主要研究系统怎样从混沌无序的初态向稳定有序的终态的演化过程和规律。

 

群体智慧重要概念

   蚁群智慧

   群鸟迁徙

---

Boids仿真模型：模拟鸟类群体行为的计算机程序、与大多数仿真模型一样，是涌现行为的一个例子。

在最简单的Boids世界中应用的规则如下：

（最简单的鸟群模型由三个运动行为组成，他们描述了每个boid个体如何根据其周围同伴的速度和位置进行移动。）

• 分离
• 一致
• 内聚

在这些简单规则的相互作用下，会涌现出一些复杂的群体行为。

---

相关算法：

1）黏菌算法：多个细胞聚集在一起形成的原生质团，为了寻找食物而四处“爬动”，从而绘制出食物之间的最优路径，最终形成了复杂又迷人的网络。

     典型的应用案例：东京大学一个研究组科学家利用黏菌找寻食物的路径绘制东京交通路网的实验。

2）蚁群算法

灵感来源：蚂蚁寻找食物时的路径

算法基本思路：蚂蚁行走路径表示问题的可行解，整个蚁群的所有路径构成解空间。路径较短的蚂蚁释放出来的信息素越浓，在正反馈的作用下，整个蚁群最后集中到最短路径上，也就是待优化问题的最优解。

3）自驱动算法

4）粒子群优化算法

---

知名学者：

• 克雷格·雷诺兹 Craig Reynolds
• 威廉·汉密尔顿 William Donald Hamilton
• 伊谢尔·本-雅各布 Eshel Ben-Jacob

 

 

 

【注：随着后面了解的深入，有机会再回头进行补充整理】