SIA: Swarm Intelligence Algorithms

هوش جمعی (Swarm Intelligence)

هوش جمعی (SI)

هوش جمعی رفتار گروهی از سیستم های غیر متمرکز و خود سازمان یافته طبیعی یا مصنوعی(شکل 1) می باشد. این مفهوم در زمینه هوش مصنوعی کاربرد دارد. هوش جمعی توسط ژراردو بِنی و جینگ وانگ در سال 1989 در زمینه رباتیک سلولی معرفی شد.


سیستم های هوش جمعی به طور معمول شامل یک جمعیت از محرک های ساده یا بویدس های (Boids) محاوره ای است که به طور محلی با یکدیگر و با محیط اطراف خود ارتباط برقرار می کنند. این سیستم های از طبیعت به خصوص از سیستم های بیولوژیکی الهام گرفته اند.

این محرک ها قوانین خیلی ساده ای را دنبال می کنند. اگر چه در این سیستم ها سازمان کنترلی متمرکز وجود ندارد که چگونگی رفتار محرک های فردی و تعاملات فردی را مدیریت کند ولی درجه تصادفی تعامل بین محرک ها منجر به ظهور "هوش" رفتار همگانی می شود که این امر برای محرک های فردی ناشناخته می باشد. مثال هایی از هوش جمعی در طبیعت، کلونی مورچه، دسته پرندگان، گله حیوانات، رشد باکتری، آموزش ماهی و اطلاعات میکروبی می باشد.

اگر این مفهوم برای ربات ها استفاده شود "ربات جمعی" نامیده می شود. در حالی که هوش جمعی شامل مجموعه گسترده تری از الگوریتم هاست. "پیش بینی جمعی" در زمینه پیش بینی حل مسئله مورد استفاده قرار می گیرد.


مدل های رفتار جمعی

مدل های رفتار جمعی شامل دو دسته Boids و ذرات خود مراقبتی (SPP) می باشد. در ادامه به توضیح هر یک از موارد پرداخته شده است.

Boids (ری نولدس 1987)

Boids یک برنامه حیات مصنوعی است که به وسیله کرینگ ری نولدس در سال 1987 توسعه داده شده است، که رفتار دسته پرندگان را شبیه سازی می کند. این موضوع در سال 1987 در کنفرانس ACM SIGGRAPH مطرح شده است. نام boid خلاصه شده کلمات “bird-oid object” می باشد که اشاره به شی شبیه به پرنده دارد. پیچیدگی Boid ها ناشی از محاوره محرک های فردی Boid ها می باشد که از یک مجموعه ای از قوانین ساده پیروی می کند. ساده ترین قوانین بکاربرده شده در Boid ها شامل موارد ذیل می باشد:

· جداسازی: رهبری و هدایت برای جلوگیری از ازدحام دسته های محلی

· ترازبندی: هدایت به طرف میانگین سر خط های دسته های محلی

· انسجام: هدایت برای حذف کردن به طرف میانگین موقعیت (مرکز دسته) از دسته های محلی

قوانین پیچیده تر مانند جلوگیری از مانع و جستجوی هدف می تواند به این موارد اضافه گردد.

ذرات خود مراقبتی (وی سیک و همکاران 1995)

ذرات خود مراقبتی همچنین به عنوان مدل وی سیک هم شناخته می شود که در سال 1995 توسط وی سیک و همکارانش معرفی شده است. یک مدل خاص از مدل boids در سال 1986 به وسیله ری نولدز معرفی شده است. یک دسته یا گروه در SPP به وسیله مجموعه ای از ذرات که با سرعت ثابت حرکت می کنند مدل شده است اما به یک انحراف تصادفی به وسیله افزایش میانگین جهت حرکت ذرات دیگر در همسایگان محلی اش پاسخ داده می شود. مدل های SPP پیش بینی می کند که گله حیوانات ویژگی های معین را در سطح گله به اشتراک می گذارند، صرف نظر از نوع حیوان در گله. سیستم های جمعی موجب رفتارهای نوظهور می شود که در مقیاس های متنوعی رخ می دهد، که بعضی از آنها به صورت همگانی و قوی به نظر می رسد. آن یک چالش برای تئوری فیزیک می شود که مدل های آماری کمینه را برای اینکه این رفتارها را بدست آورند.، بیابند.

بهینه سازی کلونی مورچه (دریگو 1992)

بهینه سازی کلونی مورچه (ACO) ، توسط دریگو در رشته دکترا خودش معرفی شده است که یک کلاس از الگوریتم های بهینه سازی است که روی علیات یک کلونی مورچه مدل شده است.ACO یک تکنیک احتمالی است که برای حل مسائل یافتن مسیرهای بهتر از طریق گراف مفید است. محرک های مصنوعی شبیه ساز مورچه، راه حل بهینه را به وسیله حرکت از طریق ارائه پارامترها تمام راه حل های ممکن بدست می آورد. مورچه های طبیعی از طریق فرومون همدیگر را برای رسیدن به منبع هدایت می کنند. مورچه های شبیه سازی شده به طور مشابه موقعیت و کیفیت راه حلشان را ذخیره می کنند بنابراین در تکرارهای بعدی مورچه های بیشتری در مسیر راه حل بهتر قرار می گیرند.

بهینه سازی ازدحام ذرات(کندی، ابرهارت و شی 1995)

بهینه سازی ازدحام ذرات یک الگوریتم بهینه سازی جمعی است که برای برای حل مسائلی می باشد که راه حل بهتر می تواند به عنوان یک نقطه یا یک سطح در فضای n- بعدی ارائه شود. فرضیه ها در این فضا ترسیم می شوند و همانند کانال ارتباطی بین ذرات با یک سرعت اولیه تغذیه می شوند. ذرات از طریق این فضای راه حل حرکت می ککند و براساس بعضی از معیارهای شایستگی بعد از هر بار تکرار ارزیابی می شوند. با گذشت زمان، ذرات به سمت مقدار شایستگی بهتر می روند. مزیت اصلی این چنین دیدگاهی استراتژی حداقل سازی سراسری می باشد همانند شبیه سازی تبرید(SA) که تعداد زیادی از عضوهایی که ازدحام ذرات را تشکیل می دهند از تکنیک مقاومت شدید در مقابل کمینه محلی پیروی می کنند.

کاربردها

تکنیک های مبتنی بر هوش جمعی می تواند برای کاربردهای فراوانی مورد استفاده قرار گیرد. ارتش ایالات متحده تکنیک های جمعی را برای کنترل ماشین های بدون سرنشین را بررسی می کند. آژانس فضای اروپا درباره ازدحام مداری برای خودآموزی و خود سنجی تحقیق می کند. ناسا در مورد استفاده از تکنولوژی ازدحام برای نقشه برداری سیاره ها در حال تحقیق می باشد. در سال 1992 مقاله ای توسط موآنتونی لوئیس و جورج آ.بکی در مورد امکان پذیر بودن استفاده هوش جمعی برای کنترل نانو بوت ها در درون بدن به منظور از بین بردن تومورهای سرطانی را مورد بررسی قرار داده است. بر عکس، الریفایی و آبر از جستجوی توزیع تصادفی برای کمک به کشف تومور استفاده کرده اند. هوش جمعی همچنین در داده کاوی هم مورد استفاده قرار می گیرد.


[1]: https://en.wikipedia.org/wiki/Swarm_intelligence