Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Скопление разведки ( СИ ) является коллективное поведение в децентрализованные , самоорганизующихся систем, природных или искусственных. Концепция используется в работе над искусственным интеллектом . Выражение было введено Херардо Бени и Цзин Ван в 1989 году в контексте клеточных роботизированных систем. [1]

Системы SI обычно состоят из совокупности простых агентов или боидов, локально взаимодействующих друг с другом и со своей средой. Источником вдохновения часто является природа, особенно биологические системы. Агенты следуют очень простым правилам, и хотя не существует централизованной структуры управления, определяющей, как отдельные агенты должны вести себя, локальные и в определенной степени случайные, взаимодействия между такими агентами приводят к появлению «разумного» глобального поведения, неизвестного индивиду. агенты. Примеры интеллекта роя в естественных системах включают колонии муравьев , пчелиные семьи , птичьи стаи , охоту на ястребов , выпас животных., рост бактерий , стая рыб и микробный интеллект .

Применение принципов роя к роботам называется роевой робототехникой, в то время как интеллект роя относится к более общему набору алгоритмов. Предсказание роя использовалось в контексте задач прогнозирования. Подходы, аналогичные подходам, предложенным для роевой робототехники, рассматриваются для генетически модифицированных организмов в синтетическом коллективном разуме. [2]

Модели поведения роя [ править ]

См. Также: Поведение роя

Боидс (Рейнольдс, 1987) [ править ]

Основная статья: Боиды

Boids - это программа искусственной жизни , разработанная Крейгом Рейнольдсом в 1986 году, которая имитирует стайное поведение птиц. Его статья на эту тему была опубликована в 1987 году в трудах конференции ACM SIGGRAPH . [3] Название «боид» соответствует сокращенной версии «птицеподобный объект», который относится к птицеобразному объекту. [4]

Как и большинство искусственных симуляторов жизни, Boids является примером эмерджентного поведения; то есть сложность Boids возникает из-за взаимодействия отдельных агентов (в данном случае boids), придерживающихся набора простых правил. Правила, применяемые в простейшем мире Boids, следующие:

  • Разделение : бычок , чтобы избежать скученности местных flockmates
  • выравнивание : держитесь к среднему курсу местных собратьев
  • сплоченность : держитесь, чтобы двигаться к среднему положению (центру масс) местных сородичей

Могут быть добавлены более сложные правила, такие как избегание препятствий и поиск цели.

Самоходные частицы (Vicsek et al . 1995) [ править ]

Основная статья: Самоходные частицы

Самоходные частицы (SPP), также называемые моделью Vicsek , были введены в 1995 году Vicsek et al. [5] как частный случай модели боидов, введенной в 1986 г. Рейнольдсом . [3] Рой моделируется в SPP набором частиц, которые движутся с постоянной скоростью, но реагируют на случайные возмущения, принимая на каждом временном приращении среднее направление движения других частиц в их локальной окрестности. [6] Модели SPP предсказывают, что роящиеся животные разделяют определенные свойства на уровне группы, независимо от типа животных в стае. [7] Системы роения порождают эмерджентное поведение.которые происходят во многих различных масштабах, некоторые из которых оказываются как универсальными, так и надежными. В теоретической физике стало проблемой найти минимальные статистические модели, отражающие такое поведение. [8] [9] [10]

Метаэвристика [ править ]

См. Также: Список метаэвристики на основе метафор

Эволюционные алгоритмы (EA), оптимизация роя частиц (PSO), дифференциальная эволюция (DE), оптимизация муравьиных колоний (ACO) и их варианты доминируют в области метаэвристики, вдохновленной природой . [11] Этот список включает алгоритмы, опубликованные примерно до 2000 года. Большое количество более поздних метаэвристических методов, основанных на метафорах, начали привлекать критику в исследовательском сообществе за то, что они скрывают отсутствие новизны за сложной метафорой. Для алгоритмов, опубликованных с тех пор, см. Список метаэвристик на основе метафор .

Следует также отметить, что метаэвристика , сколь бы хороша она ни была, не имеет уверенности в решении. [12] Когда соответствующие параметры определены и когда достигнута достаточная стадия сходимости, они часто находят решение, которое является оптимальным или близким к оптимальному - тем не менее, если оптимальное решение неизвестно заранее, качество решения Неизвестный. [12] Несмотря на этот очевидный недостаток, было показано, что эти типы алгоритмов хорошо работают на практике, были тщательно исследованы и разработаны. [13] [14] [15] [16] [17] С другой стороны, этого недостатка можно избежать, рассчитав качество решения для особого случая, когда такой расчет возможен, и после такого прогона известно, что каждое решение, которое, по крайней мере, так же хорошо, как решение, имевшееся в частном случае, имеет, по крайней мере, уверенность в решении, которую имел особый случай Одним из таких примеров является Ant вдохновил Монте - Карло алгоритм для минимальной обратной связи Arc Set , где это было достигнуто вероятностно с помощью гибридизации Монте - Карло алгоритма с Ant Colony Optimization техники. [18]

Стохастический диффузионный поиск (Бишоп, 1989) [ править ]

Основная статья: Стохастический диффузионный поиск

Впервые опубликованный в 1989 г. Стохастический диффузионный поиск (SDS) [19] [20] был первым метаэвристическим методом Swarm Intelligence. SDS - это агентно- вероятностный метод глобального поиска и оптимизации, который лучше всего подходит для задач, в которых целевая функция может быть разложена на несколько независимых частичных функций. Каждый агент поддерживает гипотезу, которая итеративно проверяется путем оценки случайно выбранной частичной целевой функции, параметризованной текущей гипотезой агента. В стандартной версии SDS такие частичные оценки функций являются двоичными, в результате чего каждый агент становится активным или неактивным. Информация о гипотезах распространяется среди населения через межагентское взаимодействие. В отличие от стигмергическогокоммуникация, используемая в ACO, в агентах SDS сообщается о гипотезах посредством стратегии индивидуальной коммуникации, аналогичной процедуре тандемного бега , наблюдаемой у Leptothorax acervorum . [21] Механизм положительной обратной связи гарантирует, что со временем популяция агентов стабилизируется вокруг наилучшего в мире решения. SDS - это одновременно эффективный и надежный алгоритм глобального поиска и оптимизации, который подробно описан математически. [22] [23] [24] Недавняя работа включала объединение свойств глобального поиска SDS с другими алгоритмами разведки роя. [25] [26]

Оптимизация колонии муравьев (Дориго, 1992) [ править ]

Основная статья: Оптимизация колонии муравьев

Оптимизация колонии муравьев (ACO), представленная Дориго в его докторской диссертации, представляет собой класс алгоритмов оптимизации , смоделированных на основе действий колонии муравьев . ACO - это вероятностный метод, полезный в задачах, связанных с поиском лучших путей через графы. Искусственные «муравьи» - агенты моделирования - находят оптимальные решения, перемещаясь по пространству параметров, представляющему все возможные решения. Природные муравьи откладывают феромоны, направляющие друг друга к ресурсам, исследуя окружающую среду. Смоделированные «муравьи» аналогичным образом записывают свое положение и качество своих решений, чтобы на более поздних итерациях моделирования находили больше муравьев для лучших решений. [27]

Оптимизация роя частиц (Кеннеди, Эберхарт и Ши, 1995) [ править ]

Основная статья: Оптимизация роя частиц

Оптимизация роя частиц (PSO) - это глобальный алгоритм оптимизации для решения проблем, в котором лучшее решение может быть представлено в виде точки или поверхности в n-мерном пространстве. Гипотезы строятся в этом пространстве и засеваются с начальной скоростью , а также каналом связи между частицами. [28] [29] Затем частицы перемещаются через пространство решений и оцениваются в соответствии с некоторым критерием пригодности после каждого временного шага. Со временем частицы ускоряются по направлению к тем частицам в своей коммуникационной группе, которые имеют лучшие значения пригодности. Основное преимущество такого подхода перед другими стратегиями глобальной минимизации, такими как имитация отжига.состоит в том, что большое количество членов, составляющих рой частиц, делает метод впечатляюще устойчивым к проблеме локальных минимумов .

Искусственный интеллект роя (2015) [ править ]

Искусственный интеллект роя (ИСР) - это метод усиления коллективного разума сетевых групп людей с использованием алгоритмов управления, смоделированных по образцу естественных роей. Эта технология, которую иногда называют Human Swarming или Swarm AI, объединяет группы участников в системы реального времени, которые обдумывают и сходятся в решениях как динамические рои, когда одновременно задают вопрос [30] [31] [32] Был использован ASI для широкого спектра приложений, от предоставления бизнес-командам возможности генерировать высокоточные финансовые прогнозы [33] до предоставления спортивным фанатам возможности превзойти рынки ставок в Вегасе. [34]ASI также использовался, чтобы группы врачей могли ставить диагнозы со значительно большей точностью, чем традиционные методы. [35] [36]

Приложения [ править ]

Методы, основанные на Swarm Intelligence, могут использоваться во многих приложениях. Американские военные изучают методы роя для управления беспилотными автомобилями. Европейское космическое агентство думает о орбитальном роя для самосборки и интерферометрии. НАСА изучает возможность использования роевой технологии для картирования планет. В статье 1992 года М. Энтони Льюиса и Джорджа А. Бекей обсуждается возможность использования интеллекта роя для управления нанороботами внутри тела с целью уничтожения раковых опухолей. [37] Напротив, аль-Рифаи и Абер использовали стохастический диффузионный поиск, чтобы помочь найти опухоли. [38] [39]Интеллект Swarm также применяется для интеллектуального анализа данных [40] и кластерного анализа . [41] Модели, основанные на муравьях, являются еще одним предметом современной теории управления. [42]

Маршрутизация на основе Ant [ править ]

Также было исследовано использование интеллекта роя в телекоммуникационных сетях в форме маршрутизации на основе муравьев . Это было впервые предложено отдельно Dorigo et al. и Hewlett Packard в середине 1990-х годов, и существовало несколько вариантов. По сути, здесь используется вероятностныйтаблица маршрутизации награждает / усиливает маршрут, успешно пройденный каждым «муравьем» (небольшим контрольным пакетом), наводняющим сеть. Было исследовано усиление маршрута в прямом, обратном направлениях и в обоих направлениях одновременно: обратное усиление требует симметричной сети и связывает два направления вместе; вперед подкрепление награждает маршрут до того, как станет известен результат (но тогда нужно будет заплатить за кино, прежде чем узнаешь, насколько хорош фильм). Поскольку система ведет себя стохастически и, следовательно, не имеет повторяемости, существуют большие препятствия для коммерческого развертывания. Мобильные медиа и новые технологии могут изменить порог для коллективных действий из-за интеллекта роя (Rheingold: 2002, P175).

Расположение инфраструктуры передачи для сетей беспроводной связи - важная инженерная проблема, требующая решения конкурирующих задач. Требуется минимальный выбор мест (или участков) при условии обеспечения адекватного покрытия для пользователей. Алгоритм интеллекта роя, вдохновленный совсем другими муравьями, стохастический диффузионный поиск (SDS), был успешно использован для создания общей модели для этой проблемы, связанной с упаковкой кругов и покрытием множества. Было показано, что SDS может применяться для определения подходящих решений даже для крупных проблемных случаев. [43]

Авиакомпании также использовали маршрутизацию на основе муравьев при назначении прибывающих самолетов к выходам из аэропорта. В Southwest Airlines программа использует теорию роя или интеллект роя - идею о том, что колония муравьев работает лучше, чем одна. Каждый пилот ведет себя как муравей, ищущий лучшие ворота аэропорта. «Пилот на собственном опыте узнает, что лучше для него, и оказывается, что это лучшее решение для авиакомпании», - объясняет Дуглас А. Лоусон . В результате «колония» пилотов всегда направляется к воротам, к которым они могут быстро приехать и улететь. Программа может даже предупредить пилота о дублировании самолетов до того, как они произойдут. «Мы можем ожидать, что это произойдет, поэтому у нас будет доступ к воротам», - говорит Лоусон. [44]

Симуляция толпы [ править ]

Художники используют технологию роя как средство создания сложных интерактивных систем или моделирования толпы .

Стэнли и Стелла в фильме « Ломая лед» был первым фильмом, в котором для рендеринга использовалась технология роя, реалистично изображающая движения групп рыб и птиц с использованием системы Boids. В « Возвращении Бэтмена» Тима Бертонатакже использовалась технология роя для демонстрации движений группы летучих мышей. В кинотрилогии «Властелин колец» во время боевых сцениспользовалась аналогичная технология, известная как Massive . Технология Swarm особенно привлекательна, потому что она дешевая, надежная и простая.

Авиакомпании использовали теорию роя для моделирования пассажиров, садящихся в самолет. Исследователь Southwest Airlines Дуглас А. Лоусон использовал компьютерную симуляцию на основе муравьев с использованием всего шести правил взаимодействия для оценки времени посадки с использованием различных методов посадки (Miller, 2010, xii-xviii). [45]

Рой людей [ править ]

С помощью программного обеспечения-посредника, такого как платформа SWARM (формально unu) от Unanimous AI , сети распределенных пользователей могут быть организованы в «человеческие рои» посредством реализации систем управления с обратной связью в реальном времени. [46] [47] [48] Как опубликовано Розенбергом (2015), такие системы реального времени позволяют группам участников-людей вести себя как единый коллективный разум, который работает как единое целое, чтобы делать прогнозы, отвечать на вопросы и вызывать мнения. . [49] Такие системы, также называемые «искусственным интеллектом роя» (или фирменным названием Swarm AI), значительно усиливают человеческий интеллект, [50] [51] [31]в результате получилась цепочка громких предсказаний с высочайшей точностью. [52] [53] [54] [55] [47] [34] Академическое тестирование показывает, что человеческие рои могут превзойти людей в различных прогнозах реального мира. [56] [57] [48] [58] [59] Известно, что роение людей использовалось для правильного предсказания Суперфекта Кентукки Дерби, с вероятностью 541: 1, в ответ на вызов репортеров. [60]

Медицинское использование роения людей - в 2018 году Медицинская школа Стэнфордского университета и Unanimous AI опубликовали исследования, показывающие, что группы врачей-людей, соединенные вместе алгоритмами роения в реальном времени, могут диагностировать заболевания с гораздо большей точностью, чем отдельные врачи или группы врачей. врачи работают вместе, используя традиционные методы краудсорсинга. В одном из таких исследований группам радиологов-людей, объединенных вместе с помощью платформы SWARM, была поставлена ​​задача диагностировать рентгеновские снимки грудной клетки, и они продемонстрировали снижение диагностических ошибок на 33% по сравнению с традиционными человеческими методами и на 22% улучшение по сравнению с традиционным машинным обучением. . [35] [61] [62] [63] [36]

Грамматики роя [ править ]

Ройные грамматики - это рой стохастических грамматик, которые можно развить для описания сложных свойств, таких как искусство и архитектура. [64] Эти грамматики взаимодействуют как агенты, действующие в соответствии с правилами интеллекта роя. Такое поведение также может указывать на алгоритмы глубокого обучения , в частности, когда рассматривается отображение таких скоплений на нейронные цепи. [65]

Роевое искусство [ править ]

В серии работ al-Rifaie et al. [66] успешно использовали два алгоритма интеллекта роя: один имитирует поведение одного вида муравьев ( Leptothorax acervorum ) в поисках пищи ( стохастический диффузионный поиск , SDS), а другой алгоритм имитирует поведение стаи птиц ( оптимизация роя частиц , PSO) - для описания новой стратегии интеграции, использующей свойства локального поиска PSO с глобальным поведением SDS. Результирующий гибридный алгоритмиспользуется для набросков новых рисунков входного изображения, используя художественное напряжение между локальным поведением «стаи птиц» - когда они стремятся следовать исходному эскизу - и глобальным поведением «муравьев, собирающих пищу» - когда они стремятся побудите стадо исследовать новые области холста. «Творчество» этой гибридной системы роя было проанализировано в философском свете «ризомы» в контексте метафоры Делёза «Орхидея и оса». [67]

Более поздняя работа al-Rifaie et al., «Swarmic Sketches and Attention Mechanism», [68]представляет новый подход, использующий механизм «внимания» путем адаптации SDS для выборочного внимания к детализированным областям цифрового холста. Как только внимание роя привлекается к определенной линии на холсте, возможности PSO используются для создания «роевого наброска» этой линии. Стаи перемещаются по цифровому холсту, пытаясь удовлетворить свои динамические роли - внимание к областям с более подробной информацией, - связанные с ними через их фитнес-функцию. Связав процесс рендеринга с концепцией внимания, выполнение участвующих роев создает уникальный, неидентичный эскиз каждый раз, когда рои «художников» приступают к интерпретации входных линейных рисунков. В других работах, в то время как PSO отвечает за процесс создания набросков, SDS контролирует внимание роя.

В аналогичной работе «Swarmic Painting and Color Attention» [69] нефотореалистичные изображения создаются с использованием алгоритма SDS, который в контексте этой работы отвечает за внимание к цвету.

«Вычислительная креативность» вышеупомянутых систем обсуждается в [66] [70] [71] посредством двух предпосылок творчества (т.е. свободы и ограничений) в рамках двух печально известных фаз исследования и эксплуатации интеллекта роя.

Майкл Теодор и Николаус Коррелл используют интеллектуальные инсталляции роя, чтобы исследовать, что нужно, чтобы инженерные системы выглядели реалистично. [72]

Критика [ править ]

Известные исследователи [ править ]

  • Андрис Энгельбрехт
  • Николаус Коррелл
  • Марко Дориго
  • Рассел К. Эберхарт
  • Лука Мария Гамбарделла
  • Джеймс Кеннеди
  • Алкерио Мартиноли
  • Крейг Рейнольдс
  • Луи Розенберг
  • Сейедали Мирджалили
  • Магнус Эгерштедт
  • Хоссам Фэрис
  • Ибрагим Альджара
  • Али Асгар Хейдари
  • PN Suganthan

См. Также [ править ]

  • Искусственная иммунная система
  • Коллективный интеллект
  • Коллективное возбуждение
  • Групповой разум (научная фантастика)
  • Клеточный автомат
  • Сложные системы
  • Дифференциальная эволюция
  • Оптимизация дисперсионных мух
  • Распределенный искусственный интеллект
  • Эволюционные вычисления
  • Глобальный мозг
  • Поиск гармонии
  • Оптимизация харриса ястреба
  • Многоагентная система
  • Мирмекология
  • Теория обещания
  • Проверка кворума
  • Протокол популяции
  • Обучение с подкреплением
  • Правило 110
  • Самоорганизованная критичность
  • Алгоритм спиральной оптимизации
  • Стохастическая оптимизация
  • Группа Развития Роя
  • Роботизированные платформы Swarm
  • Роение
  • SwisTrack
  • Нарушение симметрии убегающих муравьев
  • Мудрость толпы
  • Мудрость толпы

Ссылки [ править ]

  1. Перейти ↑ Beni, G., Wang, J. (1993). "Swarm Intelligence в сотовых робототехнических системах". Продолжить. Продвинутый семинар НАТО по роботам и биологическим системам, Тоскана, Италия, 26–30 июня (1989 г.) . Берлин, Гейдельберг: Springer. С. 703–712. DOI : 10.1007 / 978-3-642-58069-7_38 . ISBN 978-3-642-63461-1.CS1 maint: несколько имен: список авторов ( ссылка )
  2. ^ Solé R, Родригес-Амор Д, Дюран-Nebreda S, Конда-Пуэйо N, Карбонеллы-Бальестеро МЫ, Монтаньесы Р (октябрь 2016). «Синтетический коллективный разум». Биосистемы . 148 : 47–61. DOI : 10.1016 / j.biosystems.2016.01.002 . PMID 26868302 . 
  3. ^ a b Рейнольдс, Крейг (1987). Стаи, стада и школы: распределенная модель поведения . SIGGRAPH '87: Материалы 14-й ежегодной конференции по компьютерной графике и интерактивным методам . Ассоциация вычислительной техники . С. 25–34. CiteSeerX 10.1.1.103.7187 . DOI : 10.1145 / 37401.37406 . ISBN  978-0-89791-227-3. S2CID  546350 .
  4. ^ Бэнкс, Алек; Винсент, Джонатан; Аньякоха, Чуквуди (июль 2007 г.). «Обзор оптимизации роя частиц. Часть I: история вопроса и разработка». Естественные вычисления . 6 (4): 467–484. CiteSeerX 10.1.1.605.5879 . DOI : 10.1007 / s11047-007-9049-5 . S2CID 2344624 .  
  5. ^ Vicsek, T .; Czirok, A .; Ben-Jacob, E .; Коэн, I .; Шочет, О. (1995). «Новый тип фазового перехода в системе самодвижущихся частиц». Письма с физическим обзором . 75 (6): 1226–1229. arXiv : cond-mat / 0611743 . Bibcode : 1995PhRvL..75.1226V . DOI : 10.1103 / PhysRevLett.75.1226 . PMID 10060237 . S2CID 15918052 .  
  6. ^ Czirók, A .; Вичек, Т. (2006). «Коллективное поведение взаимодействующих самодвижущихся частиц». Physica . 281 (1): 17–29. arXiv : cond-mat / 0611742 . Bibcode : 2000PhyA..281 ... 17C . DOI : 10.1016 / S0378-4371 (00) 00013-3 . S2CID 14211016 . 
  7. ^ Buhl, J .; Самптер, DJT; Кузин, Д .; Хейл, JJ; Despland, E .; Миллер, скорая помощь; Симпсон, SJ; и другие. (2006). «От беспорядка к порядку в походной саранче» (PDF) . Наука . 312 (5778): 1402–1406. Bibcode : 2006Sci ... 312.1402B . DOI : 10.1126 / science.1125142 . PMID 16741126 . S2CID 359329 .   
  8. ^ Тонер, Дж .; Tu, Y .; Рамасвами, С. (2005). «Гидродинамика и фазы флок» (PDF) . Летопись физики . 318 (1): 170–244. Bibcode : 2005AnPhy.318..170T . DOI : 10.1016 / j.aop.2005.04.011 .
  9. ^ Bertin, E .; Дроз, М .; Грегуар, Г. (2009). «Уравнения гидродинамики самодвижущихся частиц: микроскопический вывод и анализ устойчивости». J. Phys. . 42 (44): 445001. arXiv : 0907.4688 . Bibcode : 2009JPhA ... 42R5001B . DOI : 10.1088 / 1751-8113 / 42/44/445001 . S2CID 17686543 . 
  10. ^ Ли, YX; Lukeman, R .; Эдельштейн-Кешет, Л .; и другие. (2007). «Минимальные механизмы образования школы в самоходных частицах» (PDF) . Physica D: нелинейные явления . 237 (5): 699–720. Bibcode : 2008PhyD..237..699L . DOI : 10.1016 / j.physd.2007.10.009 . [ постоянная мертвая ссылка ]
  11. ^ Lones, Майкл А. (2014). «Метаэвристика в алгоритмах, вдохновленных природой». Материалы конференции 2014 года по генетическим и эволюционным вычислениям, компаньон - GECCO Comp '14 (PDF) . GECCO '14 . С. 1419–1422. CiteSeerX 10.1.1.699.1825 . DOI : 10.1145 / 2598394.2609841 . ISBN   9781450328814. S2CID  14997975 .
  12. ^ a b Зильберхольц, Джон; Голден, Брюс; Гупта, Свати; Ван, Синъинь (2019), Жендро, Мишель; Потвин, Жан-Ив (ред.), "Computational Comparison of Metaheuristics", Handbook of Metaheuristics , International Series in Operations Research & Management Science, Cham: Springer International Publishing, pp. 581–604, doi : 10.1007 / 978-3- 319-91086-4_18 , ISBN 978-3-319-91086-4
  13. ^ Берк, Эдмунд; Де Козмакер, Патрик; Петрович, Саня; Berghe, Greet Vanden (2004), Resende, Mauricio GC; де Соуза, Хорхе Пиньо (ред.), "Поиск переменных окружений для проблем включения медсестер", Метаэвристика: принятие решений на компьютере , прикладная оптимизация, Бостон, Массачусетс: Springer US, стр. 153–172, doi : 10.1007 / 978-1 -4757-4137-7_7 , ISBN 978-1-4757-4137-7
  14. ^ Фу, Майкл С. (2002-08-01). «Особая статья: Оптимизация для моделирования: теория против практики». ИНФОРМС Журнал по вычислительной технике . 14 (3): 192–215. DOI : 10.1287 / ijoc.14.3.192.113 . ISSN 1091-9856 . 
  15. ^ Дориго, Марко; Бираттари, Мауро; Штутцле, Томас (ноябрь 2006 г.). «Оптимизация муравьиной колонии». Журнал IEEE Computational Intelligence Magazine . 1 (4): 28–39. DOI : 10,1109 / MCI.2006.329691 . ISSN 1556-603X . 
  16. ^ Hayes-RothFrederick (1975-08-01). "Обзор" Адаптации в естественных и искусственных системах Джона Х. Холланда ", Мичиганский Пресс, 1975". ACM SIGART Bulletin (53): 15. DOI : 10,1145 / 1216504,1216510 . S2CID 14985677 . 
  17. ^ Ресенде, Маурисио GC; Рибейро, Селсо К. (2010), Жендро, Мишель; Потвин, Жан-Ив (ред.), «Жадные рандомизированные процедуры адаптивного поиска: достижения, гибридизация и приложения», Справочник по метаэвристике , Международная серия исследований операций и науки управления, Бостон, Массачусетс: Springer US, стр. 283–319 , DOI : 10.1007 / 978-1-4419-1665-5_10 , ISBN 978-1-4419-1665-5
  18. ^ Куделич, Роберт; Ивкович, Никола (15.05.2019). «Вдохновленный муравьями алгоритм Монте-Карло для минимального набора дуг обратной связи» . Экспертные системы с приложениями . 122 : 108–117. DOI : 10.1016 / j.eswa.2018.12.021 . ISSN 0957-4174 . 
  19. ^ Бишоп, Дж. М., Стохастические поисковые сети , Proc. 1st IEE Int. Конф. по искусственным нейронным сетям, стр. 329-331, Лондон, Великобритания, (1989).
  20. ^ Nasuto, SJ и епископ, JM (2008), стабилизируя роя поиск интеллекта с помощью положительного обратной связи распределения ресурсов , В: Красногоре Н., Nicosia, G, Pavone, М., & Пельт, Д. (ред), Природа Вдохновленная Совместные стратегии оптимизации, Исследования в области вычислительного интеллекта, том 129, Springer, Берлин, Гейдельберг, Нью-Йорк, стр. 115-123.
  21. ^ Moglich, M .; Maschwitz, U .; Холлдоблер Б. Тандемный вызов: новый вид сигнала в муравьиных коммуникациях , Наука, том 186, выпуск 4168, стр. 1046-1047
  22. ^ Насуто, SJ, Бишоп, JM & Lauria, S., Анализ временной сложности стохастического диффузионного поиска , Proc. Neural Computation '98, стр. 260-266, Вена, Австрия, (1998).
  23. ^ Nasuto, SJ, и Бишоп, JM, (1999), сходимости стохастического диффузионного поиска, параллельные алгоритмы, 14: 2, с: 89-107.
  24. ^ Myatt, DM, епископ, JM, Nasuto, SJ (2004), минимальные критерии стабильной сходимости стохастического Diffusion поиска , Electronics Letters, 22:40, стр. 112-113.
  25. ^ аль-Рифа, М.М., Бишоп, Дж. М. и Блэквелл, Т., Исследование слияния стохастического диффузионного поиска и оптимизации роя частиц , Proc. 13-я конф. Генетические и эволюционные вычисления, (GECCO), стр. 37-44, (2012).
  26. ^ аль-Рифаи, Мохаммад Маджид, Джон Марк Бишоп и Тим Блэквелл. « Влияние обмена информацией стохастического диффузионного поиска на алгоритм дифференциальной эволюции ». Memetic Computing 4.4 (2012): 327-338.
  27. ^ Оптимизация колонии муравьев Марко Дориго и Томас Штютцле, MIT Press, 2004. ISBN 0-262-04219-3 
  28. ^ Parsopoulos, KE; Врахатис, Миннесота (2002). «Последние подходы к проблемам глобальной оптимизации с помощью оптимизации роя частиц». Естественные вычисления . 1 (2–3): 235–306. DOI : 10,1023 / A: 1016568309421 . S2CID 4021089 . 
  29. ^ Оптимизация роя частиц , Морис Клерк, ISTE, ISBN 1-905209-04-5 , 2006. 
  30. ^ Розенберг, Луи (2015-07-20). «Человеческие рои, метод коллективного разума в реальном времени» . 20.07.2015 - 24.07.2015 . 27 . С. 658–659. DOI : 10.7551 / 978-0-262-33027-5-ch117 . ISBN 9780262330275.
  31. ^ a b Розенберг, Луи; Уиллкокс, Грегг (2020). Би, Яксин; Бхатия, Рахул; Капур, Суприя (ред.). «Искусственный интеллект роя». Интеллектуальные системы и приложения . Достижения в интеллектуальных системах и вычислениях. Издательство Springer International. 1037 : 1054–1070. DOI : 10.1007 / 978-3-030-29516-5_79 . ISBN 9783030295165.
  32. ^ Меткалф, Линн; Аскай, Дэвид А .; Розенберг, Луи Б. (2019). «Держать людей в курсе событий: объединение знаний с помощью искусственного интеллекта роя для улучшения принятия бизнес-решений». Обзор управления Калифорнии . 61 (4): 84–109. DOI : 10.1177 / 0008125619862256 . ISSN 0008-1256 . S2CID 202323483 .  
  33. ^ Шуман, Ганс; Уиллкокс, Грегг; Розенберг, Луи; Пескетели, Никколо (2019). « » Человеческая Роящиеся «Усиливает Точность и ROI при прогнозировании финансовых рынков». 2019 IEEE Международная конференция по гуманизированного вычислительной техники и связи (HCC) . С. 77–82. DOI : 10.1109 / HCC46620.2019.00019 . ISBN 978-1-7281-4125-1. S2CID  209496644 .
  34. ^ a b «Как системы искусственного интеллекта побеждают игроков в Вегасе в точности прогнозирования спортивных событий» . TechRepublic . Проверено 10 сентября 2018 .
  35. ^ a b Скуделлари, Меган (13.09.2018). "AI-Human" Hive Mind "диагностирует пневмонию" . IEEE Spectrum: Новости технологий, инженерии и науки . Проверено 20 июля 2019 .
  36. ^ a b Розенберг, Луи; Лунгрен, Мэтью; Халаби, Сафван; Уиллкокс, Грегг; Балтакс, Дэвид; Лион, Мими (ноябрь 2018 г.). «Искусственный интеллект роя, используемый для повышения диагностической точности в радиологии». 9-я Ежегодная конференция по информационным технологиям, электронике и мобильной связи IEEE 2018 (IEMCON) . Ванкувер, Британская Колумбия: IEEE: 1186–1191. DOI : 10.1109 / IEMCON.2018.8614883 . ISBN 9781538672662. S2CID  58675679 .
  37. ^ Льюис, М. Энтони; Бекей, Джордж А. "Поведенческая самоорганизация нанороботов с использованием местных правил" . Материалы Международной конференции IEEE / RSJ 1992 года по интеллектуальным роботам и системам .
  38. ^ аль-Рифаи, ММ; Абер, А. «Выявление метастазов при сканировании костей с помощью стохастического диффузионного поиска» . Proc. IEEE Информационные технологии в медицине и образовании, ITME . 2012 : 519–523.
  39. ^ аль-Рифаи, Мохаммад Маджид, Ахмед Абер и Ахмед Маджид Уда. « Использование стохастического диффузионного поиска для выявления метастазов при сканировании костей и микрокальцификаций на маммографах ». В семинарах по биоинформатике и биомедицине (BIBMW), Международная конференция IEEE 2012 г., стр. 280-287. IEEE, 2012.
  40. ^ Мартенс, D .; Baesens, B .; Фосетт, Т. (2011). «Редакционный обзор: Swarm Intelligence для интеллектуального анализа данных» . Машинное обучение . 82 (1): 1–42. DOI : 10.1007 / s10994-010-5216-5 .
  41. ^ Thrun, M .; Ульч, А. (2021). "Swarm Intelligence для самоорганизованной кластеризации". Искусственный интеллект . 290 : 103237. дои : 10.1016 / j.artint.2020.103237 .
  42. ^ Фладерер, Иоганнес-Поль; Курцманн, Эрнст (ноябрь 2019 г.). МУДРОСТЬ МНОГИХ: как создать самоорганизацию и как использовать коллективный ... интеллект в компаниях и в обществе из маны . КНИГИ ПО ЗАПРОСУ. ISBN 9783750422421.
  43. ^ Whitaker, RM, Hurley, S .. Агентный подход к выбору места для беспроводных сетей . Proc ACM Symposium on Applied Computing, стр. 574–577, (2002).
  44. ^ «Самолеты, поезда и муравьиные холмы: компьютерные ученые моделируют деятельность муравьев, чтобы уменьшить задержки авиакомпаний» . Science Daily . 1 апреля 2008 года Архивировано из оригинального 24 ноября 2010 года . Проверено 1 декабря 2010 года .
  45. ^ Миллер, Питер (2010). Умный рой: как понимание стай, школ и колоний может улучшить наше общение, принятие решений и выполнение задач . Нью-Йорк: Эйвери. ISBN 978-1-58333-390-7.
  46. ^ Oxenham, Саймон. «Почему пчелы могут быть секретом сверхчеловеческого интеллекта» . Проверено 20 января 2017 .
  47. ^ a b «Этот стартап правильно предсказал Оскар, Мировую серию и Суперкубок. Вот что он делает дальше» . Inc.com . 2018-06-14 . Проверено 10 сентября 2018 .
  48. ^ a b Розенберг, Л .; Pescetelli, N .; Уиллкокс, Г. (октябрь 2017 г.). Искусственный интеллект роя повышает точность прогнозирования финансовых рынков . Восьмая ежегодная конференция по повсеместным вычислениям, электронике и мобильной связи IEEE 2017 г. (UEMCON) . С. 58–62. DOI : 10,1109 / UEMCON.2017.8248984 . ISBN 978-1-5386-1104-3. S2CID  21312426 .
  49. ^ http://sites.lsa.umich.edu/collectiveintelligence/wp-content/uploads/sites/176/2015/05/Rosenberg-CI-2015-Abstract.pdf
  50. ^ Меткалф, Линн; Аскай, Дэвид А .; Розенберг, Луи Б. (17.07.2019). «Держать людей в курсе событий: объединение знаний с помощью искусственного интеллекта роя для улучшения принятия бизнес-решений». Обзор управления Калифорнии . 61 (4): 84–109. DOI : 10.1177 / 0008125619862256 . ISSN 0008-1256 . S2CID 202323483 .  
  51. ^ Уиллкокс, Грегг; Розенберг, Луи; Аскай, Дэвид; Меткалф, Линн; Харрис, Эрик; Домнауэр, Колин (2020). Араи, Кохей; Бхатия, Рахул (ред.). «Искусственное роение, показанное для повышения точности групповых решений в задачах субъективного суждения». Достижения в области информации и коммуникации . Конспект лекций по сетям и системам. Издательство Springer International. 70 : 373–383. DOI : 10.1007 / 978-3-030-12385-7_29 . ISBN 9783030123857.
  52. ^ «Искусственный интеллект превращает 20 долларов в 11 000 долларов в ставке Кентукки Дерби» . Newsweek . 2016-05-10 . Проверено 20 января 2017 .
  53. ^ Бернс, Джанет. «ИИ, победивший в Trifecta, подарил Грин-Бей Суперкубок - в августе» . Forbes . Проверено 20 января 2017 .
  54. ^ "Человеческие рои, метод коллективного разума в реальном времени" . Архивировано из оригинала на 2015-10-27 . Проверено 12 октября 2015 .
  55. ^ "Рой людей Power AI Platform" . DNews . 2017-05-10.
  56. ^ Розенберг, L .; Baltaxe, D .; Пескетели, Н. (2016-10-01). Толпы против стаи, сравнение интеллекта . 2016 Swarm / Human Blended Intelligence Workshop (SHBI) . С. 1–4. DOI : 10,1109 / SHBI.2016.7780278 . ISBN 978-1-5090-3502-1. S2CID  12725324 .
  57. ^ Розенберг, Луи Б. (2015). «Рой людей - метод параллельного распределенного интеллекта в реальном времени». 2015 семинар Swarm / Human Blended Intelligence (SHBI) . С. 1–7. DOI : 10,1109 / SHBI.2015.7321685 . ISBN 978-1-4673-6522-2. S2CID  15166767 .
  58. ^ Розенберг, L .; Уиллкокс, Г. (июнь 2018 г.). Искусственные рои находят Социальную Оптиму: (Последний отчет) . Конференция IEEE 2018 по когнитивным и вычислительным аспектам управления ситуациями (CogSIMA) . С. 174–178. DOI : 10,1109 / COGSIMA.2018.8423987 . ISBN 978-1-5386-5288-6. S2CID  51909462 .
  59. ^ Розенберг, L .; Пескетели, Н. (сентябрь 2017 г.). Повышение точности прогнозов с помощью Swarm AI . Конференция по интеллектуальным системам 2017 г. (IntelliSys) . С. 61–65. DOI : 10.1109 / IntelliSys.2017.8324329 . ISBN 978-1-5090-6435-9. S2CID  4366745 .
  60. ^ «Искусственный интеллект превращает 20 долларов в 11 000 долларов в ставке Кентукки Дерби» . Newsweek . 2016-05-10 . Проверено 10 сентября 2018 .
  61. ^ «Единогласный ИИ достигает на 22% более точных диагнозов пневмонии» . VentureBeat . 2018-09-10 . Проверено 20 июля 2019 .
  62. ^ Лю, Вентилятор (2018-09-27). «Искусственный интеллект роя диагностирует пневмонию лучше, чем индивидуальный компьютер или врач» . Stanford Daily . Проверено 20 июля 2019 .
  63. ^ "Рой проницательности - журнал радиологии сегодня" . www.radiologytoday.net . Проверено 20 июля 2019 .
  64. ^ фон Маммен, Себастьян; Джейкоб, Кристиан (2009). «Эволюция грамматик роя - выращивание деревьев, ремесленное искусство и восходящий дизайн» . Вычислительный интеллект . 4 (3): 10–19. CiteSeerX 10.1.1.384.9486 . DOI : 10,1109 / MCI.2009.933096 . S2CID 17882213 .  
  65. ^ дю Кастель, Бертран (15 июля 2015 г.). "Теория активации / распознавания паттернов разума" . Границы вычислительной неврологии . 9 (90): 90. DOI : 10,3389 / fncom.2015.00090 . PMC 4502584 . PMID 26236228 .  
  66. ^ a b al-Rifaie, MM; Бишоп, JM; Кейнс, С. (2012). «Креативность и автономия в интеллектуальных системах роя» (PDF) . Когнитивные вычисления . 4 (3): 320–331. DOI : 10.1007 / s12559-012-9130-у . S2CID 942335 .  
  67. ^ Делез G, Гваттари F, Massumi B. Тысяча плато. Миннеаполис: Университет Миннесоты Пресс; 2004 г.
  68. ^ Аль-Rifaie Мохаммад Маджид; Епископ, Джон Марк (2013). «Роевые зарисовки и механизм внимания» (PDF) . Эволюционные и биологически вдохновленные музыка, звук, искусство и дизайн (PDF) . Конспект лекций по информатике. 7834 . С. 85–96. DOI : 10.1007 / 978-3-642-36955-1_8 . ISBN  978-3-642-36954-4.
  69. ^ Аль-Rifaie Мохаммад Маджид; Епископ, Джон Марк (2013). «Роевые картины и внимание к цвету» (PDF) . Эволюционные и биологически вдохновленные музыка, звук, искусство и дизайн (PDF) . Конспект лекций по информатике. 7834 . С. 97–108. DOI : 10.1007 / 978-3-642-36955-1_9 . ISBN  978-3-642-36954-4.
  70. ^ аль-Рифаи, Мохаммад Маджид, Марк Дж. М. Бишоп и Ахмед Абер. « Креатив или нет? Птицы и муравьи рисуют мышцами ». Труды AISB'11 Computing and Philosophy (2011): 23-30.
  71. ^ al-Rifaie MM, Bishop M (2013) Рой интеллект и слабое искусственное творчество . В: Ассоциация по развитию искусственного интеллекта (AAAI) 2013: Весенний симпозиум, Стэнфордский университет, Пало-Альто, Калифорния, США, стр. 14–19.
  72. ^ Н. Коррелл, Н. Фэрроу, К. Сугавара, М. Теодор (2013): Стена роя: К сверхъестественной долине жизни. В: К. Голдберг, Х. Найт, П. Сальвини (ред.): Международная конференция IEEE по робототехнике и автоматизации, Практикум по искусству и робототехнике: Unheimlich Фрейда и сверхъестественная долина.

Дальнейшее чтение [ править ]

  • Бонабо, Эрик; Дориго, Марко; Тераулаз, Гай (1999). Ройный интеллект: от естественных к искусственным системам . ISBN 978-0-19-513159-8.
  • Кеннеди, Джеймс; Эберхарт, Рассел К. (2001-04-09). Рой Интеллект . ISBN 978-1-55860-595-4.
  • Энгельбрехт, Андрис (16 декабря 2005 г.). Основы вычислительного роевого интеллекта . Wiley & Sons. ISBN 978-0-470-09191-3.

Внешние ссылки [ править ]

  • Марко Дориго и Мауро Бираттари (2007). «Рой интеллект» в Scholarpedia
  • Антуанетта Браун. Рой Интеллект