人工智能入門 課件 6.群智能

群智能AI:SI2大綱什么是群智能(SI)?

模擬SI進(jìn)行搜索

-蟻群優(yōu)化算法（ACO）-粒子群優(yōu)化算法（PSO）AI:SI3PartⅠ:什么是SI?KevinKelly:“這些不起眼的組件，只要正確地組合在一起，就能產(chǎn)生出人意料的智能效果?！笔裁词侨褐悄?？AI:SI4盡管自然界中的一些社會(huì)系統(tǒng)是由簡(jiǎn)單的個(gè)體組成的，但它們可以表現(xiàn)出一種智能的集體行為。問(wèn)題的智能解決方案自然地從這些個(gè)體的自組織和交流中產(chǎn)生。這些系統(tǒng)提供了重要的技術(shù)，可用于開發(fā)人工智能系統(tǒng)。自然之美AI:SI5自然界和社會(huì)中的集體行為的例子這可以被視為多智能體系統(tǒng)。AI:SI6涌現(xiàn)Goldstein：“在復(fù)雜系統(tǒng)的自組織過(guò)程中，新奇、一致的結(jié)構(gòu)、模式和性質(zhì)的產(chǎn)生?！蹦铩どw爾曼：“從深層次的簡(jiǎn)單性中產(chǎn)生的表面復(fù)雜性”Bottom-upbehavior:“遵循簡(jiǎn)單規(guī)則的簡(jiǎn)單代理產(chǎn)生復(fù)雜的結(jié)構(gòu)/行為。代理不遵循來(lái)自領(lǐng)導(dǎo)者的命令?！卑紫仭按蠼烫谩蓖炼咽怯砂紫伻后w建造的：這是自然界中涌現(xiàn)的一個(gè)經(jīng)典例子AI:SI7生物學(xué)動(dòng)機(jī)：昆蟲社會(huì)社會(huì)性昆蟲的群體能夠從刻板、不可靠、不智能且簡(jiǎn)單的昆蟲個(gè)體中實(shí)現(xiàn)靈活、可靠、智能和復(fù)雜的系統(tǒng)層面性能。

昆蟲遵循簡(jiǎn)單規(guī)則，使用簡(jiǎn)單的局部通信（氣味軌跡、聲音、觸覺）并且計(jì)算需求低。全局結(jié)構(gòu)（例如，巢穴）可靠地由許多不可靠的個(gè)體行動(dòng)涌現(xiàn)出來(lái)。AI:SI8生物學(xué)動(dòng)機(jī)：群落、畜群和魚群在80年代末，克雷格·雷諾茲創(chuàng)建了一個(gè)名為“Boids”的動(dòng)物運(yùn)動(dòng)模型。它根據(jù)三條簡(jiǎn)單規(guī)則產(chǎn)生非常逼真的運(yùn)動(dòng)，這些規(guī)則定義了boid的轉(zhuǎn)向行為。這個(gè)模型及其變種已被用于驅(qū)動(dòng)電影中的鳥、昆蟲、人、魚、羚羊等的動(dòng)畫效果（例如，《蝙蝠俠歸來(lái)》、《獅子王》）AI:SI9Boid規(guī)則分離：轉(zhuǎn)向以避免擁擠的本地群體成員優(yōu)先于其他規(guī)則的基本規(guī)則在避免與環(huán)境中的其他物體發(fā)生碰撞時(shí)也很有用。對(duì)齊：朝向本地同群伙伴的平均航向和速度轉(zhuǎn)向強(qiáng)制保持凝聚，以保持同群伙伴在一起。也有助于避免碰撞。凝聚力：轉(zhuǎn)向以朝向本地同群伙伴的平均位置移動(dòng)畜群邊緣的代理更容易受到捕食者的攻擊有助于保持畜群在一起AI:SI10一個(gè)應(yīng)用：《獅子王》Videofrom:/471/current/notes/AI:SI群體智能

群體智能（SI）是一種基于對(duì)去中心化、自組織系統(tǒng)中的集體行為的研究的人工智能技術(shù)。1989年，Beni、Hackwood和Wang在細(xì)胞機(jī)器人系統(tǒng)的背景下首次使用了“群體智能”這一表述，用于描述簡(jiǎn)單機(jī)械代理的自組織行為。后來(lái)，該術(shù)語(yǔ)擴(kuò)展為包括“任何受社會(huì)昆蟲群落和其他動(dòng)物群體集體行為啟發(fā)的算法設(shè)計(jì)或分布式問(wèn)題解決設(shè)備的嘗試”[Bonabeau、Dorigo和Theraulaz，1999]。11AI:ANN12群體智能（續(xù)）群體智能系統(tǒng)通常由相互之間以及與環(huán)境進(jìn)行局部交互的大量簡(jiǎn)單代理組成。雖然通常不存在決定個(gè)體代理應(yīng)如何行為的集中控制結(jié)構(gòu)，但這些代理之間的局部交互往往會(huì)導(dǎo)致全局行為的涌現(xiàn)。有時(shí)被稱為“集體智能”AI:SI13群體智能的組成部分代理：

與世界和其他代理（直接或間接）進(jìn)行交互簡(jiǎn)單的行為

例如：螞蟻、白蟻、蜜蜂、黃蜂通信：

代理如何相互交互

例如：螞蟻的信息素

單個(gè)代理的簡(jiǎn)單行為+一組代理之間的通信=該組代理的涌現(xiàn)復(fù)雜行為AI:ANN14間接通信信號(hào)傳播：-一個(gè)代理發(fā)送一個(gè)信號(hào)，該信號(hào)被廣播到環(huán)境中，并且其強(qiáng)度隨著距離的減小而減小。-在點(diǎn)x處，信號(hào)可能有以下強(qiáng)度之一：V(x)=V(x0)/dist(x,x0)V(x)=V(x0)/dist(x,x0)2

路徑-代理留下“放射性碎屑”形成路徑-一個(gè)代理跟隨路徑，使路徑逐漸變淡，直到消失AI:SI15間接通信黑板系統(tǒng)-一個(gè)公共區(qū)域（共享內(nèi)存），代理可以在其中交換信息、數(shù)據(jù)和知識(shí)。-黑板=強(qiáng)大的分布式知識(shí)計(jì)算范例-代理=知識(shí)源（KS）

IntelligentAgentsIntelligentAgentsIntelligentAgentsBlackboardMessageReplyAgentsIntelligentAgentsIntelligentAgentsIntelligentAgentsIntelligentAgentsIntelligentAgentsIntelligentAgentsAI:SI16直接通信Actor語(yǔ)言一個(gè)Actor執(zhí)行一系列動(dòng)作以回復(fù)接收到的消息言語(yǔ)行為理論言語(yǔ)行為具有以下三個(gè)方面：Locution=說(shuō)話者的物理表達(dá)Illocution=說(shuō)話者話語(yǔ)的意圖意義（施為）Perlocution=Locution產(chǎn)生的動(dòng)作例如：張告訴李：“請(qǐng)把門關(guān)上”。

locution

illocutioncontent perlocution：門關(guān)上了（希望如此?。〢I:ANN17群智能特點(diǎn)分布式，沒有中央控制或數(shù)據(jù)源通信有限沒有（顯式的）環(huán)境模型感知環(huán)境（感知）能夠應(yīng)對(duì)環(huán)境變化。

群體智能與人類有關(guān)嗎？AI:SI18PartⅡ-Ⅲ：如何模擬群體智能進(jìn)行搜索？示例1：螞蟻-->蟻群優(yōu)化算法（ACO）示例2：鳥群-->粒子群優(yōu)化算法（PSO）AI:SI19PartⅡ蟻群優(yōu)化算法（ACO）AI:SI20螞蟻

單個(gè)螞蟻是具有有限記憶并且能夠執(zhí)行簡(jiǎn)單動(dòng)作的簡(jiǎn)單昆蟲。個(gè)體螞蟻是具有有限記憶并能執(zhí)行簡(jiǎn)單動(dòng)作的簡(jiǎn)單昆蟲。然而，一個(gè)螞蟻群能夠展現(xiàn)出復(fù)雜的集體行為，為問(wèn)題提供智能解決方案搬運(yùn)大型物品搭建橋梁尋找從巢穴到食物源的最短路線，根據(jù)距離和易接近性對(duì)食物源進(jìn)行優(yōu)先排序。AI:ANN21螞蟻此外，在蟻群中，每只螞蟻都有其規(guī)定任務(wù)，但如果集體需要，螞蟻可以切換任務(wù)。

在巢外，螞蟻可以執(zhí)行以下四種任務(wù)：覓食：尋找和獲取食物巡邏：尋找食物來(lái)源垃圾清理工作：對(duì)巢內(nèi)垃圾進(jìn)行分類巢穴維護(hù)工作：建造和清理巢穴

螞蟻是否執(zhí)行某項(xiàng)任務(wù)取決于：環(huán)境物理狀態(tài)：如果巢的一部分受損，會(huì)有更多的螞蟻進(jìn)行巢穴維護(hù)工作來(lái)修復(fù)它與其他螞蟻的社會(huì)互動(dòng)

交流（直接或間接）是必要的AI:ANN22螞蟻如何找到最短路徑？他們通過(guò)在其所走的路徑上留下信息素，建立了一個(gè)間接通信系統(tǒng)。孤立的螞蟻隨機(jī)移動(dòng)，但當(dāng)它發(fā)現(xiàn)信息素痕跡時(shí)，這只螞蟻有很大可能會(huì)決定沿著這條痕跡前進(jìn)。覓食的螞蟻會(huì)在其路徑上留下信息素。當(dāng)它找到食物來(lái)源時(shí)，它會(huì)返回巢穴并加強(qiáng)其痕跡。因此，其他螞蟻有更大的可能性開始跟隨這條痕跡，從而在其上留下更多的信息素。這個(gè)過(guò)程就像一個(gè)正反饋循環(huán)系統(tǒng)，因?yàn)橐粭l痕跡上的信息素濃度越高，螞蟻開始沿著它旅行的可能性就越大。AI:SI23螞蟻如何找到最短路徑？這個(gè)過(guò)程就像一個(gè)正反饋循環(huán)系統(tǒng)，因?yàn)橐粭l痕跡上的信息素濃度越高，螞蟻開始沿著它旅行的可能性就越大。B路上的信息素濃度將以比A路更高的速度增加，很快A路上的螞蟻將選擇跟隨B路。由于大多數(shù)螞蟻將不再走A路，并且由于信息素是易揮發(fā)的，A路上的痕跡將開始蒸發(fā)。只有最短的路線將保留下來(lái)！AI:SI24螞蟻群優(yōu)化模型每只人工螞蟻都是一個(gè)概率機(jī)制，用于構(gòu)建問(wèn)題的解決方案，使用以下方法：人工信息素沉積啟發(fā)式信息：信息素痕跡等真實(shí)螞蟻與人工螞蟻之間的區(qū)別：信息素只在構(gòu)建出解決方案后才更新。其他機(jī)制AI:ANN25螞蟻群優(yōu)化模型構(gòu)造螞蟻解決方案解決方案組件的隨機(jī)選擇規(guī)則。更新信息素用于增加與良好或有前途的解決方案相關(guān)聯(lián)的信息素值，并減少與不良解決方案相關(guān)聯(lián)的信息素值。通過(guò)信息素蒸發(fā)減少所有信息素值-->允許“遺忘”->有利于探索新區(qū)域增加與一組選定的良好解決方案相關(guān)聯(lián)的信息素水平-->使算法收斂到解決方案AI:ANN26蟻群系統(tǒng)（AS）：第一個(gè)蟻群優(yōu)化算法構(gòu)造螞蟻解決方案

信息素的數(shù)量啟發(fā)式距離α、β常數(shù)AI:ANN27蟻群系統(tǒng)（AS）更新信息素蒸發(fā)率每只螞蟻在邊(i,j)上留下的信息素AI:ANN28對(duì)于旅行推銷員問(wèn)題(TSP)的蟻群系統(tǒng)(AS)初始化將每只螞蟻放置在隨機(jī)選擇的城市中為每個(gè)螞蟻選擇下一個(gè)城市更多的城市需要訪問(wèn)遍歷每只螞蟻返回初始城市使用每個(gè)螞蟻的旅行成本更新信息素水平打印最佳旅行yesNo停止準(zhǔn)則yesNoB.Ombuki-Berman之后的流程圖：群體智能AI:ANN29TSP的簡(jiǎn)單示例（4個(gè)城市）圖片來(lái)自O(shè)lleGallmo：群體智能AI:ANN30AS的擴(kuò)展蟻群系統(tǒng)傾向于快速收斂這意味著它對(duì)找到的最佳解的利用程度太高，它應(yīng)該更多地探索解空間信息素蒸發(fā)/更新規(guī)則（可能存在更好的規(guī)則）蟻群系統(tǒng)的擴(kuò)展蟻群系統(tǒng)的精英策略(EAS)基于排名的蟻群系統(tǒng)(RANK)MAX-MIN蟻群系統(tǒng)(MMAS)蟻群系統(tǒng)(ACS)AI:ANN31PartⅢ:粒子群優(yōu)化算法(PSO)“再次，大自然為我們提供了一種處理信息的方法，既優(yōu)雅又靈活”AI:ANN32鳥群飛行在粒子群優(yōu)化中，“群”被定義為一組看似無(wú)序的移動(dòng)個(gè)體集合，這些個(gè)體傾向于聚集在一起，而每個(gè)個(gè)體似乎都朝著隨機(jī)的方向移動(dòng)。鳥群飛行是粒子群優(yōu)化在自然界中的最好例子之一。AI:ANN33鳥群飛行的建模鳥群飛行的同步性被認(rèn)為是一種功能，鳥類努力保持自己與鄰居之間的最佳距離。鳥類和魚類通過(guò)調(diào)整自身的物理運(yùn)動(dòng)來(lái)避免捕食者、尋找食物和配偶。人類傾向于調(diào)整自己的信仰和態(tài)度，以符合社會(huì)同齡人的信仰和態(tài)度。人類在抽象的多維空間中自由變化。AI:ANN34從鳥類到粒子想象一個(gè)鳥群在一個(gè)只有一個(gè)食物源的區(qū)域。一只鳥不知道食物在哪里，但它知道它與食物的距離。最好的策略是跟隨離食物更近的鳥。粒子保存和傳播它們找到的最佳解決方案。AI:ANN35粒子群優(yōu)化的特點(diǎn)通過(guò)分配隨機(jī)位置和速度進(jìn)行種群初始化；然后讓潛在的解通過(guò)超空間飛行。每個(gè)粒子跟蹤其在超空間中的“最佳”（最高適應(yīng)度）位置。這被稱為個(gè)體粒子的“pBest”它被稱為種群中的“gBest”它被稱為定義鄰域中的“l(fā)Best”在每個(gè)時(shí)間步，每個(gè)粒子隨機(jī)地加速向其pBest和gBest（或lBest）移動(dòng)。AI:ANN36粒子群優(yōu)化過(guò)程步驟1.在超空間中初始化種群。步驟2.評(píng)估個(gè)體粒子的適應(yīng)度。步驟3.根據(jù)先前的最佳和全局（或鄰域）最佳修改速度。步驟4.根據(jù)某些條件終止。步驟5.轉(zhuǎn)到步驟2。AI:ANN37粒子是如何飛行的？gBest和pBest（lBest）的組合lBest可以是：社會(huì)性：周圍的粒子總是相同的，無(wú)論它們?cè)诳臻g中的位置如何地理性：周圍的粒子是距離最短的那些粒子全局PSO與局部PSOAI:ANN38粒子群優(yōu)化速度更新方程全局版本：其中k是維度，c1和c2是正的常數(shù)，rand()是隨機(jī)函數(shù)，w是慣性權(quán)重。對(duì)于鄰域版本，將pgk更改為plk。AI:ANN39全局PSO的速度更新方案。AI:ANN40PSO：相關(guān)問(wèn)題控制速度（確定Vmax的最佳值）通常將最大速度設(shè)置為變量的動(dòng)態(tài)范圍通常將c1和c2設(shè)置為2慣性權(quán)重影響全局和局部探索之間的