人工智能入門 課件 劉峽壁5.行為智能、6.群智能

行為智能01AI:NouvelleAI2大綱智能體-結(jié)構(gòu)

?沒有表示和推理的智能

-學(xué)習(xí)強(qiáng)化學(xué)習(xí)-Q-學(xué)習(xí)AI:NouvelleAI3PartⅠ:智能體AI:NouvelleAI4機(jī)器人世界杯2008決賽

中國(guó)，蘇州到2050年，組建一個(gè)可以取勝人類足球冠軍隊(duì)的全自主機(jī)器人隊(duì)伍。

-AI:NouvelleAI5遠(yuǎn)程智能體實(shí)驗(yàn)(RAX)深空1號(hào)任務(wù)旨在驗(yàn)證技術(shù)；讓AI軟件成為航天器的主要指揮官；1999年5月進(jìn)行測(cè)試。

NANA,USa

AI:NouvelleAI61.1智能體定義RussellandNorvig:“能夠通過傳感器感知環(huán)境并根據(jù)環(huán)境做出行動(dòng)的任何系統(tǒng)”AI:NouvelleAI7智能體的弱概念五個(gè)主要特點(diǎn):現(xiàn)場(chǎng)性:工作在某種環(huán)境中，并能與環(huán)境進(jìn)行交互自主性:在不用干涉的情況下自主運(yùn)行主動(dòng)性:在自身目標(biāo)驅(qū)動(dòng)下表現(xiàn)出主動(dòng)的行為反應(yīng)性:能感知外界環(huán)境并根據(jù)環(huán)境變化做出適當(dāng)反應(yīng)社會(huì)性:以其他智能體進(jìn)行通信AI:NouvelleAI81.2單智能體結(jié)構(gòu)慎思型智能體:符號(hào)化表示和處理-IRMA,GRATE反應(yīng)型智能體:感知-行為模式智能體系統(tǒng)-包容結(jié)構(gòu)-網(wǎng)絡(luò)結(jié)構(gòu)混合型智能體:可以直接對(duì)外界刺激作出反應(yīng)，也可以在內(nèi)部推理的基礎(chǔ)上采取行動(dòng)-過程推理系統(tǒng)（PRS）-圖靈機(jī)模型-InteRRaPAI:NouvelleAI91.2.2反應(yīng)型結(jié)構(gòu)反應(yīng)型結(jié)構(gòu)不需要使用符號(hào)表示外部環(huán)境狀態(tài)，也不需要復(fù)雜的符號(hào)推理。包容結(jié)構(gòu)網(wǎng)絡(luò)結(jié)構(gòu)沒有表示和推理的智能AI:NouvelleAI10包容結(jié)構(gòu)麻省理工大學(xué)智能研究所的布魯克斯基于包容結(jié)構(gòu)構(gòu)造了一些機(jī)器人。由任務(wù)導(dǎo)向的行為模塊構(gòu)成高層模塊有更多特殊任務(wù)單獨(dú)構(gòu)建各個(gè)模塊高層模塊對(duì)低層模塊起到一定的控制作用，但這種影響對(duì)于低層模塊是不可見的，高層模塊只在需要時(shí)插入來抑制低層模塊的行為。沒有明確的推理甚至沒有模式匹配.在構(gòu)造的初期生成智能體函數(shù)AI:NouvelleAI11布魯克斯包容結(jié)構(gòu)圖解不同的智能體并行構(gòu)建，但是以分級(jí)的形式?jīng)Q策行為。高層智能體能夠抑制低層智能體的輸出，并且接管行為的控制(b)一種應(yīng)用：腿部移動(dòng)控制腿向上或向下腿向前或向后霍爾克·克魯斯（HolkCruse）：作為控制系統(tǒng)的神經(jīng)網(wǎng)絡(luò)（第二版），2006年包容結(jié)構(gòu)AI:NouvelleAI12MIT布魯克斯的機(jī)器人Genghis:過去在機(jī)器人實(shí)驗(yàn)室.目前在Smithsonian航空博物館.Cog:類人智能需要類似人的與外界交互方式Herbert:一個(gè)基于互動(dòng)的可以收集飲料瓶的機(jī)器人

Allen:機(jī)器人實(shí)驗(yàn)室的第一個(gè)移動(dòng)機(jī)器人./projects/humanoid-robotics-group/AI:NouvelleAI13網(wǎng)絡(luò)結(jié)構(gòu)動(dòng)作單元的集合各個(gè)動(dòng)作單元根據(jù)內(nèi)部需求和外部激勵(lì)，競(jìng)爭(zhēng)對(duì)智能體行為的控制。外部激勵(lì):環(huán)境條件內(nèi)部需求:通過鏈?zhǔn)浇Y(jié)構(gòu):激活模塊增加其后續(xù)模塊的興奮性未激活模塊增加其前面模塊的興奮性所有模塊抑制其他競(jìng)爭(zhēng)者的興奮性AI:NouvelleAI14網(wǎng)絡(luò)結(jié)構(gòu)目標(biāo):保持文雅的同時(shí)解決口渴問題(即不讓嘴去主動(dòng)靠近水杯，而是拿起水杯送到嘴)Maes:Theagentnetworkarchitecture,1991AI:NouvelleAI151.2.3混合結(jié)構(gòu)完全的慎思型和完全的反應(yīng)型都不適合用來建立智能體。

結(jié)合二者:過程推理系統(tǒng)（PRS）圖靈機(jī)InteRRaPAI:NouvelleAI16圖靈機(jī)為動(dòng)態(tài)變化的現(xiàn)實(shí)世界中的自主智能體設(shè)計(jì)三層:反應(yīng)層:直接對(duì)外部激勵(lì)做出迅速的反應(yīng)規(guī)劃層:制定規(guī)劃建模層:對(duì)外部世界狀態(tài)進(jìn)行建模AI:NouvelleAI17圖靈機(jī)（續(xù)）每層直接與感知器和控制器相連任意兩層之間存在相互聯(lián)系每一層都有獨(dú)自的反應(yīng)，在不同的層間發(fā)生沖突時(shí)：使用上下文觸發(fā)的控制規(guī)則解決.AI:NouvelleAI18圖靈機(jī)架構(gòu)InnesA.Ferguson:TouringMachines:AutonomousAgentswithAttitudes,1992AI:NouvelleAI19InteRRaP分層的混合結(jié)構(gòu):在不同的層次上對(duì)環(huán)境進(jìn)行建模存在不同層次的表示不同層次的知識(shí)和推理在垂直分層的結(jié)構(gòu)中只有相鄰層之間存在通信行為層(與領(lǐng)域相關(guān))規(guī)劃層(非社會(huì)性的目標(biāo)驅(qū)動(dòng)行為)協(xié)作層(社會(huì)行為，如聯(lián)合規(guī)劃等)AI:NouvelleAI20InteRRaP

結(jié)構(gòu)/~chrender/Agenten/Agenten.htmlAI:NouvelleAI211.3智能體的學(xué)習(xí)智能體要與動(dòng)態(tài)變化的負(fù)責(zé)的外部環(huán)境進(jìn)行交互，因此智能體需要進(jìn)行自主學(xué)習(xí)。學(xué)習(xí)的基本思想如下：智能體感知到的知識(shí)不只是用來決定下一步行動(dòng)，也用來提高智能體的能力，以在后面的行動(dòng)中表現(xiàn)更佳。AI:NouvelleAI22學(xué)習(xí)類型監(jiān)督學(xué)習(xí)函數(shù)學(xué)習(xí)需要的輸入輸出對(duì)已經(jīng)給定或者可以推導(dǎo)得到。非監(jiān)督學(xué)習(xí)沒有輸出的信息強(qiáng)化學(xué)習(xí)智能體在環(huán)境中作出行動(dòng)，對(duì)于智能體的每一步行動(dòng)，都會(huì)得到一個(gè)評(píng)價(jià)值，但是不被告知如何行動(dòng)才可以正確的達(dá)到目標(biāo)。√AI:NouvelleAI23PartⅡ:強(qiáng)化學(xué)習(xí)（RL）AI:NouvelleAI243.1強(qiáng)化學(xué)習(xí)簡(jiǎn)介強(qiáng)化學(xué)習(xí)是一種通過獎(jiǎng)勵(lì)和懲罰來實(shí)現(xiàn)智能體的方式，無需指定完成何種任務(wù).(Kaelbling,1996)智能體怎樣如何從成功和失敗中學(xué)習(xí)，從獎(jiǎng)勵(lì)和懲罰中學(xué)習(xí)？基于試錯(cuò)交互方式AI:NouvelleAI25強(qiáng)化學(xué)習(xí)模型Picture：R.Sutton:ReinforcementLearning:ATutorialAI:NouvelleAI26經(jīng)典示例-房間里的機(jī)器人向上的行為:80%移動(dòng)到了上方,10%移動(dòng)到了左方,10%移動(dòng)到了右方在[4,3]處獎(jiǎng)勵(lì)為+1,在[4,2]處的獎(jiǎng)勵(lì)為-1,其他步為0RussellandNorvig,ArtificialIntelligence:AModernApproach,2ededition,2006AI:NouvelleAI27經(jīng)典示例–桿平衡在一個(gè)移動(dòng)的平板車上面讓一個(gè)長(zhǎng)桿平衡直立RussellandNorvig,ArtificialIntelligence:AModernApproach,2ededition,2006AI:NouvelleAI28不需要模型的方法:Q-學(xué)習(xí)算法學(xué)習(xí)V*(簡(jiǎn)記為V*)對(duì)于任何狀態(tài)s，執(zhí)行向前搜索以選出最好的行動(dòng)如果智能體已知下面函數(shù)將會(huì)得到很好的效果fS:狀態(tài)

行為

狀態(tài)fR

:狀態(tài)

行為

R如果fS

和fR

未知,將不能通過這種方式選擇下一步行為AI:NouvelleAI29Q-值定義一個(gè)與

V*相似的新的函數(shù)如果智能體對(duì)Q進(jìn)行學(xué)習(xí)，將能夠在fS

和

fR

未知的情況下選擇最優(yōu)行動(dòng)AI:NouvelleAI30r(狀態(tài),行為)立即收益值Q(狀態(tài),行為)值V*(狀態(tài))值100

0

0

100

G

0

0

0

0

0

0

0

0

0

90

81100

G

0

81

72

90

81

81

72

90

81

100

G

9010008190100Q-值的計(jì)算

使用折扣收益，折扣因子為0.981=0+0.9*90AI:NouvelleAI31學(xué)習(xí)Q-值注意:Q

和

V*密切相關(guān)將Q寫成遞歸形式：使用Q-值問題:如何學(xué)習(xí)?問題:如何選擇最優(yōu)行為?AI:NouvelleAI32Q-學(xué)習(xí)步驟對(duì)于每一個(gè)<s,a>初始化Q-值觀察到當(dāng)前狀態(tài)s重復(fù)以下步驟根據(jù)當(dāng)前Q-函數(shù)選擇動(dòng)作獲得獎(jiǎng)勵(lì)r觀察到新的狀態(tài)s’令令s=s’AI:NouvelleAI33Q-學(xué)習(xí)舉例:漢諾塔/kardi/tutorial/ReinforcementLearning/Tower-of-Hanoi.htmAI:NouvelleAI34帶獎(jiǎng)勵(lì)值的狀態(tài)圖AI:NouvelleAI35R矩陣初始QQ矩陣最終QQ矩陣更新AI:NouvelleAI36紅箭頭指示的是從起始節(jié)點(diǎn)到目標(biāo)節(jié)點(diǎn)的最優(yōu)路徑實(shí)際上,圖中的Q值可以用于從圖中任何一個(gè)起始節(jié)點(diǎn)（不只是狀態(tài)1）通過最短路徑走到目標(biāo)節(jié)點(diǎn)狀態(tài)圖里的解決路徑AI:NouvelleAI37Q-學(xué)習(xí)演示：

路徑學(xué)習(xí)器AI:NouvelleAI38總結(jié)行為智能沒有表示和推理的智能SituatedAI智能體弱概念和強(qiáng)概念結(jié)構(gòu)類型有慎思型

(BDI模型),反應(yīng)型

(包容結(jié)構(gòu),網(wǎng)絡(luò)結(jié)構(gòu)),and混合型

(PRS,圖靈機(jī)，InteRRaP)AI:NouvelleAI39總結(jié)使用強(qiáng)化學(xué)習(xí)得到智能體不同于監(jiān)督學(xué)習(xí)和非監(jiān)督學(xué)習(xí)從獎(jiǎng)勵(lì)和懲罰中學(xué)習(xí)試錯(cuò)交互Q-學(xué)習(xí)群智能AI:SI41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:SI42PartⅠ: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:SI43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:SI44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:SI45涌現(xiàn)Goldstein：“在復(fù)雜系統(tǒng)的自組織過程中，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:SI46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。AI:SI47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》、《獅子王》）AI:SI48Boid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:SI49一個(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，該術(shù)語擴(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)或分布式問題解決設(shè)備的嘗試”[Bonabeau、Dorigo和Theraulaz，1999]。50AI:ANN51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:SI52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:ANN53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:SI54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:SI55直接通信Actor語言一個(gè)Actor執(zhí)行一系列動(dòng)作以回復(fù)接收到的消息言語行為理論言語行為具有以下三個(gè)方面：Locution=說話者的物理表達(dá)Illocution=說話者話語的意圖意義（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:ANN56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:SI57PartⅡ-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:SI58PartⅡ蟻群優(yōu)化算法（ACO）AI:SI59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:ANN60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:ANN61螞蟻如何找到最短路徑？他們通過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:SI62螞蟻如何找到最短路徑？這個(gè)過程就像一個(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！AI:SI63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:ANN64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:ANN65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:ANN66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:ANN67對(duì)于旅行推銷員問題(TSP)的蟻群系統(tǒng)(AS)B.Ombuki-Berman之后的流程圖：群體智能AI:ANN68TSP的簡(jiǎn)單示例（4個(gè)城市）圖片來自O(shè)lleGallmo：群體智能AI:ANN69AS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:ANN70PartⅢ: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:ANN71鳥群飛行在粒子群優(yōu)化中，“群”被定義為一組看似無序的移動(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:ANN72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。鳥類和魚類通過調(diào)整自身的物理運(yùn)動(dòng)來避免捕食者、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