Schwarmintelligenz

Die Schwarmintelligenz ist ein Begriff, zum ersten Mal im Jahr 1988 von Gerardo Beni, Susan Hackwood und Jing Wang nach einem Projekt inspiriert von den Robotersysteme geprägt. Es berücksichtigt die Untersuchung von selbstorganisierenden Systemen, in denen eine komplexe Handlung stammt aus einer kollektiven Intelligenz, da kommt in der Natur im Fall von Insektenstaaten oder Vogelschwärme oder Fischschwärme oder Herden von Säugetieren. Nach der Definition von Waren und Watt der Schwarm Intelligenz kann definiert werden als: ". Eigenschaften eines Systems, wo das kollektive Verhalten der Agenten lokal in Wechselwirkung mit der Umgebung erzeugt das Auftreten von Funktionsmustern im globalen System"

Eigenschaften

  • Jeder im System hat "beschränkte Kapazität";
  • Jeder in der System weiß nicht, den Gesamtstatus des Systems;
  • Das Fehlen eines Koordinierungsstelle

Biologie, Informatik

Eines der Themen, die heute von Forschern untersucht wird auf die Analyse des Verhaltens von Insekten in der Natur im Vergleich zur Gemeinschaft auf der Grundlage, insbesondere untersuchen wir, Bienenschwarm oder Ameisenkolonien. Es frage mich, wie eine solche kollektive Organisation von High-Level ergeben sich aus der Summe der einfachsten Maßnahmen, wie sie von einer Ameisenkolonie durch das Territorium zu verteidigen, zu bauen ein Nest perfekt organisiert, auf der Suche nach Nahrungsquellen, alles, ohne eine Institution symbolische ihnen befiehlt. Im Gegensatz zu höheren Organismen, wie Säugetieren, Insekten haben einzelne sehr begrenzte Menge an Intelligenz, sondern in Anteilen von Gruppe präsentiert überraschenden Eigenschaften: Es ist der Fall der Futtersuche Ameisen. Jede Ameise Ablagerungen auf dem Boden beim Gehen eine Chemikalie, die Pheromon. Die Wahl der Route nach der Suche nach Nahrung durch die Intensität des Pheromons angetrieben gefolgt werden: Es ist intensiver und wird wahrscheinlich eine bestimmte Richtung gewählt werden; aber das Pheromon verdampft mit der Zeit, so wird "markiert" werden nur die häufiger verwendeten Pfade. In Computern viele Forscher von Zeit zu versuchen, intelligentes Verhalten ähnlich dem von Insekten zu simulieren. Der interessanteste Aspekt der Systeme auf Basis von Schwarmintelligenz, im Vergleich zu herkömmlichen Systemen ist, dass die Menge von Individuen, die es funktioniert, ohne eine zentrale Steuerung zu komponieren. Die beobachtete kollektive Verhalten ist daher das Ergebnis der einfachen Iterationen, die eine einzelne Komponente auf andere oder die Umwelt hat.

I-Swarm

Der I-Swarm-Projekt, das 10 europäische Partner umfasst, ist der erste Versuch, eine millimetergroße autonomen Roboter mit dem Ziel, "ein Schwarm von Mikro-Roboter" zu replizieren. Dieser Schwarm nimmt Bezug von dem, was von Natur, die zu Phänomenen der Selbstorganisation. Die Swarm Robotic Ziele in der Tat, die Planung von einer großen Gruppe von Robotern mit der Bestellung zu organisieren kollektives Verhalten nützlich für den gewünschten Zweck, Hervorhebung, was heißt "Schwarmintelligenz". Die Strategie beruht auf der Beobachtung von Schwärmen in der Natur. Die wichtigsten Vorteile sind:

  • Selbstorganisation;
  • Flexibilität;
  • Anpassungsfähigkeit;
  • Robustheit des Systems.

Grundsätzlich nehmen die besten Eigenschaften des Schwarms. Dank der jüngsten Entwicklungen in der Miniaturisierung und Mikrotechnik, war es möglich, in der Lage, produzieren und montieren "Massen von Mikroroboter" zu sein. Dies ist ein wesentliches Merkmal, dass die Mikroroboter müssen in einer Gruppe zu arbeiten, um eine Aufgabe durchzuführen. In der Zukunft, dank dieser Technologie können Sie die Swarm Roboter in verschiedenen Bereichen, wie zum Beispiel: - Umweltüberwachung;

  • Weltraumforschung;
  • Montage von Mikrovorrichtungen;
  • Biomedizin.

Prototypen des I-Swarm

Derzeit im Entwurf der I-Swarm sie wurden einige Prototypen der Größe 3x3x3 mm in der Testphase entwickelt. Sie von einigen Funktionsmodule miniaturisiert und zusammengebaut eine über der anderen durch ein flexibles circutio verbunden sind. Es leitet Energie durch das Licht mittels kleine Solarzellen miniaturisiert. Die Bewegung wird auf den mikroskopischen Pfoten aus piezoelektrischem Material besteht, die von einem integrierten Mikroprozessor, die auch die Richtung der Bewegung bestimmt, betätigt und gesteuert werden, übertragen. Um zu kommunizieren, müssen diese Mikroroboter ein System von Infrarot, die die Übermittlung von Informationen über die sich zwischen den einzelnen Gesellschaften des Schwarms ermöglicht, wird auch eine Antenne, die als Berührungssensor wirkt präsentieren. Obwohl diese Prototypen sind noch nicht in Betrieb, ist es wichtig, die Tatsache, dass sie sehr wichtig für die Entwicklung von Methoden zur Herstellung von Chip-Montageroboter zu betonen.

Stigmergie

"The Stigmergie ist eine Form der Kommunikation, die durch die Veränderung des Zustands der Umgebung in einer Weise, die das Verhalten von anderen Personen, für die der Umgebung selbst ist ein Anreiz beeinflussen stattfindet.".

Der Begriff wurde eingeführt Stigmergie durch Zoologe Pierre-Paul Grasse, um das Verhalten der Termiten beim Bau der Nester zu erklären; Es leitet sich aus den griechischen Wörtern "Stigma" und "ergon", was bedeutet, "Zeichen" und "Arbeit", das bedeutet "Arbeit von Reizen geführt." Die Stigmergie bietet eine High-Level-Ansicht, in der N-Agenten zusammenarbeiten, um etwas zu erreichen, dann einen allgemeinen Mechanismus, der das individuelle Verhalten mit dem von der Kolonie Links erhalten Sie. Die Stigmergie können aktiv oder passiv sein und hat die folgenden Eigenschaften in der Regel:

  • Skalierbarkeit;
  • Die Fehlertoleranz;
  • Anpassungsfähigkeit;
  • Geschwindigkeit;
  • Modularität;
  • Autonomie;
  • Parallelität.

Die Struktur stark parallel die Schwärme, ermöglicht es, die Anzahl der Personen, in jedem Augenblick der Zeit tatsächlich zur Verfügung stehen, in der Lage, die Wahrnehmung der Umwelt zu nutzen und mit ihm interagieren. Die Kommunikation von der Umwelt vermittelt ist ein Beispiel für Stigmergie: da das Gewicht der Kommunikation nicht mit der Größe der Gruppe zu erhöhen, kann der Stigmergie große Skalierbarkeit, in der Tat die Größe eines Schwarms kann variieren, ohne dass dies die Lebensdauer der wesentlich verändern Kolonie, zum Beispiel im Fall von Störungen oder Fehlfunktionen. In der Robotik ist die Koordination von Komponenten stigmergici innerhalb des Systems durch einen intelligenten Agenten Hardware verwaltet.

Stigmergie und Fehlertoleranz

In jeder Anwendung Schwarm, der "Verhalten der Kolonie" hängt von den Wechselwirkungen zwischen Individuen, die es zu komponieren. Die Smart-Mittel ist in der Lage, ihre Umgebung wahrzunehmen und zu Entscheidungen über die Menge der zu übertragenden Informationen. Es ist in der Lage, Daten nur von seinem eigenen Speicher zu übertragen. Es verfügt über eine '' 'Stigmergie aktiven' '', wenn es eine explizite Datenbewegung. Die Arbeitsbelastung wird so verteilt, dass die größtmögliche Anzahl von verfügbaren Einheiten könnten in den Prozess einbezogen werden, daher ist es das Beste aus der Rechenplattform in jedem Augenblick macht, wodurch Verzögerungen in der Bearbeitung auch in Anwesenheit von fehlerhaften Elementen. Die kollektiven Verhaltensweisen ermöglichen, um Fehlertoleranz zu erhalten. Es verwendet den Algorithmus von Zell Ausgrenzung. Sie entwickelten zwei Mechanismen der Zell Ausgrenzung. Einer davon ist der "Bypass" die ausgefallene Komponente zu "transparent", so daß Daten von anderen Organisationen können nicht in dem Speicher der defekten Komponente geladen werden, bleibt jedoch für die gesamte Kolonie erhältlich. Der zweite Mechanismus ist vollständig das fehlerhafte Element zu isolieren, Sperrung seine Türen für I / O. In diesem Fall ist das Verhalten stigmergico sehr nützlich, um alle Vorteile der gesunden Komponenten des Systems zu nehmen, wodurch die Schwierigkeiten zu überwinden, um der reduzierten Anzahl von Komponenten zur Verfügung stehen.

Algorithmen Swarm

Die Anwendung des I-Swarm haben in drei grundlegenden Algorithmen führte: ACO, PSO und FSO

ACO

Die Studie über Schwarmintelligenz führte zur Bildung des "ACO-Algorithmus, zum ersten Mal im Jahr 1992 von Marco Dorigo des Politecnico di Milano vorgestellt. Es ist für die Lösung der Probleme der komplexen Berechnung verwendet. Die Grundidee dieses Algorithmus wird von der Organisation einer Ameisenkolonie inspiriert, in der Tat ist es eine positive Rückkopplungsmechanismus als eine Art "virtuelle Pheromon" verwendet wird, um die Teile der Lösung, die auf die Lösung des Problems beitragen zu stärken. Um zu vermeiden, anstatt die Konvergenz in Richtung Optionen ungeeignet verwendet einen negativen Rückkopplungsmechanismus, der eine Zeitkomponente im Algorithmus führt. Die Stärke ICA besteht daher darin, die Schaffung eines "intelligenten dezentralen". Dies bedeutet, dass die Entscheidungen getroffen werden nicht von einer Einheit mit dem Problem gemacht, sondern vielmehr aus einer Kolonie, die unabhängig handelt und mittels der Pheromone nicht möglich, die Lösungen zu teilen, wie sie gefunden werden, die dynamische Anpassung an die Umwelt. Ein Anwendungsbeispiel, in dem die Vorteile dieses Algorithmus ist das Routing der Telekommunikation, in der Tat durch den ACO könnte die Wahl der optimalen Datenübertragungsstrecke zu optimieren.

PSO

Das PSO-Algorithmus wurde 1995 von Sozialpsychologe James Kennedy und Ingenieur Russell C. Eberhart implementiert. Es nimmt als Bezugspunkt das Verhalten der Vogelschwärme und Fischschwärme. Betrachten Sie die Suche nach Nahrung durch einen Vogelschwarm. Wenn ein einzelner Anblick von Essen, hat zwei Alternativen: eine Vorgehensweise ist, dass einzelne aus der Gruppe, um die Nahrungsquelle zu nähern und der andere ist in der Herde bleiben. Aber wenn es passiert, dass mehr als ein Vogel sieht die Nahrungsquelle ist es möglich, dass die ganze Herde Richtung ändert, wie es war eine "Ausbreitung der Information" in der Gemeinschaft. Es besteht daher eine Art Kompromiss zwischen Individualismus und Kollektivität, die Nutzen erzeugt, als Individuen werden von der jeweils anderen Aktionen betroffen. In diesem Zusammenhang spielt es eine wichtige Rolle auch die "Nähe", da sie eine Informationsfluss globale.Particle Swarm Optimization

FSO

Dieser Algorithmus nimmt die Ursprünge eines Werkes, das eine "Sozialverhalten", die die Grundlage der Flug der Vögel zu sein scheint schlägt. Diese Regel einfach nahe, dass Vögel im Flug Median seine Geschwindigkeit im Vergleich zu anderen sieben Personen nach dem Zufallsprinzip in stormo.Flock von Stare Optimierung gewählt

Anwendungen der Schwarmintelligenz

Hauptanwendungen der Schwarmintelligenz:

ACO-Implementierungen

  • Kombinatorische Probleme
  • Robotics
  • Telekommunikation

PSO-Implementierungen und FSO

  • Künstliche Neuronale Netze
  • Grammatischen Evolutionsmodelle
  • Stromverteilung

Andere Anwendungen:

  • Die Steuerung der unbemannten Militärfahrzeuge
  • Nanobots
  • Die Fabrik;
  • Dezentrale Steuerung von Fahrzeugen ohne Fahrer;
  • Implementierungen für medizinische Zwecke.

Es gibt auch eine Anwendung der Schwarmintelligenz in künstlichen Lebens, von Mark Millonas, die fünf Grundprinzipien von dieser Gelenk folgendermaßen aufgebaut:

  • Der Grundsatz der Nähe: Menschen sollten zur Ausführung einfacher Berechnungen in Raum und Zeit in der Lage sein.
  • Das Prinzip der Qualität: Die Bevölkerung sollte in der Lage, auf die Qualitätsfaktoren in der Umwelt reagieren.
  • Das Prinzip der differenzierten Antwort: die Menschen nicht durchführen sollte seine Aktivitäten durch die Kanäle zu fest.
  • Das Prinzip der Stabilität: Die Bevölkerung sollte die Art, wie er gehandelt hat, jedes Mal die Umgebung ändert sich nicht.
  • Das Prinzip der Anpassungsfähigkeit: Die Bevölkerung muss in der Lage, das Verhalten, die den Rechenaufwand behandelt zu ändern.
  0   0
Vorherige Artikel Qalqilya
Nächster Artikel Barthélemy d'Eyck

In Verbindung Stehende Artikel

Kommentare - 0

Keine Kommentare

Fügen Sie einen Kommentar

smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile smile smile smile smile
smile smile smile smile
Zeichen übrig: 3000
captcha