Inteligența roiului
„Cine guvernează? Cine dă ordine, cine își imaginează ce se va întâmpla în viitor, întocmește planuri și menține echilibrul? " |
| ( Maurice Maeterlinck ) |
Swarm intelligence (traductibil ca: swarm intelligence ) este un termen inventat pentru prima dată în 1988 de Gerardo Beni, Susan Hackwood și Jing Wang în urma unui proiect inspirat de sisteme robotizate . Se ia în considerare studiul sistemelor auto-organizate , în care o acțiune complexă derivă dintr-o inteligență colectivă, așa cum se întâmplă în natură în cazul coloniilor de insecte sau al turmelor de păsări, al șirurilor de pești sau al turmelor de mamifere.
Caracteristici
Conform definiției lui Beni și Watt, inteligența roiului poate fi definită ca: „Proprietatea unui sistem în care comportamentul colectiv al agenților (nesofisticați) care interacționează local cu mediul produce apariția tiparelor funcționale globale în sistem”.
- fiecare individ din sistem are „capacități limitate”;
- fiecare individ din sistem nu cunoaște starea globală a sistemului;
- absența unui corp de coordonare (de exemplu într-un roi de albine, albina regină nu coordonează activitatea celorlalte albine).
De la biologie la informatică
Una dintre temele analizate de cercetători se bazează pe analiza comportamentului insectelor în natură în raport cu comunitatea. În special, sunt examinate roiuri de albine sau colonii de furnici. Este surprinzător modul în care o astfel de organizație colectivă la nivel înalt apare din suma celor mai simple acțiuni, cum ar fi, de exemplu, cele desfășurate de o colonie de furnici pentru apărarea teritoriului, construirea unui cuib perfect organizat, căutarea surselor de hrană, toate fără a avea o instituție.simbolică care le comandă. Spre deosebire de organismele mai evoluate, cum ar fi mamiferele, insectele au o cantitate foarte limitată de inteligență unică, care totuși, la nivel de grup, are caracteristici surprinzătoare: acesta este cazul în căutarea hranei pentru furnici. Fiecare furnică, în timp ce merge, depune o substanță chimică pe sol, feromonul . Alegerea căii de urmat în căutarea hranei este ghidată de intensitatea feromonului: cu cât este mai intensă, cu atât este mai probabil să se aleagă o anumită direcție; dar feromonul se evaporă în timp, astfel încât doar căile cele mai frecvent utilizate vor rămâne „marcate”. În domeniul computerelor, cercetarea este interesată de simularea unui comportament inteligent similar cu cel prezentat de roiurile de insecte. Cel mai interesant aspect al sistemelor bazate pe inteligența roiului, în comparație cu sistemele tradiționale, este acela că setul de indivizi care îl alcătuiesc funcționează fără control centralizat. Comportamentul colectiv observabil este, prin urmare, rezultatul iterațiilor simple pe care o singură componentă le are față de ceilalți sau față de mediu.
E cald
Proiectul I-Swarm (Intelligent Small World Autonomous Robots for Micromanipulation), care implică 10 parteneri europeni, reprezintă prima încercare de replicare a unui robot autonom de dimensiuni milimetrice, cu scopul de a crea „Un roi de microroboți” . Acest roi ia referință din ceea ce vine în natură dând naștere fenomenelor de autoorganizare. Swarm Robotic (robotica roiului) vizează, de fapt, programarea unui grup mare de roboți cu scopul de a organiza comportamente colective utile scopului dorit, evidențiind ceea ce se definește „inteligența roiului” . Strategia adoptată se bazează pe observarea roiurilor în natură. Principalele avantaje sunt următoarele:
- Organizarea de sine;
- Flexibilitate;
- Adaptabilitate (mediu);
- Robustitatea sistemului.
Practic, iau cele mai bune caracteristici ale roiurilor. Datorită dezvoltărilor recente în miniaturizare și microtehnologie, a fost posibilă producerea și asamblarea „maselor de micro roboți”. Aceasta este o caracteristică fundamentală, deoarece micro roboții trebuie să lucreze într-un grup pentru a îndeplini o sarcină. În viitor, datorită acestei tehnologii, va fi posibilă utilizarea robotului Swarm în diverse domenii, cum ar fi:
- Monitorizarea mediului (atât în ceea ce privește siguranța, cât și în ceea ce privește explorarea locurilor inaccesibile oamenilor);
- Explorarea spațiului;
- Asamblarea de micro dispozitive;
- Biomedicină.
Prototipuri ale I-Swarm
În prezent, în proiectul I-Swarm au fost dezvoltate unele prototipuri de 3 mm 3 dimensiuni în faza de testare. Acestea constau din niște module funcționale miniaturizate asamblate unul peste celălalt conectat printr-un circuit flexibil. Obține energie prin lumină prin intermediul unor mici celule solare miniaturizate. Mișcarea este încredințată picioarelor microscopice realizate din material piezo-electric care sunt acționate și controlate de un microprocesor integrat care determină și direcția de mișcare. Pentru a comunica, acești micro roboți au un sistem infraroșu care permite transmiterea informațiilor despre mișcarea dintre entitățile individuale ale roiului, există și o antenă care acționează ca un senzor de contact. Deși aceste prototipuri nu sunt încă operaționale, este important să subliniem că sunt foarte importante atunci când vine vorba de dezvoltarea metodelor de fabricație a ansamblului cipurilor robotizate.
Stigmergy
„Stigmeria este o formă de comunicare care apare prin modificarea stării mediului într-un mod care va afecta comportamentul altor indivizi pentru care mediul în sine este un stimul”. (J. Kennedy, RC Eberhart, „Swarm Intelligence”, Morgan Kaufmann Publishers, 2001).
Termenul de stigmergie a fost introdus de zoologul Pierre-Paul Grassè, pentru a explica comportamentul termitelor în timpul construcției cuiburilor; derivă din cuvintele grecești „stigmă” și „ergon”, adică „semn” și „muncă”, care înseamnă „muncă ghidată de stimuli”. Stigmergy oferă o viziune la nivel înalt în care agenții N cooperează pentru a atinge un anumit scop, astfel se obține un mecanism general care leagă comportamentul individual de cel al coloniei. Stigmeria poate fi activă sau pasivă și are de obicei următoarele caracteristici:
- Scalabilitate ;
- Toleranță la erori;
- Adaptabilitate ;
- Viteză;
- Modularitate ;
- Autonomie;
- Paralelism.
Structura puternic paralelă a roiurilor permite exploatarea numărului de indivizi, efectiv disponibili în fiecare moment, capabili să perceapă mediul și să interacționeze cu acesta. Comunicarea mediată de mediu este un exemplu de stigmergie: deoarece greutatea comunicării nu crește pe măsură ce dimensiunea grupului se schimbă, stigmeria permite o scalabilitate mare, de fapt, dimensiunea unui roi poate varia fără ca aceasta să modifice semnificativ viața grupului colonie, de exemplu în caz de avarii sau defecțiuni. În robotică , coordonarea componentelor stigmergice din sistem este gestionată de un agent hardware inteligent (agent inteligent).
Stigmergie și toleranță la erori
În orice aplicație de roi, „comportamentul coloniei” depinde de interacțiunile dintre indivizii individuali care o compun. Agentul inteligent este capabil să perceapă mediul înconjurător și să ia decizii cu privire la cantitatea de informații care trebuie transferate. Poate transfera date numai din propria memorie. Există o '' 'stigmergie activă' '' atunci când există o mișcare explicită a datelor. Volumul de lucru este distribuit în așa fel încât să poată fi implicat în proces cel mai mare număr posibil de entități disponibile, prin urmare platforma de calcul este exploatată la maximum în fiecare moment, reducând întârzierile de procesare chiar și în prezența elementelor eșuate. Comportamentele colective permit toleranța la erori. Se utilizează algoritmul de excludere a celulei . Au fost dezvoltate două mecanisme de excludere celulară. Una dintre ele este „bypass”: componenta defectă devine „transparentă”, astfel încât datele provenite de la celelalte entități nu pot fi încărcate în memoria componentei defecte, rămânând totuși disponibile pentru întreaga colonie. Al doilea mecanism constă în izolarea completă a elementului eșuat, blocându-i porturile I / O. În acest caz, comportamentul stigmergic este foarte util pentru exploatarea tuturor componentelor sănătoase ale sistemului, depășind astfel dificultățile legate de numărul redus de componente disponibile.
Algoritmi de roi
Aplicațiile I-Swarm au dat naștere la trei algoritmi fundamentali: ACO, PSO și FSO
ACO
Studiul asupra inteligenței roiurilor a condus la formarea algoritmului ACO ( Ant Colony Optimization ), introdus pentru prima dată în 1992 de Marco Dorigo de la Politecnico di Milano. Este folosit pentru rezolvarea problemelor complexe de calcul. Ideea de bază a acestui algoritm își ia reperul din organizarea unei colonii de furnici, de fapt un mecanism de feedback pozitiv este folosit ca un fel de "feromon virtual", pentru a întări acele părți ale soluției care contribuie la rezoluția problema. Pentru a evita convergența către opțiuni nepotrivite, se utilizează un mecanism de feedback negativ (de exemplu, evaporarea feromonului virtual) care introduce o componentă de timp în algoritm. Prin urmare, punctul forte al ACO constă în crearea unui „sistem inteligent distribuit”. Aceasta înseamnă că alegerile adoptate nu sunt luate de o singură entitate care lucrează la problemă, ci de o colonie, care acționează autonom și prin feromoni este capabilă să împărtășească soluțiile imediat ce sunt găsite, adaptându-se dinamic la mediu. Un exemplu de aplicație în care acest algoritm poate fi exploatat este rutare de telecomunicații, de fapt prin ACO este posibilă optimizarea alegerii celei mai bune căi de transmisie a datelor.
PSO
Algoritmul Particle Swarm Optimization (PSO) a fost implementat în 1995 de psihosociologul James Kennedy și inginerul Russell C. Eberhart. Își ia comportamentul turmelor de păsări și al școlilor de pești ca puncte de referință. Să luăm în considerare căutarea hranei de către o turmă de păsări. Dacă un singur individ observă mâncare, el are două alternative: una individuală care constă în îndepărtarea de grup pentru a se apropia de sursa de hrană și cealaltă este să rămână în turmă. Cu toate acestea, dacă se întâmplă ca mai mult de o pasăre să observe sursa de hrană, este posibil ca întreaga turmă să schimbe direcția pe măsură ce a avut loc o „propagare a informațiilor” în comunitate. Prin urmare, există un fel de compromis între individualism și colectivitate care generează beneficii, deoarece indivizii sunt influențați de acțiuni reciproce. În acest context, „proximitatea” joacă, de asemenea, un rol foarte important, deoarece permite un flux global de informații.
FSO
Acest algoritm își are originile dintr-o lucrare de [1], în care se propune un „comportament social”, care pare să stea la baza zborului păsărilor. Această regulă sugerează pur și simplu că păsările zburătoare își mediază viteza față de alte 7 persoane alese aleatoriu din turmă. Optimizarea turmei de grauri
Aplicații ale inteligenței roiului
Principalele aplicații ale Swarm Intelligence:
Implementări ACO
- Probleme de combinatorie
- Robotica
- Telecomunicații
Implementări PSO și FSO
- Rețele neuronale artificiale
- Modele de evoluție gramaticală
- Distribuția energiei electrice
Alte aplicații:
- Controlul vehiculelor militare fără pilot
- Nanobot
- Programare din fabrică;
- Control descentralizat al vehiculelor fără pilot;
- Implementări în scopuri medicale.
Există, de asemenea, o aplicație a inteligenței roiului în viața artificială, studiată de Mark Millonas (1994), care urmează cinci principii de bază articulate de acesta din urmă:
- Principiul proximității: populația ar trebui să poată efectua calcule spațiale și temporale simple.
- Principiul calității: populația ar trebui să poată răspunde factorilor de calitate din mediu.
- Principiul răspunsului diferențiat: populația nu ar trebui să își desfășoare activitatea prin canale excesiv de înguste.
- Principiul stabilității: populația nu trebuie să-și schimbe comportamentul de fiecare dată când mediul se schimbă.
- Principiul adaptabilității: populația trebuie să poată schimba comportamentul atunci când este în joc costul de calcul.
Bibliografie
- E. Bonabeau, M. Dorigo, G. Theraulaz. Inteligența roiului. De la sistemele naturale la cele artificiale , Oxford University Press, 1999.
- S. Camazine, JL Deneubourg, NR Franks, J.Sneyd, G.Theraulaz, E.Bonabeau. Autoorganizare în sisteme biologice , Princeton University Press, 1999.
- M.Dorigo, T. Stützle. Ant Colony Optimization , The MITPress, 2004.
- Marco Dorigo și Guy Theraulaz Swarm Intelligence: From Natural to Artificial Systems de Eric Bonabeau , 1999 ISBN 0-19-513159-2
- Mitchel Resnick, Turtles, Termites and Traffic Jams: Explorations in Massively Parallel Microworlds ISBN 0-262-18162-2
- James Kennedy și Russell C. Eberhart, Swarm Intelligence , ISBN 1-55860-595-9
- Andries Engelbrecht, Fundamentals of Computational Swarm Intelligence , Wiley & Sons. ISBN 0-470-09191-6
- Jean-Baptiste Waldner, Nanocomputers and Swarm Intelligence , ISTE, ISBN 978-1-84704-002-2 , 2007.
- Miller, Peter, Swarm Theory , National Geographic Magazine, iulie 2007, National Geographic
- Michael G. Hinchey, Roy Sterritt, Chris Rouff, Swarms and Swarm Intelligence , articol despre IEEE Computer Society
- De la furnici la oameni: un instinct la roi , NY Times, 13-11-07
- Swarm Intelligence (Journal) Editor șef: Marco Dorigo. Springer New York. ISSN 1935-3812 (Tipărit) 1935-3820 (Online)
- Eva Horn, Lucas Marco Gisi (Ed.): Schwärme - Kollektive ohne Zentrum. Eine Wissensgeschichte zwischen Leben und Information, Bielefeld : transcriere 2009. ISBN 978-3-8376-1133-5
- J. Kennedy, RC Eberhart, Swarm Intelligence , Morgan Kaufmann Publishers, 2001.
| Controlul autorității | Tezaur BNCF 60476 · LCCN (EN) sh2001001702 · GND (DE) 4793676-9 |
|---|
