群集智能
出自 MBA智库百科(https://wiki.mbalib.com/)
群集智能 (Swarm intelligence, SI)
目錄 |
群集智能是指眾多行為簡單的個體相互作用過程中涌現產生的整體智能行為。
- 群體中相互合作的個體是分散式的(Distributed)，這樣更能夠適應當前網路環境下的工作狀態。
- 沒有中心控制的機制與數據，這樣的系統更具有健壯性(Robust)，不會由於某一個或者某幾個個體的故障而影響整個問題的求解。
- 可以不通過個體之間直接通信而是通過非直接通信進行合作，這樣的系統具有更好的寸擴充性(Scalability)，由於系統中個體的增加而造成的系統的通信開銷的增加非常小。
- 系統中每個個體的能力十分簡單，這樣每個個體的執行時間比較短，並且實現也比較簡單，具有簡單性(Simplicity)。
群集智能也存在如下3個方面的缺陷：
- 真實生物個體如此複雜，以至於幾乎不可能在一個模擬系統中完成複製。
- 簡單的規則產生類似生命的群體行為，並不能保證真實的生態系統一定能夠遵循這些簡單的規則。
1.個體及其屬性
對於同一個系統，從不同層面、不同粒度去描述和觀察，會得到不同的結論。雖然螞蟻既具有一系列的神經節和神經團塊，又有像人類一樣的蕈形體(螞蟻的大腦)，具有簡單的生物智能，但在群集智能的研究層面對單個螞蟻的這些生理特征做了簡化，只是將其看作是具有簡單學習能力的個體，而忽略螞蟻大腦與神經的構造。當以揭示群集智能涌現的內在運行機制為目標時，將個體作為最小單元並對它的屬性細節進行適當的簡化是合理的，也是必要的。
在根據生物螞蟻覓食行為構造蟻群系統模型時，研究人員抽象定義的人工螞蟻具有以下功能和屬性：人工螞蟻能夠識別環境(問題空間)中的信息激素及其變化，並做出不同的行為選擇；人工螞蟻有少量的記憶空間用來存儲有關信息；人工螞蟻的活動處在一個時間離散的環境中。
鳥類的個體生理結構和生物智能似乎比螞蟻更複雜，但研究者在模仿鳥類覓食建立粒子群模型時，僅僅將每個鳥看作是有一定記憶能力並能夠感知周圍其他鳥的位置的個體粒子。
從總體組織結構上看，群集智能都具有無中央集中控制的體繫結構。群集智能中個體的地位是平等的，個體之間不存在控制與被控制的關係。
2.個體的行為規則
生物系統中個體的行為規則極為複雜，而且要受諸多客觀因素的綜合影響。在群集智能的模型描述中需對個體的行為規則進行抽象和簡化。
根據個體行為的狀態轉移確定性特征，可將行為規則分為確定性行為規則和基於概率的行為規則。確定性行為規則規定個體依據當前狀態在有限種可能的行為中選擇確定一個作為下一步的動作。例如蟻群墓地構造模型中，螞蟻只能在棋盤格上根據周圍8個方向上屍體的分佈情況選擇確定一個方向作為下一個要去的位置。基於概率的行為規則類似於遺傳演算法中的“選擇”操作，利用條件概率、輪盤賭等方式選擇下一步的行動方案。例如在螞蟻覓食模型的As版本中，就採用輪盤賭的方式根據所要選擇路徑上的信息激素量和自啟發量(如路徑長度的倒數)隨機確定下一個要游歷的位置。另外，也有一些模型同時具有確定性和基於概率的混合行為規則，如在螞蟻覓食模型的ACS版本中，當計算得到的概率大於某一閾值時，就按照確定性規則選擇下一個位置；而小於這一閾值時，仍按概率進行選擇。
根據個體行為是否具有主動性可分為刺激一反應的被動行為規則和基於學習的主動行為規則。對於刺激一反應的行為規則，只有當外界信號滿足個體的特定條件時，個體才選擇下一步的行動。例如在螞蟻勞動分工的固定閾值模型中，當一給定任務的強度超過了某個螞蟻對應的閾值時，它才開始執行該任務。對於基於學習的行為規則，由於個體具有不斷地向其他個體或環境學習的能力，它會及時調整行為選擇規則，進而根據新的規則進行選擇。例如在螞蟻勞動分工的時變閾值模型中，個體的學習可以降低其響應閾值，從而對選擇概率產生影響。
3.個體間的交互和通訊方式
在具有群集智能涌現特性的生物系統中，個體之間是通過基於媒質的間接交互和短程作用來實現信息的傳遞和協調的。
根據生物學的觀點，一般認為螞蟻是由胡蜂衍變而來的，僅保留了微弱的視覺，能夠辨認方向，觀察到附近不遠的地形，為尋找食物提供一定的幫助。事實上，螞蟻用來交流信息的主要方式是藉助信息激素(pheromone)完成的。信息激素乃是螞蟻體內的一些腺體不斷製造出來的一類化合物，在螞蟻個體間起通訊聯絡作用，種類在55種以上；其中有一種主要的追蹤激素，它是螞蟻群體覓食、返巢、分工、構造墓地等活動的重要依據。生物螞蟻個體通過將自身的信息激素分泌到環境中以便被其他的螞蟻所感知而達到交流的目的。這是一種間接的通訊機制，是以信息激素為媒質的。
蟻群覓食模型都是採用這種以追蹤激素為媒質的間接通訊方式為主，以基於能見度(visibility)的自啟發因數為輔的混合行為選擇策略。
鳥群覓食採用的是短程交互作用的方式來實現信息的傳遞和協調。每個鳥能夠感知它周圍一定範圍內的其他鳥的狀態和位置，並利用這些信息來指導自身下一步的行動。
系統中的反饋形式有正反饋和負反饋之分。正反饋是一個加強自身的過程，形象的說法是滾雪球效應。正反饋具有增補作用，能促進事物的發展。這裡發展可以是進化、進步或退化、衰亡。負反饋是指利用誤差進行控制使系統儘量按設定的軌跡運動的過程，其功能是起抑製作用。群集智能在總體上體現的是正反饋的強化效果，但在演化的環節中存在負反饋的調節作用。下麵以蟻群系統為例加以說明。
螞蟻覓食行為體現了正反饋的整體效應。研究者通過精心設計和量化個體的覓食行為規則、個體之間的信息交互及其運行環境，較好地解決了一些典型的優化問題。事實上，由於這種人工設計的蟻群系統及其運行環境採用的是一定的數學模型描述，系統演化的本質是在“數量空間”中的“尋優”。已有的實驗表明，蟻群覓食模型在解決複雜問題時，具有與其他進化演算法類似的高度“並行性”，這也是蟻群優化演算法的高效率之源。蟻群覓食模型隱含的“並行尋優”機制在群體層次上顯現出系統的整體特性。由於蟻群覓食模型是依照正反饋思想建立起來的，它在以迭代的方式進行複雜問題求解時，當前性能愈優的候選解(或構成候選解的組件)愈是被強化，這使得模型能在較短的時間內收斂到一些較為滿意的解。但由此得到的結果往往是問題的局部最優解，而且隨著迭代的繼續，對這些解的強化越來越大，模型處於“早熟停滯”狀態。為了在迭代的後期，演算法仍有機會跳出局部最優並繼續尋找更好的解，研究人員在演算法實現上局部利用負反饋的抑製作用來控制信息激素的增長和個體的行為規則。
蟻群構造巢穴的行為體現了正反饋的放大效應。在構造巢穴時，每個螞蟻只與其近鄰的同伴交互，活動空間也被限制在一定的範圍內。雖然每個螞蟻並不知曉巢穴的全貌，但最終構造出來的巢穴卻結構精良、因地制宜，能夠滿足不同的需要。這種局部的微觀運作規則導致的巨集觀結構涌現正是群集智能的精妙所在。
蟻群社會的勞動分工行為體現出正反饋的長遠效應。Deneubourg等人較早地運用非線性動力學的手段從巨集觀上解釋了蟻群社會出現勞動分工的生態條件。事實上，螞蟻的行為受勞動分工的制約乃是源於個體之間的“多重交互”，合作即是從系統的遞推中演化出來的。“合作”現象普遍存在於各種複雜系統之中，因此揭示基於群集智能的複雜系統合作進化機制無疑具有重要的現實意義。
群集智能中負反饋採取的形式可能是飽和(saturation)、枯竭(exhaustion)和競爭。例如勞動分工是為了提高效率，但分工不均、回報不公(在蟻群系統中以信息激素的強弱表示)都會導致效率低下，直至群體發展走向兩極：一部分任務因為回報較高而導致大量個體蜂擁而至，始終處於被執行的“飽和”狀態；另一部分任務則由於回報較低而導致執行的個體很少，長期處於“饑餓”狀態。利用負反饋的調節和抑製作用進行任務回報(信息激素的濃度)的調整使得個體選擇處於“飽和”狀態的任務的概率減小，從而其他任務被執行的概率就增加了，最終使任務分配達到動態平衡。負反饋的抑製作用尤其適合任務集本身不斷變化的隋形。
