群体智能：通过蚁群优化解决复杂问题

Aximof| 编辑

科普博文| 分类

---

自人类文明开始以来，人类一直在追求知识和智慧。通过艺术和文学、科学理论、数学公式和技术等不同形式，信息以不同的形式呈现出来。然而，随着我们的世界以迅猛的速度发展，并且我们也越来越沉浸在技术中，通过使用相同的以往的方法解决复杂问题变得越来越困难。近年来，以深度学习（DL）为主的机器学习（ML）以及人工智能（AI）引起了很大的关注。后者以集中式方式运作，因为它们集中收集数据并将其用于训练自动化系统。然而，最近出现了一系列分散式机器学习的模型，包括群体学习和群体智能。

群体智能是由分散、自组织系统展示的集体行为。这些系统受到自然界的启发，其中一群简单的个体协调完成复杂的任务。群体智能的想法源于对自然生态系统的观察，尽管每个个体生物都没有什么智能，但是这些生态系统通常表现得像是有智能一样。群体智能是通过应用算法来模拟自然群体的行为，就像遗传算法模拟自然选择过程一样。在这个背景下，群体学习基于分布式优化，没有单点故障。它还具有保护隐私的特点，因为数据不需要通过集中式云进行传输和共享。

群体智能最常见的应用是优化。这可以是优化航线、设计节能建筑，甚至是设计新药物等。群体智能还可以用于解决没有单一正确解或存在多个同样好的解决方案的问题。

群体学习和群体智能是跨学科领域，涉及基于去中心化、自组织个体行为的系统的理论、设计和实现。群体智能算法受到自然界中群体行为的启发：蚂蚁、蜜蜂和鱼。其中最流行的群体智能方法之一是基于蚁群优化的范例。

蚁群优化算法

蚁群优化（ACO,Ant Colony Algorithms）是最常用的群体智能范例之一。它是受到蚂蚁行为启发的算法范例，已成功应用于搜索、路由、遍历和许多其他数据科学问题。此外，蚁群算法已成功部署和应用于许多已知问题，如旅行推销员问题、车辆路径问题、计算生物学问题等。ACO 算法最早是由 Marco Dorigo 于上世纪 90 年代提出的，他使用蚁群来解决优化问题。这使得蚁群优化算法在研究者中非常著名和流行。

蚁群优化算法已被证明在动态环境中解决复杂问题非常有效。在这方面，它们通常实现了一个自组织个体的群体，其中每个个体是一个蚂蚁，按照最大信息素轨迹（最高奖励）行动。在 ACO 应用范围内，蚂蚁个体探索其环境并开发局部丰富的资源。与此同时，他们也保持着对全局资源的长期视角。蚂蚁似乎受到简单的奖励机制和简陋的通信形式的引导，这些机制和形式集体组合成一个综合系统。结合近年来数字化技术的进展（例如大数据、机器学习等），ACO 可以成为解决复杂问题的强大工具。然而，它也有一些的局限性。例如，许多 ACO 算法需要广泛而仔细地调整才能在特定应用中取得良好的结果。

群体智能应用案例和工具包

如前所述，许多行业和公司使用群体智能算法。例如，零售公司使用它们来预测用户对产品和服务的评价，以及产品销售情况。最近的研究还表明，它们可以用于解决大规模制造环境中的复杂问题，例如预测零部件故障或设备故障时间。此外，群体学习在其他实际应用中也被广泛使用，例如机器人技术（例如自动驾驶汽车）、搜索引擎（例如 Google）、推荐系统（例如 Netflix）、金融市场（例如交易机器人）等。其中一些最突出的用例包括：

• 金融投资组合优化：群体智能用于分布式优化金融投资组合。为此，不同的交易过程被模拟为群体，即模仿群体。每个群体都有自己的规则和策略，但它们共同努力实现共同的目标，即随时间增加投资组合的价值。每个群体使用自己的规则来决定买入或卖出哪些股票。具体而言，每个群体根据价格波动、市场状况和其他因素（例如公司基本面和管理绩效）决定要买入或卖出的股票。通过这种方式，投资组合在不依赖任何中央权威的决策的情况下随时间增长。实际上，投资组合在不需要代表基金中涉及的所有投资者做出决策的情况下进行优化。
• 机器人优化：群体智能用于优化参与制造工作流程的机器人和设备。它根据每个机器人的传感器实时数据和有关这些机器人之前运行的历史数据来优化机器人的速度和路径规划。这有助于公司提高效率和降低成本，因为它们可以减少机器人从一个站点到另一个站点的空闲时间。这意味着每个站点需要更少的人员，这有助于保持对这些机器人生产的产品的质量控制。
• 制造过程优化：使用蚁群优化（ACO）等算法，制造商现在可以通过确保材料在工厂内的流动顺畅来提高生产效率。这确保了在将原材料转化为成品的过程中不会出现拥堵。

有许多用于构建群体学习应用程序的工具包，例如 SwarmLab、Unanimous AI Swarm 和 HP 的 Swarm Learning Library。

总的来说，有些情况下群体学习可以超越最好的人工智能算法。然而，虽然许多公司听说过群体智能，但真正理解其真正价值的公司很少。群体智能是一种利用集体智慧高效解决问题的新技术。尽管此算法很有希望，群体学习系统还远未成为主流。但是群体智能算法值得我们密切关注其范式的发展，并探索该技术对其业务问题的潜在益处。

The end

---

关注我 集群智能，聚合智慧 创造无限可能

本文由mdnice多平台发布