什么是群体智能（集群智能）？蜂群思维？

群体智能（Swarm/collection intelligence）这个概念来自对自然界中昆虫群体的观察，群居性生物通过协作表现出的宏观智能行为特征被称为群体智能。

集群智能（Swarm Intelligence）在某群体中，若存在众多无智能的个体，它们通过相互之间的简单合作所表现出来的智能行为。

 

 

工作原理

 

互联网上的交流，不过是更多的神经元连接(人脑)通过互联网相互作用的结果，光缆和路由器不过是轴突和突触的延伸。从自组织现象的角度上看，人脑的智能和蚁群也没有本质上的区别，单个神经元没有智能可言，单个蚂蚁也没有，但是通过连接形成的体系，是一个智能体。集群智能主要表现为

( 1) 邻近原则( Prox imityPrinciple) ，集群能够进行简单的空间和时间计算；

( 2) 品质原则( Quality Principle) ， 集群能够响应环境中的品质因子；

( 3) 多样性反应原则( Principle of Diverse Response) ，集群的行动范围不应该太窄；

( 4) 稳定性原则( Stability Principle) ，集群不应在每次环境变化时都改变自身的行为；

( 5) 适应性原则( Adaptability Principle) 在所需代价不太高的情况下，集群能够在适当的时候改变自身的行为。这些原则说明实现群体智能的智能主体必须能够在环境中表现出自主性、反应性、学习性和自适应性等智能特性。

 

主要模式

 

目前， 集群智能主要有两种算法模式，分别是蚁群算法( Ant Colony System, 简称ACS) 和微粒群优化算法( Particle Sw arm Opt imization, 简称PSO) 。

 

基本特点

 

( 1) 控制是分布式的， 不存在中心控制。因而它更能够适应当前网络环境下的工作状态，并且具有较强的鲁棒性， 即不会由于某一个或几个个体出现故障而影响集群对整个问题的求解。

( 2) 集群中的每个个体都能够改变环境，这是个体之间间接通信的一种方式， 这种方式被称为激发工作 ( St igmergy) 。由于集群智能可以通过非直接通信的方进行信息的传输与合作， 因而随着个体数目的增加， 通信开销的增幅较小， 因此，它具有较好的可扩充性。

( 3) 集群中每个个体的能力或遵循的行为规则非常简单， 因而集群智能的实现比较方便，具有简单性的特点。

( 4) 集群表现出来的复杂行为是通过简单个体的交互过程突现出来的智能( Emergent Intelligence) ， 因此， 集群具有自组织性。群集智能可以在适当的进化机制引导下通过个体交互以某种突现形式发挥作用。这是个体以及可能的个体智能难以做到的。

 

典型模型

 

群体智能的相关研究早已存在，到目前为止也取得了许多重要的结果。自1991年意大利学者Dorigo 提出蚁群优化（Ant Colony Optimization，ACO）理论开始，群体智能作为一个理论被正式提出，并逐渐吸引了大批学者的关注，从而掀起了研究高潮。1995年，Kennedy 等学者提出粒子群优化算法（Particle Swarm Opti -mization，PSO ），此后群体智能研究迅速展开，但大部分工作都是围绕ACO和PSO 进行的。

目前群智能研究主要包括智能蚁群算法和粒子群算法。智能蚁群算法主要包括蚁群优化算法、蚁群聚类算法和多机器人协同合作系统。其中，蚁群优化算法和粒子群优化算法在求解实际问题时应用最为广泛。

 

蜂群思维是一种集体思维，是指由许多独立的单元高度连接而成的一个活系统，现常用于计算机和互联网领域。

 

定义

 

蜂群思维是能同时进行感知和记忆的分布式内存，是由许多独立的单元高度连接而成的一个活系统，具有典型的自适应性特征。

蜂群思维一定超越了它们的个体小蜜蜂思维。它的神奇在于，没有一只蜜蜂控制它，但是有一只看不见的手，一直从大量愚钝的成员中涌现出来的手，控制着整个群体。它的神奇还在于，量变引起质变。要想从单只蜜蜂的机体过渡到集群机体，只要增加蜜蜂的数量，使大量蜜蜂聚集在一起，使它们能够相互交流。等到某一阶段，当复杂度达到某一程度时，“集群”就会从蜜蜂中涌现出来。蜜蜂的固有属性就蕴含了集群，蕴含了这种神奇 。

 

特征

 

没有强制的中心控制

次级单位具有自治的特质

次级单位之间彼此高度连接

点对点间的影响通过网络形成非线性因果关系

 

应用

 

1、并行计算机、硅神经网络芯片、因特网等

2、现代企业管理