Swarm algorithms

Swarm algorithms

L’intelligence en essaim (algorithmes d’essaims) est l’étude de systèmes informatiques inspirés de l' »intelligence collective ». L’intelligence collective émerge grâce à la coopération d’un grand nombre d’agents homogènes dans l’environnement. Les exemples incluent les bancs de poissons, les volées d’oiseaux et les colonies de fourmis. Cette intelligence est décentralisée, auto-organisée et distribuée à travers un environnement. Dans la nature, de tels systèmes sont couramment utilisés pour résoudre des problèmes tels que la recherche efficace de nourriture, l’évasion de proies ou le déplacement de colonies.

Les informations sont généralement stockées dans tous les agents homogènes participants, ou sont stockées ou communiquées dans l’environnement lui-même, par exemple par l’utilisation de phéromones chez les fourmis, la danse chez les abeilles et la proximité chez les poissons et les oiseaux.

En tant que groupe, de simples créatures suivant des règles simples peuvent afficher une quantité surprenante de complexity, d’efficacité et même de créativité. Connu sous le nom d’intelligence en essaim, ce trait se trouve dans la nature, mais les chercheurs ont récemment commencé à l’utiliser pour transformer divers domaines tels que la robotique, l’exploration de données, la médecine et les blockchains.

Les fourmis, par exemple, ne peuvent remplir qu’une gamme limitée de fonctions, mais une colonie de fourmis peut construire des ponts, créer des autoroutes de la nourriture et de l’information, faire la guerre et asservir d’autres espèces de fourmis – tout cela dépasse la compréhension d’une seule fourmi. De même, les bancs de poissons, les volées d’oiseaux, les ruches et d’autres espèces présentent un comportement indicatif d’une planning par une intelligence supérieure qui n’existe pas réellement.

This happens through a process called stigmergy. Simply put, a small change by one member of the group causes the other members to behave differently, leading to a new pattern of behavior.

When an ant finds a food source, it marks the way with pheromones. This attracts other ants to this path, leads them to the food source, and prompts them to mark the same path with more pheromones. Over time, the most efficient route will become the highway, because the faster and easier a path, the more ants will reach the food and the more pheromones will be on the path. So, it seems that a smarter being chose the better path, but it came out of the tiny and simple changes made by individuals.

Le paradigme se compose de deux sous-domaines dominants 1) Optimization des colonies de fourmis qui étudie les probabilistic algorithms inspirés par la stigmergie et le comportement de recherche de nourriture des fourmis, et 2) Optimisation des essaims de particules qui étudie les algorithmes probabilistes inspirés par le troupeau, les bancs de poisson et l’élevage. Comme le calcul évolutif, les algorithmes ou stratégies d’intelligence en essaim sont considérés comme des stratégies adaptatives et sont généralement appliqués aux domaines de recherche et d’optimisation.

swarm algorithms

To share
en_GBEN
%d bloggers like this: