- Sistema de hormigas
- Sistema de colonia de hormigas
- Sistema de hormigas Max-Min
- Sistema de hormigas basado en rangos
- Sistemas de hormigas de élite
- Optimización de colonias de hormigas hipercubo
- Búsqueda aproximada de árboles no deterministas
- Sistema de colonias de hormigas múltiples
- Colonia de hormigas ortogonal continua
- Optimización recursiva de colonias de hormigas
- ACO basado en la población
- Haz-ACO
- Optimización de lobos grises
- Algoritmo de optimización de la alimentación bacteriana
- Algoritmo de escuela de peces
- Optimización de la cría de elefantes
- Optimización de búsqueda de cuco
- Algoritmo de murciélago
- Optimización del gallinero
- Manada de krill
- Optimización del enjambre de gatos
- Optimización del grupo cooperativo
- Inteligencia de enjambre artificial
- Optimización de los halcones de Harris
- Algoritmo de ballena asesina
- Colonia de pingüinos emperador
Contenido
PalancaAlgoritmos de enjambre
La inteligencia de enjambre (algoritmos de enjambre) es el estudio de los sistemas informáticos inspirados en la "inteligencia colectiva". La inteligencia colectiva surge gracias a la cooperación de un gran número de agentes homogéneos en el entorno. Los ejemplos incluyen bancos de peces, bandadas de pájaros y colonias de hormigas. Esta inteligencia está descentralizada, autoorganizada y distribuida en un entorno. En la naturaleza, estos sistemas se utilizan comúnmente para resolver problemas como la búsqueda de alimento eficiente, evadir presas o mover colonias.
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 pájaros.
Como grupo, las criaturas simples que siguen reglas simples pueden mostrar una sorprendente cantidad de complejidad, eficiencia e incluso creatividad. Conocido como inteligencia de enjambre, este rasgo se encuentra en la naturaleza, pero los investigadores han comenzado a usarlo recientemente para transformar varios campos como la robótica, la minería de datos, la medicina y las cadenas de bloques.
Las hormigas, por ejemplo, solo pueden realizar una gama limitada de funciones, pero una colonia de hormigas puede construir puentes, crear carreteras para la comida y la información, hacer la guerra y esclavizar a otras especies de hormigas. Todo esto está más allá de la comprensión de una sola hormiga. Asimismo, bancos de peces, bandadas de pájaros, colmenas y otras especies exhiben comportamientos indicativos de planificación por parte de una inteligencia superior que en realidad no existe.
Esto sucede a través de un proceso llamado estigmergia. En pocas palabras, un pequeño cambio por parte de un miembro del grupo hace que los otros miembros se comporten de manera diferente, lo que lleva a un nuevo patrón de comportamiento.
Cuando una hormiga encuentra una fuente de alimento, marca el camino con feromonas. Esto atrae a otras hormigas a este camino, las lleva a la fuente de alimento y las impulsa a marcar el mismo camino con más feromonas. Con el tiempo, la ruta más eficiente se convertirá en la carretera, porque cuanto más rápido y fácil sea un camino, más hormigas llegarán a la comida y más feromonas habrá en el camino. Entonces, parece que un ser más inteligente eligió el mejor camino, pero surgió de los pequeños y simples cambios realizados por los individuos.
El paradigma consta de dos subdominios dominantes: 1) Optimización de colonias de hormigas, que estudia algoritmos probabilísticos inspirados en la estigmatización de las hormigas y el comportamiento de búsqueda de alimento, y 2) Optimización de enjambres de partículas, que estudia algoritmos probabilísticos inspirados en el rebaño, los bancos de peces y la cría. Al igual que la computación evolutiva, los algoritmos o las estrategias de inteligencia de enjambre se consideran estrategias adaptativas y generalmente se aplican a áreas de investigación y optimización.