- 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
Algoritmos de enjambre
Swarm intelligence (algoritmos de enjambre) es el estudio de los sistemas informáticos inspirado en la “inteligencia colectiva”. La inteligencia colectiva surge a través de la cooperación de un gran número de agentes homogéneos en el entorno. Los ejemplos incluyen cardúmenes de peces, bandadas de pájaros y colonias de hormigas. Esta inteligencia está descentralizada, autoorganizada y distribuida en un entorno. En la naturaleza, tales sistemas se usan comúnmente para resolver problemas como la búsqueda eficiente de alimento, el escape de presas o el desplazamiento de colonias.
La información generalmente se almacena en todos los agentes homogéneos participantes, o se almacena o comunica en el propio entorno, por ejemplo mediante el uso de feromonas en hormigas, baile en abejas y proximidad en peces y 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 recientemente comenzaron a usarlo para transformar varios campos como la robótica, la minería de datos, la medicina y las cadenas de bloques.
Las hormigas, por ejemplo, pueden realizar solo una gama limitada de funciones, pero una colonia de hormigas puede construir puentes, crear autopistas de alimentos e información, hacer la guerra y esclavizar a otras especies de hormigas. Todo esto está más allá de la comprensión de un solo hormiga. De manera similar, los bancos de peces, las bandadas de pájaros, las colmenas y otras especies exhiben un comportamiento indicativo de un planificación por 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) Mejoramiento colonias de hormigas que estudia la algoritmos probabilísticos inspirado en la estigmergia y el comportamiento de búsqueda de alimento de las hormigas, y 2) Optimización de enjambre de partículas que investiga algoritmos probabilísticos inspirados en manadas, cardúmenes de peces y pastoreo. Al igual que la computación evolutiva, los algoritmos o estrategias de inteligencia de enjambre se consideran estrategias adaptativas y generalmente se aplican a dominios de investigación y optimización.