هوش ازدحامی (Swarm Intelligence) نوعی روش هوش مصنوعی است که مبتنی بر رفتارهای جمعی در سامانههای نامتمرکز و خودسامانده بنیان شده است. این سامانهها معمولاً از جمعیتی از کنشگران ساده تشکیل شده است که بطور محلی با یکدیگر و با محیط خود در تعامل هستند. با وجود اینکه معمولاً هیچ کنترل تمرکزیافتهای، چگونگی رفتار کنشگران را به آنها تحمیل نمیکند، تعاملات محلی آنها به پیدایش رفتاری عمومی میانجامد. مثالهایی از چنین سیستمهای را میتوان در طبیعت مشاهده کرد؛ گروههای مورچهها، دستهٔ پرندگان، گلههای حیوانات، تجمعات باکتریها و دستههای ماهیها.
روباتیک ازدحامی، کاربردی از اصول هوش مصنوعی ازدحامی در تعداد زیادی از روباتهای ارزان قیمت است.
روشهای هوش ازدحامی
از موارد روشهای فرااکتشافی میتوان به موارد زیر اشاره کرد
- روش بهینهسازی گروه مورچهها یا ACO
- الگوریتم کوچ پرستوها یا روش بهینهسازی ازدحام ذرات PSO
- روش شبیهسازی کورهای
- روش جستجوی مبتنی بر منع
- روش محاسبات تکاملی
دو روش اول موفقترین روشهای هوش مصنوعی ازدحامی که تاکنون اند.
الگوریتم مورچهها
بهينهسازي كلوني مورچه(Ant Colony Optimization)يكي از زير مجموعههاي هوش جمعي يا ازدحامي است كه در آن از رفتار مورچههاي واقعي براي يافتن كوناهترين مسير بين لانه و منبع غذايي الگوبرداري شده است. هر مورچه براي يافتن غذا در اطراف لانه به صورت تصادفي حركت و در طي مسير با استفاده از ماده شيميايي به نام فرومن، از خود ردي بر جاي ميگذارد.هر چه تعداد مورچههاي عبور كرده از يك مسير بيشتر باشد، ميزان فرومن ذخيره شده روي آن مسير نيز افزايش مييابد. ساير مورچهها نيز براي انتخاب مسير حركت، به ميزان فرومن آن توجه و به احتمال زياد مسيري را كه داراي بيشترين فرومن است انتخاب ميكنند. به اين ترتيب حلقه بازخور مثبت ايجاد ميگردد. مسير هرچه كوتاهتر باشد، زمان رفت و برگشت كاهش و مورچه بيشتري در يك زمان مشخص از آن عبور ميكند. در نتيجه ذخيره فرومن آن افزايش مييابد. لازم به ذكر است كه انتخاب مسير داراي بيشترين فرومن، قطعي نيست و احتمالي است. به همين دليل امكان يافتن بهترين جواب وجود دارد. روش ACO، نوعی روش فرااکتشافی است که برای یافتن راهحلهای تقریبی برای مسائل بهینهسازی ترکیبیاتی مناسب است. روش ACO، مورچههای مصنوعی بهوسیلهٔ حرکت بر روی گرافِ مساله و با باقی گذاشتن نشانههایی بر روی گراف، همچون مورچههای واقعی که در مسیر حرکت خود نشانههای باقی میگذارند، باعث میشوند که مورچههای مصنوعی بعدی بتوانند راهحلهای بهتری را برای مساله فراهم نمایند.
الگوریتم کوچ پرستوها
روش PSO یک روش سراسری کمینهسازی است که با استفاده از آن میتوان با مسائلی که جواب آنها یک نقطه یا سطح در فضای n بعدی میباشد، برخورد نمود. در اینچنین فضایی، فرضیاتی مطرح میشود و یک سرعت ابتدایی به آنها اختصاص داده میشود، همچنین کانالهای ارتباطی بین ذرات درنظر گرفته میشود. سپس این ذرات در فضای پاسخ حرکت میکنند، و نتایج حاصله بر مبنای یک «ملاک شایستگی» پس از هر بازهٔ زمانی محاسبه میشود. با گذشت زمان، ذرات به سمت ذراتی که دارای ملاک شایستگی بالاتری هستند و در گروه ارتباطی یکسانی قرار دارند، شتاب میگیرند. مزیت اصلی این روش بر استراتژیهای کمینهسازی دیگر این است که، تعداد فراوان ذرات ازدحام کننده، باعث انعطاف روش در برابر مشکل پاسخ کمینهٔ محلی میگردد.
جذابیت هوش ازدحامی در فناوری اطلاعات
همگونیهایی بین مسائل متفاوت در حوزهٔ فناوری اطلاعات و رفتارهای حشرات اجتماعی وجود دارد :
- سامانهای توزیع شده از کنشگرهای مستقل و تعامل کننده.
- اهداف: بهینه سازی کارآیی و توان.
- خود تنظیم بودن در روشهای کنترل و همکاری به شکل نامتمرکز.
- توزیع کار و اختصاص وظایف به شکل توزیع شده.
- تعاملات غیر مستقیم.
مراحل طراحی یک سامانه
مراحل طراحی یک سامانه با کاربردهای فناوری اطلاعات بر مبنای هوش مصنوعی ازدحامی فرآیندی سه مرحلهای است :
- شناسایی همسانیها: در سامانههای IT و طبیعت.
- فهم: مدلسازی رایانهای روش ازدحامی طبیعی به شکل واقعگرا.
- مهندسی: سادهسازی مدل و تنظیم آن برای کاربردهای IT.
کاربردهای فعلی و آتی
- مسیریابی در شبکه.
- سامانههای توزیعشدهٔ رایانامهای.
- اختصاص منابع به شکل بهینه.
- زمانبندی وظایف.
- بهینهسازی ترکیبیاتی.
- روباتیک:
- بررسی سیستمهای لولهکشی.
- تعمیرات و نگهداری ماهوارهها و کشتیها.
- روبوتهای خود-مونتاژ.
نظرات
موافقم!!
نقل قول از مرتضی حاتمی:
منم همینطور!!!!!!
بازم ممنون
فید نظرات این موضوع