Saltar para o conteúdo

Inteligência de enxame

Origem: Wikipédia, a enciclopédia livre.

A inteligência de enxame (IE, ou swarm intelligence) é aquela encontrada no comportamento coletivo de sistemas descentralizados e auto-organizados. Importantes para a inteligência computacional (IC), os sistemas de IE tipicamente consistem em uma população de agentes simples (também chamados de boids) que interagem (localmente) entre si e com o ambiente, e apresentam comportamento emergente. Os modelos são muitas vezes bioinspirados, caso em que a IE pertence à computação natural (CN).[1] A IE apresenta capacidades de aprendizado não-supervisionado, e resiliência aos extremos locais, características da computação cognitiva.

Histórico

[editar | editar código-fonte]

O termo IE foi introduzido por Beni e Jing Wang em 1989 em contexto robótico. Modelos clássicos de IE são os Boids (Reynolds, 1987) e as Partículas auto-impulsionadas (Vicsek, 1995).

Exemplos de IE

[editar | editar código-fonte]

Exemplos de sistemas de IE na CN são: otimização por colônia de formigas, bandos de aves, cardumes, e busca por difusão estocástica. A IE por vezes, mas nem sempre, é considerada CE (veja o caso do PSO.

Otimização por enxame de partículas (PSO)

[editar | editar código-fonte]

A PSO realiza uma otimização global em soluções localizadas em uma superfície ou ponto. Os boids são inicializados com posição e velocidade, e são atraídos aos outros boids na proporção de seus valores de fitness. A PSO é bastante resiliente aos extremos locais devido ao alto número de agentes.

Aplicações de IE

[editar | editar código-fonte]

As aplicações da IE incluem telecomunicações, biomedicina, arte, técnicas e observações teóricas como no exame de humanos, e na gramática de enxame, e suporte à IC.[2][3][4][5][6][7]

Computação natural (CN)

[editar | editar código-fonte]

Os algoritmos evolucionários, de otimização por enxame de partículas (PSO), e de otimização por colônia de formigas dominam a computação natural meta-heurística (i.e. sem consideração das redes neurais artificiais).[8]

Ver também

[editar | editar código-fonte]

Referênias

[editar | editar código-fonte]
  1. ↑ Beni, G., Wang, J. Swarm Intelligence in Cellular Robotic Systems, Proceed. NATO Advanced Workshop on Robots and Biological Systems, Tuscany, Italy, June 26–30 (1989)
  2. ↑ Lewis, M. Anthony; Bekey, George A. «The Behavioral Self-Organization of Nanorobots Using Local Rules». Proceedings of the 1992 IEEE/RSJ International Conference on Intelligent Robots and Systems 
  3. ↑ al-Rifaie, M.M.; Aber, A. «Identifying metastasis in bone scans with Stochastic Diffusion Search». Proc. IEEE Information Technology in Medicine and Education, ITME. 2012: 519–523 
  4. ↑ al-Rifaie, Mohammad Majid, Ahmed Aber, and Ahmed Majid Oudah. "Utilising Stochastic Diffusion Search to identify metastasis in bone scans and microcalcifications on mammographs." In Bioinformatics and Biomedicine Workshops (BIBMW), 2012 IEEE International Conference on, pp. 280-287. IEEE, 2012.
  5. ↑ Martens, D.; Baesens, B.; Fawcett, T. (2011). «Editorial Survey: Swarm Intelligence for Data Mining». Machine Learning. 82 (1): 1–42. doi:10.1007/s10994-010-5216-5 
  6. ↑ Whitaker, R.M., Hurley, S.. An agent based approach to site selection for wireless networks. Proc ACM Symposium on Applied Computing, pp. 574–577, (2002).
  7. ↑ Miller, Peter (2010). The Smart Swarm: How understanding flocks, schools, and colonies can make us better at communicating, decision making, and getting things done. New York: Avery. ISBN 978-1-58333-390-7 
  8. ↑ Lones, Michael A. (2014). «Metaheuristics in Nature-Inspired Algorithms» (PDF). GECCO '14. doi:10.1145/2598394.2609841 

Bibliografia

[editar | editar código-fonte]
  • Bernstein, Jeremy. «Project Swarm». Report on technology inspired by swarms in nature. Consultado em 20 de maio de 2013. Arquivado do original em 29 de outubro de 2013 
  • Bonabeau, Eric; Dorigo, Marco; Theraulaz, Guy (1999). Swarm Intelligence: From Natural to Artificial Systems. [S.l.: s.n.] ISBN 0-19-513159-2  Complete bibliography
  • Engelbrecht, Andries. Fundamentals of Computational Swarm Intelligence. [S.l.]: Wiley & Sons. ISBN 0-470-09191-6 
  • Fisher, L. (2009). The Perfect Swarm : The Science of Complexity in Everyday Life. [S.l.]: Basic Books 
  • Horn, Eva; Gisi, Lucas (Ed.) Marco (2009). Schwärme – Kollektive ohne Zentrum. Eine Wissensgeschichte zwischen Leben und Information. [S.l.]: Bielefeld. ISBN 978-3-8376-1133-5 
  • Kennedy, James; Eberhart, Russell C. Swarm Intelligence. [S.l.: s.n.] ISBN 1-55860-595-9 
  • Miller, Peter (julho de 2007), «Swarm Theory», National Geographic Magazine, consultado em 20 de maio de 2013, arquivado do original em 10 de novembro de 2007 
  • Resnick, Mitchel. Turtles, Termites, and Traffic Jams: Explorations in Massively Parallel Microworlds. [S.l.: s.n.] ISBN 0-262-18162-2 
  • Ridge, E.; Curry, E. (2007). «A roadmap of nature-inspired systems research and development». Multiagent and Grid Systems. 3 (1): 3–8. Predefinição:Citeseerx 
  • Ridge, E.; Kudenko, D.; Kazakov, D.; Curry, E. (2005). «Moving Nature-Inspired Algorithms to Parallel, Asynchronous and Decentralised Environments». Self-Organization and Autonomic Informatics (I). 135: 35–49. Predefinição:Citeseerx 
  • Swarm Intelligence (journal). Chief Editor: Marco Dorigo. Springer New York. ISSN 1935-3812 (Print) 1935-3820 (Online) [1]
  • Waldner, Jean-Baptiste (2007). Nanocomputers and Swarm Intelligence. [S.l.]: ISTE. ISBN 978-1-84704-002-2 
  • Yang, Xin-She (2011). «Metaheuristic Optimization». Scholarpedia. 6 (8): 11472. doi:10.4249/scholarpedia.11472 
Ícone de esboço Este artigo sobre Tecnologia é um esboço. Você pode ajudar a Wikipédia expandindo-o.
Obtida de "https://pt.wikipedia.org/w/index.php?title=Inteligência_de_enxame&oldid=67805699"