人工智能基础与应用(高职)：群体智能PPT教学课件.pptx

第8课群体智能人工智能基础与应用

【导读案例】人机最快圈速：算法控制首次战胜专家级驾驶员对于工业用途的无人机来说，由于电池续航有限，它们必须在尽可能短的时间内完成任务，比如在灾难现场寻找幸存者、检查建筑物、运送货物等。在此类任务中，无人机必须通过一系列航点（如窗户、房间或特定位置）进行检查，在每个路段采用最佳轨迹和正确的加速或减速。顶尖的人类无人机驾驶员在这一方面有丰富经验，并在以往的无人机竞赛中表现均优于自主飞行系统。从蜜蜂身上学习群体智能典型算法模型什么是群体智能群体智能背后的故事群体智能的发展05

8.1从蜜蜂身上学习群体智能01

8.1从蜜蜂身上学习群体智能蜜蜂被认为是自然界中被研究的时间最长的群体智能动物。蜜蜂在进化过程中，它们首先形成了大脑以处理信息，但是在某种程度上它们的大脑不能变大，大概因为它们是飞行动物，较小的大脑能够减轻飞行的负担。事实上，蜜蜂的大脑比一粒沙子还要小，其中只有不到一百万个神经元。相比之下，人类大约有850亿个

神经元。不管你有多聪明，把它除以

85000，这就是一只蜜蜂的智慧。

8.1从蜜蜂身上学习群体智能所以，一只蜜蜂是一个非常非常简单的有机体，但是它们有非常困难的问题需要解决，这也是关于蜜蜂被研究最多的一个问题——选择筑巢地点。通常一个蜂巢内有1万只蜜蜂，并且随着蜜蜂数量的壮大，它们每年都需要一个新家。它们的筑巢地点可能是空树干里面的一个洞，也可能在建筑物某一侧。因此，蜜蜂群体需要找到合适的筑巢地点。这听起来好像很简单，但对于蜜蜂来说，这是一个关乎蜂群生死的决定。因此，它们选择的筑巢地点越好，对于物种的生存就会越有利。

8.1从蜜蜂身上学习群体智能为了解决这个问题，蜜蜂形成蜂群思维，或者说群体智能，而第一步就是它们需要收集关于周围世界的信息。因此，蜂群会先派出数百只侦察蜜蜂到外面约78平方千米的地方进行有哪些信誉好的足球投注网站，寻找它们可以筑巢的潜在地点。这是数据收集阶段。它们派出数百只蜜蜂到各个地点寻找潜在的住所，然后这些蜜蜂把信息带回蜂群，接下来

就是最困难的部分：它们要做出决定，在找

到的几十个潜在地点中挑选出最好的。这听

起来很简单，但蜜蜂们非常挑剔，它们需要

找到一个能满足一系列条件的新住所。

8.1从蜜蜂身上学习群体智能那个新房子必须足够大，可以储存冬天所需的蜂蜜；它通风要足够好，这样它们在夏天就能保持凉爽；它需要能够隔热，以便在寒冷的夜晚保持温暖；需要保护蜜蜂不受雨水的影响，但也需要有充足水源。当然，还需要有良好的地理位置，接近好的花粉来源。

8.1从蜜蜂身上学习群体智能这是一个复杂的多变量问题。事实上，一个正在研究这些数据的人会发现，人类去寻找这个多变量优化问题的最佳解决方案都是非常困难的。换成具有类似挑战性的人类的问题，比如为新工厂选取一个厂址，或者为开设新店选取完美的店址，或者定义新产品的完美特性，这些问题都很难找到一个十全十美的解决方案。然而，生物学家的研究表明，蜜蜂常常能够从所有可用的选项中选出最佳的解决方案，或者选择第二好的解决方案，这是很了不起的。事实上，通过群体智能一起工作，蜜蜂能够作出一个优化的决定，而比蜜蜂大脑强大85000倍的人脑，却很难做到这一点。

8.1从蜜蜂身上学习群体智能那么蜜蜂们是怎么做到的呢？它们形成了一个实时系统，在这个系统中，它们可以一起处理数据，并在最优解上汇聚在一起。蜜蜂是如何处理这些数据的呢？这是大自然想出的绝妙办法，它们通过振动身体来实现这一过程，生物学家把这叫做“摇摆舞”。人类刚开始研究蜂巢的时候，他们看到这些蜜蜂在做一些看起来像是在跳舞的事情，它们在振动自己的身体。这些振动产生的信号代表它们是否支持某个特定的筑巢地点。成百上千的蜜蜂同时振动它们的身体时，基本上就是在处理一个多维的选择问题。

8.1从蜜蜂身上学习群体智能它们揣度每个决定，探索所有不同的选择，直到在某个解决方案中能够达成一致，而这几乎总是最优或者次优的解决方案，并且能够解决单个大脑无法解决的问题。这是关于群体智能最著名的例子，我们也看到同样的过程发生在鸟群以及鱼群中，它们的群体智能大于个体。

8.1从蜜蜂身上学习群体智能利用这一方式，我们来为一大群游客在曼哈顿找一家优质酒店。假设大部分游客都年老体弱，无法长途行走。首先，我们在中央公园的演奏台建立一个临时基地，接着，派出体力最好的成员到处巡查，随后他们将回到演奏台并互相比较笔记。听到有更好的酒店选择时，他们就再次前往实地考察。最后，大家达成共识，所有人再集体前往目标酒店办理入住。

8.1从蜜蜂身上学习群体智能曼哈顿的街道有两种命名方式，街常为东西向，而大道常为南北向，所以侦察兵回来的时候只需要说明该酒店最接近哪条街哪条大道，大家就可以明白。任何时间，侦察兵的定