La inteligencia de enjambre ( IS ) es el comportamiento colectivo de sistemas descentralizados y autoorganizados , naturales o artificiales. El concepto se emplea en trabajos sobre inteligencia artificial . La expresión fue introducida por Gerardo Beni y Jing Wang en 1989, en el contexto de los sistemas robóticos celulares. [1]
Los sistemas SI consisten típicamente en una población de agentes simples o boids que interactúan localmente entre sí y con su entorno. La inspiración a menudo proviene de la naturaleza, especialmente de los sistemas biológicos. Los agentes siguen reglas muy simples, y aunque no existe una estructura de control centralizada que dicte cómo deben comportarse los agentes individuales, locales y hasta cierto punto aleatorias, las interacciones entre dichos agentes conducen al surgimiento de un comportamiento global "inteligente", desconocido para el individuo. agentes. Ejemplos de inteligencia de enjambre en sistemas naturales incluyen colonias de hormigas , colonias de abejas , bandadas de aves , caza de halcones , pastoreo de animales., crecimiento bacteriano , cardúmenes de peces e inteligencia microbiana .
La aplicación de los principios del enjambre a los robots se denomina robótica del enjambre, mientras que la inteligencia del enjambre se refiere al conjunto más general de algoritmos. La predicción de enjambres se ha utilizado en el contexto de problemas de pronóstico. Se consideran enfoques similares a los propuestos para la robótica de enjambres para organismos genéticamente modificados en inteligencia colectiva sintética. [2]
Modelos de comportamiento de enjambre
Boids (Reynolds 1987)
Boids es una vida artificial programa, desarrollado por Craig Reynolds en 1986, que simula la que acuden comportamiento de las aves. Su artículo sobre este tema fue publicado en 1987 en las actas de la conferencia ACM SIGGRAPH . [3] El nombre "boid" corresponde a una versión abreviada de "objeto bird-oid", que se refiere a un objeto parecido a un pájaro. [4]
Como ocurre con la mayoría de las simulaciones de vida artificial, Boids es un ejemplo de comportamiento emergente ; es decir, la complejidad de los Boids surge de la interacción de agentes individuales (los boids, en este caso) que se adhieren a un conjunto de reglas simples. Las reglas aplicadas en el mundo Boids más simple son las siguientes:
- separación : de dirección para evitar el hacinamiento flockmates locales
- alineación : diríjase hacia el rumbo promedio de los compañeros de bandada locales
- cohesión : dirección para moverse hacia la posición promedio (centro de masa) de los compañeros de bandada locales
Se pueden agregar reglas más complejas, como la evitación de obstáculos y la búsqueda de metas.
Partículas autopropulsadas (Vicsek et al . 1995)
Las partículas autopropulsadas (SPP), también conocidas como modelo de Vicsek , fueron introducidas en 1995 por Vicsek et al. [5] como un caso especial del modelo boids introducido en 1986 por Reynolds . [3] Un enjambre se modela en SPP por una colección de partículas que se mueven con una velocidad constante pero responden a una perturbación aleatoria adoptando en cada incremento de tiempo la dirección de movimiento promedio de las otras partículas en su vecindad local. [6] Los modelos SPP predicen que los enjambres de animales comparten ciertas propiedades a nivel de grupo, independientemente del tipo de animales en el enjambre. [7] Los sistemas de enjambre dan lugar a comportamientos emergentes que ocurren en muchas escalas diferentes, algunas de las cuales están resultando ser universales y robustas. Se ha convertido en un desafío en la física teórica encontrar modelos estadísticos mínimos que capturen estos comportamientos. [8] [9] [10]
Metaheurísticas
Los algoritmos evolutivos (EA), la optimización de enjambres de partículas (PSO), la evolución diferencial (DE), la optimización de colonias de hormigas (ACO) y sus variantes dominan el campo de las metaheurísticas inspiradas en la naturaleza . [11] Esta lista incluye algoritmos publicados hasta alrededor del año 2000. Un gran número de metaheurísticas inspiradas en metáforas más recientes han comenzado a atraer críticas en la comunidad investigadora por ocultar su falta de novedad detrás de una metáfora elaborada. Para conocer los algoritmos publicados desde entonces, consulte Lista de metaheurísticas basadas en metáforas .
También debe tenerse en cuenta que las metaheurísticas , por buenas que sean, carecen de confianza en una solución. [12] Cuando se determinan los parámetros apropiados, y cuando se alcanza una etapa de convergencia suficiente, a menudo encuentran una solución que es óptima, o cercana a la óptima; sin embargo, si uno no conoce la solución óptima de antemano, la calidad de una solución es no conocida. [12] A pesar de este obvio inconveniente, se ha demostrado que este tipo de algoritmos funcionan bien en la práctica y se han investigado y desarrollado exhaustivamente. [13] [14] [15] [16] [17] Por otro lado, es posible evitar este inconveniente calculando la calidad de la solución para un caso especial donde tal cálculo es posible, y luego de dicha ejecución se sabe que cada La solución que es al menos tan buena como la solución que tuvo un caso especial, tiene al menos una confianza en la solución que tuvo un caso especial. Un ejemplo de ello es el algoritmo de Monte Carlo inspirado en Ant para el conjunto de arco de retroalimentación mínima, donde esto se ha logrado probabilísticamente mediante la hibridación del algoritmo de Monte Carlo con la técnica de optimización de colonia de hormigas . [18]
Búsqueda de difusión estocástica (Bishop 1989)
Publicado por primera vez en 1989, la búsqueda de difusión estocástica (SDS) [19] [20] fue la primera metaheurística de Swarm Intelligence. SDS es una técnica de optimización y búsqueda global probabilística basada en agentes que se adapta mejor a problemas en los que la función objetivo se puede descomponer en múltiples funciones parciales independientes. Cada agente mantiene una hipótesis que se prueba iterativamente mediante la evaluación de una función objetivo parcial seleccionada al azar parametrizada por la hipótesis actual del agente. En la versión estándar de SDS, estas evaluaciones de funciones parciales son binarias, lo que hace que cada agente se vuelva activo o inactivo. La información sobre hipótesis se difunde entre la población a través de la comunicación entre agentes. A diferencia de la comunicación estigmérgica utilizada en ACO, en SDS los agentes comunican hipótesis a través de una estrategia de comunicación uno a uno análoga al procedimiento de ejecución en tándem observado en Leptothorax acervorum . [21] Un mecanismo de retroalimentación positiva asegura que, con el tiempo, una población de agentes se estabilice en torno a la mejor solución global. SDS es un algoritmo de búsqueda y optimización global eficiente y robusto, que se ha descrito matemáticamente de forma extensa. [22] [23] [24] Un trabajo reciente ha involucrado la fusión de las propiedades de búsqueda global de SDS con otros algoritmos de inteligencia de enjambre. [25] [26]
Optimización de colonias de hormigas (Dorigo 1992)
La optimización de colonias de hormigas (ACO), presentada por Dorigo en su tesis doctoral, es una clase de algoritmos de optimización modelados en las acciones de una colonia de hormigas . ACO es una técnica probabilística útil en problemas que tratan de encontrar mejores caminos a través de gráficos. Las 'hormigas' artificiales (agentes de simulación) localizan las soluciones óptimas moviéndose a través de un espacio de parámetros que representa todas las soluciones posibles. Las hormigas naturales depositan feromonas que se dirigen unas a otras hacia los recursos mientras exploran su entorno. Las 'hormigas' simuladas registran de manera similar sus posiciones y la calidad de sus soluciones, de modo que en las iteraciones posteriores de la simulación se localizan más hormigas para obtener mejores soluciones. [27]
Optimización del enjambre de partículas (Kennedy, Eberhart & Shi 1995)
La optimización de enjambre de partículas (PSO) es un algoritmo de optimización global para tratar problemas en los que la mejor solución se puede representar como un punto o una superficie en un espacio de n dimensiones. Las hipótesis se grafican en este espacio y se siembran con una velocidad inicial , así como un canal de comunicación entre las partículas. [28] [29] Las partículas luego se mueven a través del espacio de la solución y se evalúan de acuerdo con algún criterio de aptitud después de cada paso de tiempo. Con el tiempo, las partículas se aceleran hacia aquellas partículas dentro de su agrupación de comunicación que tienen mejores valores de aptitud. La principal ventaja de este enfoque sobre otras estrategias de minimización global, como el recocido simulado, es que el gran número de miembros que componen el enjambre de partículas hace que la técnica sea increíblemente resistente al problema de los mínimos locales .
Inteligencia artificial enjambre (2015)
La Inteligencia Artificial de Enjambre (ASI) es un método para amplificar la inteligencia colectiva de grupos humanos en red utilizando algoritmos de control modelados a partir de enjambres naturales. A veces denominada Human Swarming o Swarm AI, la tecnología conecta grupos de participantes humanos en sistemas en tiempo real que deliberan y convergen en soluciones como enjambres dinámicos cuando se les presenta simultáneamente una pregunta [30] [31] [32] Se ha utilizado ASI para una amplia gama de aplicaciones, desde permitir que los equipos comerciales generen pronósticos financieros altamente precisos [33] hasta permitir que los fanáticos del deporte superen los mercados de apuestas de Las Vegas. [34] El ASI también se ha utilizado para permitir que grupos de médicos generen diagnósticos con una precisión significativamente mayor que los métodos tradicionales. [35] [36]
Aplicaciones
Las técnicas basadas en Swarm Intelligence se pueden utilizar en varias aplicaciones. El ejército estadounidense está investigando técnicas de enjambre para controlar vehículos no tripulados. La Agencia Espacial Europea está pensando en un enjambre orbital para el autoensamblaje y la interferometría. La NASA está investigando el uso de tecnología de enjambre para el mapeo planetario. Un artículo de 1992 de M. Anthony Lewis y George A. Bekey analiza la posibilidad de utilizar la inteligencia de enjambre para controlar los nanobots dentro del cuerpo con el fin de matar los tumores cancerosos. [37] Por el contrario, al-Rifaie y Aber han utilizado la búsqueda de difusión estocástica para ayudar a localizar tumores. [38] [39] La inteligencia de enjambres también se ha aplicado para la minería de datos [40] y el análisis de conglomerados . [41] Los modelos basados en hormigas son objeto adicional de la teoría de la gestión moderna. [42]
Enrutamiento basado en hormigas
También se ha investigado el uso de inteligencia de enjambre en redes de telecomunicaciones , en forma de enrutamiento basado en hormigas . Esto fue promovido por separado por Dorigo et al. y Hewlett Packard a mediados de la década de 1990, con una serie de variantes existentes. Básicamente, esto utiliza una tabla de enrutamiento probabilística que recompensa / refuerza la ruta atravesada con éxito por cada "hormiga" (un pequeño paquete de control) que inunda la red. Se ha investigado el refuerzo de la ruta hacia adelante, hacia atrás y ambos simultáneamente: el refuerzo hacia atrás requiere una red simétrica y acopla las dos direcciones; El refuerzo de reenvíos recompensa una ruta antes de que se conozca el resultado (pero luego se pagaría por el cine antes de saber qué tan buena es la película). Como el sistema se comporta estocásticamente y, por lo tanto, carece de repetibilidad, existen grandes obstáculos para el despliegue comercial. Los medios móviles y las nuevas tecnologías tienen el potencial de cambiar el umbral de la acción colectiva debido a la inteligencia de enjambre (Rheingold: 2002, P175).
La ubicación de la infraestructura de transmisión para las redes de comunicación inalámbrica es un importante problema de ingeniería que involucra objetivos en competencia. Se requiere una selección mínima de ubicaciones (o sitios) sujeta a proporcionar una cobertura de área adecuada para los usuarios. Un algoritmo de inteligencia de enjambre inspirado en hormigas muy diferente, la búsqueda de difusión estocástica (SDS), se ha utilizado con éxito para proporcionar un modelo general para este problema, relacionado con el empaquetamiento de círculos y la cobertura de conjuntos. Se ha demostrado que la SDS se puede aplicar para identificar soluciones adecuadas incluso para grandes casos de problemas. [43]
Las aerolíneas también han utilizado rutas basadas en hormigas para asignar las llegadas de aviones a las puertas de los aeropuertos. En Southwest Airlines, un programa de software utiliza la teoría de enjambres o inteligencia de enjambres: la idea de que una colonia de hormigas funciona mejor que una sola. Cada piloto actúa como una hormiga en busca de la mejor puerta del aeropuerto. "El piloto aprende de su experiencia qué es lo mejor para él, y resulta que esa es la mejor solución para la aerolínea", explica Douglas A. Lawson . Como resultado, la "colonia" de pilotos siempre va a las puertas a las que pueden llegar y salir rápidamente. El programa puede incluso alertar a un piloto de los retrocesos del avión antes de que ocurran. "Podemos anticipar que sucederá, así que tendremos una puerta disponible", dice Lawson. [44]
Simulación de multitudes
Los artistas utilizan la tecnología de enjambres como medio para crear sistemas interactivos complejos o simular multitudes .
Stanley y Stella en: Breaking the Ice fue la primera película en hacer uso de la tecnología de enjambre para renderizar, representando de manera realista los movimientos de grupos de peces y aves usando el sistema Boids. Batman Returns de Tim Burtontambién hizo uso de la tecnología de enjambre para mostrar los movimientos de un grupo de murciélagos. La trilogía cinematográfica de El señor de los anillos utilizó una tecnología similar, conocida como Massive , durante las escenas de batalla. La tecnología Swarm es particularmente atractiva porque es barata, robusta y simple.
Las aerolíneas han utilizado la teoría del enjambre para simular que los pasajeros suben a un avión. El investigador de Southwest Airlines, Douglas A. Lawson, utilizó una simulación por computadora basada en hormigas que emplea solo seis reglas de interacción para evaluar los tiempos de embarque utilizando varios métodos de embarque (Miller, 2010, xii-xviii). [45]
Enjambre humano
Habilitado por software de mediación como la plataforma SWARM (formalmente unu) de Unanimous AI , las redes de usuarios distribuidos pueden organizarse en "enjambres humanos" mediante la implementación de sistemas de control de circuito cerrado en tiempo real. [46] [47] [48] Según lo publicado por Rosenberg (2015), estos sistemas en tiempo real permiten que grupos de participantes humanos se comporten como una inteligencia colectiva unificada que funciona como una entidad única para hacer predicciones, responder preguntas y evocar opiniones. . [49] Se ha demostrado que estos sistemas, también conocidos como "Inteligencia Artificial de Enjambre" (o la marca Swarm AI) amplifican significativamente la inteligencia humana, [50] [51] [31] dando como resultado una serie de predicciones de alto perfil. de extrema precisión. [52] [53] [54] [55] [47] [34] Las pruebas académicas muestran que los enjambres humanos pueden predecir a los individuos en una variedad de proyecciones del mundo real. [56] [57] [48] [58] [59] Es famoso que se usó el enjambre de humanos para predecir correctamente el Kentucky Derby Superfecta, contra una probabilidad de 541 a 1, en respuesta a un desafío de los reporteros. [60]
Uso médico del enjambre humano: en 2018, la Escuela de Medicina de la Universidad de Stanford y la IA Unánime publicaron estudios que muestran que los grupos de médicos humanos, cuando se conectan entre sí mediante algoritmos de enjambre en tiempo real, pueden diagnosticar afecciones médicas con una precisión sustancialmente mayor que los médicos individuales o grupos de médicos que trabajan juntos utilizando métodos tradicionales de colaboración colectiva. En uno de estos estudios, enjambres de radiólogos humanos conectados entre sí utilizando la plataforma SWARM se les asignó la tarea de diagnosticar radiografías de tórax y demostraron una reducción del 33% en los errores de diagnóstico en comparación con los métodos humanos tradicionales, y una mejora del 22% sobre el aprendizaje automático tradicional. . [35] [61] [62] [63] [36]
Gramáticas de enjambre
Las gramáticas de enjambre son enjambres de gramáticas estocásticas que pueden evolucionar para describir propiedades complejas como las que se encuentran en el arte y la arquitectura. [64] Estas gramáticas interactúan como agentes que se comportan de acuerdo con las reglas de la inteligencia de enjambre. Tal comportamiento también puede sugerir algoritmos de aprendizaje profundo , en particular cuando se considera el mapeo de tales enjambres a circuitos neuronales. [sesenta y cinco]
Arte enjambre
En una serie de trabajos, al-Rifaie et al. [66] han utilizado con éxito dos algoritmos de inteligencia de enjambres, uno que imita el comportamiento de una especie de hormigas ( Leptothorax acervorum ) en busca de alimento ( búsqueda de difusión estocástica , SDS) y el otro algoritmo que imita el comportamiento de las aves en bandadas ( optimización de enjambres de partículas , PSO) - describir una estrategia de integración novedosa que explota las propiedades de búsqueda local de la PSO con el comportamiento global de SDS. El algoritmo híbrido resultante se utiliza para esbozar dibujos novedosos de una imagen de entrada, explotando una tensión artística entre el comportamiento local de las 'aves en bandada', mientras buscan seguir el boceto de entrada, y el comportamiento global de las "hormigas en busca de alimento". mientras buscan alentar al rebaño a explorar regiones novedosas del lienzo. La "creatividad" de este sistema híbrido de enjambres ha sido analizada bajo la luz filosófica del "rizoma" en el contexto de la metáfora "Orquídea y avispa" de Deleuze . [67]
Un trabajo más reciente de al-Rifaie et al., "Swarmic Sketches and Attention Mechanism", [68] introduce un enfoque novedoso que despliega el mecanismo de 'atención' adaptando SDS para atender selectivamente áreas detalladas de un lienzo digital. Una vez que la atención del enjambre se dirige a una cierta línea dentro del lienzo, la capacidad de PSO se utiliza para producir un "bosquejo enjambre" de la línea atendida. Los enjambres se mueven por el lienzo digital en un intento por satisfacer sus roles dinámicos (atención a áreas con más detalles) asociados con ellos a través de su función de acondicionamiento físico. Habiendo asociado el proceso de renderizado con los conceptos de atención, la actuación de los enjambres participantes crea un boceto único y no idéntico cada vez que los enjambres de 'artistas' se embarcan en la interpretación de los dibujos lineales de entrada. En otros trabajos, mientras que PSO se encarga del proceso de boceto, SDS controla la atención del enjambre.
En un trabajo similar, "Swarmic Paintings and Colour Attention", [69] se producen imágenes no fotorrealistas utilizando el algoritmo SDS que, en el contexto de este trabajo, es responsable de la atención al color.
La "creatividad computacional" de los sistemas antes mencionados se discute en [66] [70] [71] a través de los dos prerrequisitos de la creatividad (es decir, libertad y limitaciones) dentro de las dos infames fases de exploración y explotación de la inteligencia de enjambre.
Michael Theodore y Nikolaus Correll utilizan la instalación de arte inteligente de enjambre para explorar lo que se necesita para que los sistemas diseñados parezcan realistas. [72]
Crítica
Investigadores notables
- Andries Engelbrecht
- Nikolaus Correll
- Marco Dorigo
- Russell C. Eberhart
- Luca Maria Gambardella
- James Kennedy
- Alcherio Martinoli
- Craig Reynolds
- Louis Rosenberg
- Seyedali Mirjalili
- Magnus Egerstedt
- Hossam Faris
- Ibrahim Aljarah
- Ali Asghar Heidari
- PN Suganthan
Ver también
- Sistemas inmunológicos artificiales
- Inteligencia colaborativa
- Efervescencia colectiva
- Mente grupal (ciencia ficción)
- Autómata celular
- Sistemas complejos
- Evolución diferencial
- Optimización de moscas dispersivas
- Inteligencia artificial distribuida
- Computación evolutiva
- Cerebro global
- Búsqueda de armonía
- Optimización de los halcones de Harris
- Sistema de agentes múltiples
- Mirmecología
- Teoría de la promesa
- La detección de quórum
- Protocolo de población
- Aprendizaje reforzado
- Regla 110
- Criticidad autoorganizada
- Algoritmo de optimización en espiral
- Optimización estocástica
- Grupo de desarrollo de enjambres
- Plataformas robóticas Swarm
- Enjambre
- SwisTrack
- Ruptura de simetría de hormigas que escapan
- La sabiduría de las multitudes
- Sabiduría de la multitud
Referencias
- ^ Beni, G., Wang, J. (1993). "Inteligencia de enjambre en sistemas robóticos celulares". Continuar. Taller avanzado de la OTAN sobre robots y sistemas biológicos, Toscana, Italia, 26-30 de junio (1989) . Berlín, Heidelberg: Springer. págs. 703–712. doi : 10.1007 / 978-3-642-58069-7_38 . ISBN 978-3-642-63461-1.CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Solé R, Rodriguez-Amor D, Duran-Nebreda S, Conde-Pueyo N, Carbonell-Ballestero M, Montañez R (octubre de 2016). "Inteligencia colectiva sintética". BioSystems . 148 : 47–61. doi : 10.1016 / j.biosystems.2016.01.002 . PMID 26868302 .
- ^ a b Reynolds, Craig (1987). Rebaños, rebaños y cardúmenes: un modelo de comportamiento distribuido . SIGGRAPH '87: Actas de la 14ª Conferencia Anual sobre Gráficos por Computadora y Técnicas Interactivas . Asociación de Maquinaria Informática . págs. 25–34. CiteSeerX 10.1.1.103.7187 . doi : 10.1145 / 37401.37406 . ISBN 978-0-89791-227-3. S2CID 546350 .
- ^ Banks, Alec; Vincent, Jonathan; Anyakoha, Chukwudi (julio de 2007). "Una revisión de la optimización del enjambre de partículas. Parte I: antecedentes y desarrollo". Computación natural . 6 (4): 467–484. CiteSeerX 10.1.1.605.5879 . doi : 10.1007 / s11047-007-9049-5 . S2CID 2344624 .
- ^ Vicsek, T .; Czirok, A .; Ben-Jacob, E .; Cohen, I .; Shochet, O. (1995). "Novedoso tipo de transición de fase en un sistema de partículas autopropulsadas". Cartas de revisión física . 75 (6): 1226-1229. arXiv : cond-mat / 0611743 . Código Bibliográfico : 1995PhRvL..75.1226V . doi : 10.1103 / PhysRevLett.75.1226 . PMID 10060237 . S2CID 15918052 .
- ^ Czirók, A .; Vicsek, T. (2006). "Comportamiento colectivo de partículas autopropulsadas en interacción". Un Physica . 281 (1): 17-29. arXiv : cond-mat / 0611742 . Código Bibliográfico : 2000PhyA..281 ... 17C . doi : 10.1016 / S0378-4371 (00) 00013-3 . S2CID 14211016 .
- ^ Buhl, J .; Sumpter, DJT; Couzin, D .; Hale, JJ; Despland, E .; Miller, ER; Simpson, SJ; et al. (2006). "Del desorden al orden en la marcha de langostas" (PDF) . Ciencia . 312 (5778): 1402–1406. Código Bibliográfico : 2006Sci ... 312.1402B . doi : 10.1126 / science.1125142 . PMID 16741126 . S2CID 359329 .
- ^ Toner, J .; Tu, Y .; Ramaswamy, S. (2005). "Hidrodinámica y fases de bandadas" (PDF) . Annals of Physics . 318 (1): 170–244. Código bibliográfico : 2005AnPhy.318..170T . doi : 10.1016 / j.aop.2005.04.011 .
- ^ Bertin, E .; Droz, M .; Grégoire, G. (2009). "Ecuaciones hidrodinámicas para partículas autopropulsadas: derivación microscópica y análisis de estabilidad". J. Phys. Una . 42 (44): 445001. arXiv : 0907.4688 . Código bibliográfico : 2009JPhA ... 42R5001B . doi : 10.1088 / 1751-8113 / 42/44/445001 . S2CID 17686543 .
- ^ Li, YX; Lukeman, R .; Edelstein-Keshet, L .; et al. (2007). "Mecanismos mínimos para la formación escolar en partículas autopropulsadas" (PDF) . Physica D: Fenómenos no lineales . 237 (5): 699–720. Código Bibliográfico : 2008PhyD..237..699L . doi : 10.1016 / j.physd.2007.10.009 . Archivado desde el original (PDF) el 2011-10-01.
- ^ Solitarios, Michael A. (2014). "Metaheurística en algoritmos inspirados en la naturaleza". Actas del compañero de la conferencia de 2014 sobre el compañero de cómputo genético y evolutivo: GECCO Comp '14 (PDF) . GECCO '14 . págs. 1419-1422. CiteSeerX 10.1.1.699.1825 . doi : 10.1145 / 2598394.2609841 . ISBN 9781450328814. S2CID 14997975 .
- ^ a b Silberholz, John; Golden, Bruce; Gupta, Swati; Wang, Xingyin (2019), Gendreau, Michel; Potvin, Jean-Yves (eds.), "Computational Comparison of Metaheuristics", Handbook of Metaheuristics , International Series in Operations Research & Management Science, Cham: Springer International Publishing, págs. 581–604, doi : 10.1007 / 978-3- 319-91086-4_18 , ISBN 978-3-319-91086-4
- ^ Burke, Edmund; De Causmaecker, Patrick; Petrovic, Sanja; Berghe, Greet Vanden (2004), Resende, Mauricio GC; de Sousa, Jorge Pinho (eds.), "Búsqueda de vecindario variable para problemas de asignación de enfermeras", Metaheurística: Toma de decisiones por computadora , Optimización aplicada, Boston, MA: Springer US, pp. 153-172, doi : 10.1007 / 978-1 -4757-4137-7_7 , ISBN 978-1-4757-4137-7
- ^ Fu, Michael C. (1 de agosto de 2002). "Artículo destacado: Optimización para simulación: teoría frente a práctica". INFORMA Revista de Computación . 14 (3): 192–215. doi : 10.1287 / ijoc.14.3.192.113 . ISSN 1091-9856 .
- ^ Dorigo, Marco; Birattari, Mauro; Stutzle, Thomas (noviembre de 2006). "Optimización de colonias de hormigas". Revista IEEE Computational Intelligence . 1 (4): 28–39. doi : 10.1109 / MCI.2006.329691 . ISSN 1556-603X .
- ^ Hayes-RothFrederick (1 de agosto de 1975). "Revisión de" Adaptación en sistemas naturales y artificiales por John H. Holland ", The U. of Michigan Press, 1975". Boletín ACM SIGART (53): 15. doi : 10.1145 / 1216504.1216510 . S2CID 14985677 .
- ^ Resende, Mauricio GC; Ribeiro, Celso C. (2010), Gendreau, Michel; Potvin, Jean-Yves (eds.), "Procedimientos de búsqueda adaptativa aleatoria codiciosos: avances, hibridaciones y aplicaciones", Manual de metaheurística , Serie internacional de investigación de operaciones y ciencia de la gestión, Boston, MA: Springer EE. UU., Págs. 283–319 , doi : 10.1007 / 978-1-4419-1665-5_10 , ISBN 978-1-4419-1665-5
- ^ Kudelić, Robert; Ivković, Nikola (15 de mayo de 2019). "Algoritmo de Monte Carlo inspirado en Ant para conjunto de arco de retroalimentación mínimo" . Sistemas expertos con aplicaciones . 122 : 108-117. doi : 10.1016 / j.eswa.2018.12.021 . ISSN 0957-4174 .
- ^ Obispo, JM, Redes de búsqueda estocásticas , Proc. 1er IEE Int. Conf. sobre redes neuronales artificiales, págs. 329-331, Londres, Reino Unido, (1989).
- ^ Nasuto, SJ & Bishop, JM, (2008), Búsqueda de inteligencia de enjambre de estabilización a través de la asignación de recursos de retroalimentación positiva , en: Krasnogor, N., Nicosia, G, Pavone, M. y Pelta, D. (eds), Nature Inspired Cooperative Strategies for Optimization, Studies in Computational Intelligence, vol 129, Springer, Berlín, Heidelberg, Nueva York, págs. 115-123.
- ^ Moglich, M .; Maschwitz, U .; Holldobler, B., Llamadas en tándem: un nuevo tipo de señal en la comunicación de hormigas , Ciencia, Volumen 186, Número 4168, págs. 1046-1047
- ^ Nasuto, SJ, Bishop, JM & Lauria, S., Análisis de complejidad temporal de la búsqueda de difusión estocástica , Proc. Neural Computation '98, págs. 260-266, Viena, Austria, (1998).
- ^ Nasuto, SJ y Bishop, JM, (1999), Convergencia de la búsqueda de difusión estocástica, algoritmos paralelos, 14: 2, págs: 89-107.
- ^ Myatt, DM, Bishop, JM, Nasuto, SJ, (2004), Criterios mínimos de convergencia estable para la búsqueda de difusión estocástica , Electronics Letters, 22:40, págs. 112-113.
- ^ al-Rifaie, MM, Bishop, JM & Blackwell, T., Una investigación sobre la fusión de la búsqueda de difusión estocástica y la optimización del enjambre de partículas , Proc. 13ª Conf. Computación genética y evolutiva, (GECCO), páginas 37 a 44, (2012).
- ^ al-Rifaie, Mohammad Majid, John Mark Bishop y Tim Blackwell. " El impacto del intercambio de información de la búsqueda de difusión estocástica en el algoritmo de evolución diferencial ". Computación memética 4.4 (2012): 327-338.
- ^ Optimización de colonia de hormigas por Marco Dorigo y Thomas Stützle, MIT Press, 2004. ISBN 0-262-04219-3
- ^ Parsopoulos, KE; Vrahatis, MN (2002). "Enfoques recientes a los problemas de optimización global a través de la optimización del enjambre de partículas". Computación natural . 1 (2-3): 235-306. doi : 10.1023 / A: 1016568309421 . S2CID 4021089 .
- ^ Optimización del enjambre de partículas por Maurice Clerc, ISTE, ISBN 1-905209-04-5 , 2006.
- ^ Rosenberg, Louis (20 de julio de 2015). "Human Swarms, un método en tiempo real para la inteligencia colectiva" . 20/07/2015 24/07/2015 . 27 . págs. 658–659. doi : 10.7551 / 978-0-262-33027-5-ch117 . ISBN 9780262330275.
- ^ a b Rosenberg, Louis; Willcox, Gregg (2020). Bi, Yaxin; Bhatia, Rahul; Kapoor, Supriya (eds.). "Inteligencia de enjambre artificial". Sistemas y aplicaciones inteligentes . Avances en Computación y Sistemas Inteligentes. Springer International Publishing. 1037 : 1054–1070. doi : 10.1007 / 978-3-030-29516-5_79 . ISBN 9783030295165.
- ^ Metcalf, Lynn; Askay, David A .; Rosenberg, Louis B. (2019). "Mantener a los seres humanos en el circuito: poner en común el conocimiento a través de la inteligencia artificial enjambre para mejorar la toma de decisiones empresariales". Revisión de la gestión de California . 61 (4): 84–109. doi : 10.1177 / 0008125619862256 . ISSN 0008-1256 . S2CID 202323483 .
- ^ Schumann, Hans; Willcox, Gregg; Rosenberg, Louis; Pescetelli, Niccolo (2019). " " El pulular humana "Amplifica La precisión y rendimiento de la inversión de las previsiones de los mercados financieros". 2019 IEEE International Conference on Humanized Computing and Communication (HCC) . págs. 77–82. doi : 10.1109 / HCC46620.2019.00019 . ISBN 978-1-7281-4125-1. S2CID 209496644 .
- ^ a b "Cómo los sistemas de inteligencia artificial superan a los apostadores de Las Vegas en la precisión de los pronósticos deportivos" . TechRepublic . Consultado el 10 de septiembre de 2018 .
- ^ a b Scudellari, Megan (13 de septiembre de 2018). "AI-Human" Hive Mind "diagnostica neumonía" . IEEE Spectrum: Noticias de tecnología, ingeniería y ciencia . Consultado el 20 de julio de 2019 .
- ^ a b Rosenberg, Louis; Lungren, Matthew; Halabi, Safwan; Willcox, Gregg; Baltaxe, David; Lyons, Mimi (noviembre de 2018). "Inteligencia de enjambre artificial empleada para ampliar la precisión diagnóstica en radiología". 2018 IEEE 9th Annual Information Technology, Electronics and Mobile Communication Conference (IEMCON) . Vancouver, BC: IEEE: 1186–1191. doi : 10.1109 / IEMCON.2018.8614883 . ISBN 9781538672662. S2CID 58675679 .
- ^ Lewis, M. Anthony; Bekey, George A. "La autoorganización conductual de los nanorobots utilizando reglas locales" . Actas de la Conferencia Internacional IEEE / RSJ de 1992 sobre Robots y Sistemas Inteligentes .
- ^ al-Rifaie, MM; Aber, A. "Identificación de metástasis en gammagrafías óseas con búsqueda de difusión estocástica" . Proc. IEEE Tecnología de la información en medicina y educación, ITME . 2012 : 519–523.
- ↑ al-Rifaie, Mohammad Majid, Ahmed Aber y Ahmed Majid Oudah. " Utilización de la búsqueda de difusión estocástica para identificar metástasis en gammagrafías óseas y microcalcificaciones en mamografías ". En Talleres de Bioinformática y Biomedicina (BIBMW), Conferencia Internacional IEEE 2012, págs. 280-287. IEEE, 2012.
- ^ Martens, D .; Baesens, B .; Fawcett, T. (2011). "Estudio editorial: inteligencia de enjambres para minería de datos" . Aprendizaje automático . 82 (1): 1–42. doi : 10.1007 / s10994-010-5216-5 .
- ^ Thrun, M .; Ultsch, A. (2021). "Inteligencia de enjambre para agrupación autoorganizada". Inteligencia artificial . 290 : 103237. doi : 10.1016 / j.artint.2020.103237 . S2CID 213923899 .
- ^ Fladerer, Johannes-Paul; Kurzmann, Ernst (noviembre de 2019). LA SABIDURÍA DE LOS MUCHOS: cómo crear autoorganización y cómo utilizar la inteligencia colectiva ... en las empresas y en la sociedad a partir del mana . LIBROS BAJO DEMANDA. ISBN 9783750422421.
- ^ Whitaker, RM, Hurley, S .. Un enfoque basado en agentes para la selección de sitios para redes inalámbricas . Simposio Proc ACM sobre Computación Aplicada, págs. 574–577, (2002).
- ^ "Aviones, trenes y colinas de hormigas: los informáticos simulan la actividad de las hormigas para reducir los retrasos de las aerolíneas" . Science Daily . 1 de abril de 2008. Archivado desde el original el 24 de noviembre de 2010 . Consultado el 1 de diciembre de 2010 .
- ^ Miller, Peter (2010). El enjambre inteligente: cómo comprender las bandadas, las escuelas y las colonias puede ayudarnos a mejorar la comunicación, la toma de decisiones y la realización de las cosas . Nueva York: Avery. ISBN 978-1-58333-390-7.
- ^ Oxenham, Simon. "Por qué las abejas podrían ser el secreto de la inteligencia sobrehumana" . Consultado el 20 de enero de 2017 .
- ^ a b "Esta puesta en marcha predijo correctamente los Oscar, la Serie Mundial y el Super Bowl. Esto es lo que está haciendo a continuación" . Inc.com . 2018-06-14 . Consultado el 10 de septiembre de 2018 .
- ^ a b Rosenberg, L .; Pescetelli, N .; Willcox, G. (octubre de 2017). La inteligencia artificial enjambre amplifica la precisión al predecir los mercados financieros . 2017 IEEE 8th Annual Ubiquitous Computing, Electronics and Mobile Communication Conference (UEMCON) . págs. 58–62. doi : 10.1109 / UEMCON.2017.8248984 . ISBN 978-1-5386-1104-3. S2CID 21312426 .
- ^ http://sites.lsa.umich.edu/collectiveintelligence/wp-content/uploads/sites/176/2015/05/Rosenberg-CI-2015-Abstract.pdf
- ^ Metcalf, Lynn; Askay, David A .; Rosenberg, Louis B. (17 de julio de 2019). "Mantener a los seres humanos en el circuito: poner en común el conocimiento a través de la inteligencia artificial enjambre para mejorar la toma de decisiones empresariales". Revisión de la gestión de California . 61 (4): 84–109. doi : 10.1177 / 0008125619862256 . ISSN 0008-1256 . S2CID 202323483 .
- ^ Willcox, Gregg; Rosenberg, Louis; Askay, David; Metcalf, Lynn; Harris, Erick; Domnauer, Colin (2020). Arai, Kohei; Bhatia, Rahul (eds.). "Enjambre artificial demostrado para ampliar la precisión de las decisiones de grupo en tareas de juicio subjetivo". Avances en información y comunicación . Apuntes de conferencias en redes y sistemas. Springer International Publishing. 70 : 373–383. doi : 10.1007 / 978-3-030-12385-7_29 . ISBN 9783030123857.
- ^ "La inteligencia artificial convierte $ 20 en $ 11.000 en la apuesta del Derby de Kentucky" . Newsweek . 2016-05-10 . Consultado el 20 de enero de 2017 .
- ^ Quemaduras, Janet. "AI que aseguró la Trifecta dio el Super Bowl a Green Bay - en agosto" . Forbes . Consultado el 20 de enero de 2017 .
- ^ "Human Swarms, un método en tiempo real para la inteligencia colectiva" . Archivado desde el original el 27 de octubre de 2015 . Consultado el 12 de octubre de 2015 .
- ^ "Swarms of Humans Power AI Platform" . DNews . 2017-05-10.
- ^ Rosenberg, L .; Baltaxe, D .; Pescetelli, N. (1 de octubre de 2016). Multitudes vs enjambres, una comparación de inteligencia . 2016 Taller de Inteligencia Combinada de Enjambres / Humanos (SHBI) . págs. 1–4. doi : 10.1109 / SHBI.2016.7780278 . ISBN 978-1-5090-3502-1. S2CID 12725324 .
- ^ Rosenberg, Louis B. (2015). "Enjambre humano, un método en tiempo real para la inteligencia distribuida en paralelo". 2015 Taller de Inteligencia Combinada de Enjambres / Humanos (SHBI) . págs. 1-7. doi : 10.1109 / SHBI.2015.7321685 . ISBN 978-1-4673-6522-2. S2CID 15166767 .
- ^ Rosenberg, L .; Willcox, G. (junio de 2018). Enjambres artificiales encuentran Social Optima: (Informe de última hora) . Conferencia IEEE 2018 sobre aspectos cognitivos y computacionales de la gestión de situaciones (CogSIMA) . págs. 174-178. doi : 10.1109 / COGSIMA.2018.8423987 . ISBN 978-1-5386-5288-6. S2CID 51909462 .
- ^ Rosenberg, L .; Pescetelli, N. (septiembre de 2017). Amplificación de la precisión de la predicción con Swarm AI . Conferencia de Sistemas Inteligentes 2017 (IntelliSys) . págs. 61–65. doi : 10.1109 / IntelliSys.2017.8324329 . ISBN 978-1-5090-6435-9. S2CID 4366745 .
- ^ "La inteligencia artificial convierte $ 20 en $ 11.000 en la apuesta del Derby de Kentucky" . Newsweek . 2016-05-10 . Consultado el 10 de septiembre de 2018 .
- ^ "La IA unánime logra diagnósticos de neumonía un 22% más precisos" . VentureBeat . 2018-09-10 . Consultado el 20 de julio de 2019 .
- ^ Liu, fan (27 de septiembre de 2018). "La inteligencia artificial enjambre diagnostica la neumonía mejor que una computadora individual o un médico" . El diario de Stanford . Consultado el 20 de julio de 2019 .
- ^ "Un enjambre de conocimientos - Revista Radiology Today" . www.radiologytoday.net . Consultado el 20 de julio de 2019 .
- ^ vonMammen, Sebastian; Jacob, cristiano (2009). "La evolución de las gramáticas de enjambre: cultivo de árboles, creación de arte y diseño de abajo hacia arriba" . Inteligencia computacional . 4 (3): 10-19. CiteSeerX 10.1.1.384.9486 . doi : 10.1109 / MCI.2009.933096 . S2CID 17882213 .
- ^ du Castel, Bertrand (15 de julio de 2015). "Teoría de la Mente de Activación / Reconocimiento de Patrones" . Fronteras en neurociencia computacional . 9 (90): 90. doi : 10.3389 / fncom.2015.00090 . PMC 4502584 . PMID 26236228 .
- ^ a b al-Rifaie, MM; Bishop, JM; Caines, S. (2012). "Creatividad y autonomía en sistemas de inteligencia de enjambres" (PDF) . Computación cognitiva . 4 (3): 320–331. doi : 10.1007 / s12559-012-9130-y . S2CID 942335 .
- ^ Deleuze G, Guattari F, Massumi B. Mil mesetas. Minneapolis: Prensa de la Universidad de Minnesota; 2004.
- ^ Al-Rifaie, Mohammad Majid; Obispo, Juan Marcos (2013). "Bocetos Swarmic y mecanismo de atención" (PDF) . Música, sonido, arte y diseño evolutivos y de inspiración biológica (PDF) . Apuntes de conferencias en informática. 7834 . págs. 85–96. doi : 10.1007 / 978-3-642-36955-1_8 . ISBN 978-3-642-36954-4.
- ^ Al-Rifaie, Mohammad Majid; Obispo, Juan Marcos (2013). "Pinturas Swarmic y atención al color" (PDF) . Música, sonido, arte y diseño evolutivos y de inspiración biológica (PDF) . Apuntes de conferencias en informática. 7834 . págs. 97-108. doi : 10.1007 / 978-3-642-36955-1_9 . ISBN 978-3-642-36954-4.
- ^ al-Rifaie, Mohammad Majid, Mark JM Bishop y Ahmed Aber. "¿ Creativo o no? Los pájaros y las hormigas dibujan con músculos ". Actas de AISB'11 Computing and Philosophy (2011): 23-30.
- ^ al-Rifaie MM, Bishop M (2013) Inteligencia de enjambre y creatividad artificial débil . En: Asociación para el Avance de la Inteligencia Artificial (AAAI) 2013: Simposio de primavera, Universidad de Stanford, Palo Alto, California, EE. UU., Págs. 14-19
- ^ N. Correll, N. Farrow, K. Sugawara, M. Theodore (2013): The Swarm Wall: Toward Life's Uncanny Valley. En: K. Goldberg, H. Knight, P. Salvini (Ed.): IEEE International Conference on Robotics and Automation, Workshop on Art and Robotics: Freud's Unheimlich and the Uncanny Valley.
Otras lecturas
- Bonabeau, Eric; Dorigo, Marco; Theraulaz, Guy (1999). Inteligencia de enjambre: de sistemas naturales a artificiales . ISBN 978-0-19-513159-8.
- Kennedy, James; Eberhart, Russell C. (9 de abril de 2001). Inteligencia de enjambre . ISBN 978-1-55860-595-4.
- Engelbrecht, Andries (16 de diciembre de 2005). Fundamentos de la inteligencia de enjambre computacional . Wiley & Sons. ISBN 978-0-470-09191-3.
enlaces externos
- Marco Dorigo y Mauro Birattari (2007). "Inteligencia de enjambre" en Scholarpedia
- Antoinette Brown. Inteligencia de enjambre