군집 지능

Swarm intelligence

군집 지능(SI)은 자연적 또는 인공적으로 분산된 자기 조직화된 시스템의 집단적 행동입니다.그 개념은 인공지능에 관한 작업에 사용된다.이 표현은 1989년 Gerardo Beni와 Jing Wang에 의해 세포 로봇 [1]시스템의 맥락에서 도입되었습니다.

SI 시스템은 일반적으로 국소적으로 상호 및 [2]환경과 상호작용하는 단순 에이전트 또는 Boid 집단으로 구성됩니다.영감은 종종 자연, 특히 생물학적 시스템으로부터 온다.에이전트는 매우 간단한 규칙을 따르며 개별 에이전트의 동작, 로컬 및 어느 정도 랜덤을 지시하는 중앙 집중식 제어 구조는 없지만 이러한 에이전트 간의 상호 작용에 의해 개별 [3]에이전트에 알려지지 않은 "인텔리전트한" 글로벌 동작이 나타납니다.자연계의 군집 지능의 예로는 개미 군집, 벌 군집, 새떼, 매 사냥, 동물 목축, 박테리아 성장, 어류 교육 및 미생물 지능이 있습니다.

로봇에 대한 군집 원리의 적용은 군집 로봇학이라고 불리는 반면, 군집 지능은 보다 일반적인 알고리즘 집합을 말합니다.군집 예측은 문제를 예측하는 맥락에서 사용되어 왔다.군집 로봇에 대해 제안된 것과 유사한 접근방식은 합성 집단 [4]지능의 유전자 변형 유기체에 대해 고려된다.

군집 거동 모델

다음 항목도 참조하십시오.군집 행동

보이즈(1987년 레이놀즈)

주요 기사: Boids

Boids는 1986년 크레이그 레이놀즈가 개발한 인공 생명 프로그램으로, 새의 떼짓는 행동을 모방한다.이 주제에 대한 그의 논문은 1987년 ACM SIGGRAPH [5]회의의 진행에 발표되었습니다."boid"라는 이름은 "bird-oid object"의 줄임말인 "bird-oid [6]object"에 해당합니다.

대부분의 인공 생명 시뮬레이션과 마찬가지로, 보이드는 새로운 행동의 한 예이다; 즉, 보이드의 복잡성은 일련의 간단한 규칙을 고수하는 개별 에이전트들의 상호작용에서 발생한다.가장 단순한 Boids 세계에 적용되는 규칙은 다음과 같습니다.

  • 분리: 지역 동료가 붐비는 것을 피하기 위해 조정
  • 얼라인먼트: 로컬 플록메이트의 평균 방향을 향합니다.
  • 응집력: 지역 플록메이트의 평균 위치(질량의 중심)로 이동하기 위한 조향

장애물 회피 및 목표 추구와 같은 더 복잡한 규칙을 추가할 수 있습니다.

자주성 입자 (Vicsek et al. 1995)

주요 기사:자주 입자

Vicsek 모델이라고도 불리는 자주식 입자(SPP)[7][5]는 레이놀즈가 1986년에 도입한 Boids 모델의 특별한 경우로서 Vicsek 등에 의해 1995년에 도입되었습니다.SPP에서는 일정한 속도로 이동하지만, 그 때마다 국소 [8]근방에 있는 다른 입자의 평균 운동 방향을 증가시킴으로써 랜덤 섭동에 응답하는 입자의 집합으로 군집을 모델링한다.SPP 모델은 무리 [9]내 동물의 종류에 관계없이 무리 내 동물들이 그룹 수준에서 특정 특성을 공유한다고 예측합니다.군집 시스템은 많은 다양한 규모로 발생하는 새로운 행동을 유발하며, 그 중 일부는 보편적이고 견고한 것으로 드러나고 있습니다.이론 물리학에서는 이러한 행동을 [10][11][12]포착하는 최소 통계 모델을 찾는 것이 과제가 되었다.

메타휴리스틱스

다음 항목도 참조하십시오.메타휴리스틱스 목록

진화 알고리즘(EA), 입자 군집 최적화(PSO), 미분 진화(DE), 개미 군집 최적화(ACO) 및 그 변종들이 자연에서 영감을 받은 메타 휴리스틱스 [13]분야를 지배한다.이 목록에는 2000년경까지 공개된 알고리즘이 포함되어 있습니다.보다 최근의 메타휴리스틱에서 영감을 받은 많은 메타휴리스틱들이 정교한 은유 뒤에 그들의 참신함의 결여를 숨긴다는 이유로 연구 커뮤니티에서 비판을 받기 시작했다.그 이후에 발표된 알고리즘에 대해서는 메타휴리스틱 목록을 참조하십시오.

메타휴리스틱스는 솔루션에 [14]대한 확신이 부족하다.적절한 파라미터가 결정되고 충분한 컨버전스 단계가 되면 최적 또는 최적에 가까운 솔루션을 발견하는 경우가 많습니다.그러나 최적의 솔루션을 사전에 파악하지 못하면 솔루션의 품질을 [14]알 수 없습니다.이러한 명백한 결점에도 불구하고, 이러한 유형의 알고리즘은 실제로 잘 작동하며 광범위하게 연구 [15][16][17][18][19]및 개발되고 있는 것으로 나타났다.한편, 이러한 계산이 가능한 특수한 케이스의 용액 품질을 계산함으로써 이러한 단점을 회피할 수 있으며, 그러한 실행 후에 적어도 특수한 케이스가 가지고 있던 용액만큼 좋은 모든 솔루션이 적어도 특별한 케이스가 가지고 있던 해결책에 대한 확신을 갖는다는 것을 알 수 있다.그러한 사례 중 하나는 개미 군집 최적화 [20]기법과 몬테카를로 알고리즘의 하이브리제이션을 통해 확률적으로 달성된 최소 피드백 아크 세트에 대한 개미 영감을 받은 몬테카를로 알고리즘이다.

확률적 확산 탐색(1989년 비숍)

주요 기사:확률적 확산 탐색

1989년에 처음 출판된 확률 확산 탐색(SDS)[21][22]은 최초의 군집 지능 메타 휴리스틱이었다.SDS는 에이전트 기반의 확률론적 글로벌 검색 및 최적화 기술로, 목적 함수를 여러 개의 독립된 부분 함수로 분해할 수 있는 문제에 가장 적합합니다.각 에이전트는 에이전트의 현재 가설에 의해 파라미터화된 무작위로 선택된 부분 목적 함수를 평가함으로써 반복적으로 테스트되는 가설을 유지한다.표준 버전의 SDS에서는 이러한 부분 함수 평가가 바이너리 방식으로 이루어지기 때문에 각 에이전트가 활성화 또는 비활성화됩니다.가설에 대한 정보는 에이전트 간 통신을 통해 모집단에 확산됩니다.ACO에서 사용되는 stigmergic 통신과 달리 SDS 에이전트는 Leptothorax acervum에서 [23]관찰된 탠덤 실행 절차와 유사한 일대일 통신 전략을 통해 가설을 전달합니다.긍정적인 피드백 메커니즘은 시간이 지남에 따라 에이전트 집단이 글로벌 최고의 솔루션 주위에서 안정된다는 것을 보증합니다.SDS는 효율적이고 강력한 글로벌 검색 및 최적화 알고리즘으로, 수학적으로 광범위하게 [24][25][26]설명되어 있습니다.최근 작업에서는 SDS의 글로벌 검색 속성을 다른 군집 인텔리전스 [27][28]알고리즘과 병합하는 작업이 수행되었습니다.

개미 군락 최적화(Dorigo 1992)

주요 기사:개미 군락 최적화

도리고가 박사학위 논문에서 소개한 개미 군락 최적화(ACO)는 개미 군락의 행동을 모델로 한 최적화 알고리즘이다.ACO는 그래프를 통해 더 나은 경로를 찾는 문제에 유용한 확률론적 기법이다.시뮬레이션 에이전트인 인공 '개미'는 가능한 모든 솔루션을 나타내는 매개 변수 공간을 이동함으로써 최적의 솔루션을 찾습니다.자연개미는 페로몬을 눕혀서 서로 자원으로 향하게 하고 환경을 탐색한다.시뮬레이션된 '개미'는 유사하게 자신의 위치와 솔루션의 품질을 기록하므로, 이후 시뮬레이션에서 더 많은 개미가 더 나은 [29]솔루션을 찾을 수 있다.

입자 군집 최적화(Kennedy, Everhart 및 Shi 1995)

주요 기사: 입자 군집 최적화

PSO(Particle Swarm Optimization)는 최적의 솔루션을 n차원 공간에서 점 또는 표면으로 나타낼 수 있는 문제에 대처하기 위한 글로벌 최적화 알고리즘입니다.가설은 이 공간에 플롯되어 초기 속도 [30][31]및 입자 간의 통신 채널로 시드됩니다.그런 다음 입자는 용액 공간을 이동하며 각 시간 단계 후에 적합성 기준에 따라 평가됩니다.시간이 지남에 따라 입자는 더 나은 적합치를 가진 통신 그룹 내의 입자를 향해 가속됩니다.시뮬레이션 어닐링과 같은 다른 글로벌 최소화 전략에 비해 이러한 접근방식의 주요 장점은 입자 무리를 구성하는 많은 수의 구성원들이 국소 최소화 문제에 대해 기술을 인상적으로 탄력적으로 만들어준다는 것이다.

인공 군집 인텔리전스 (2015)

인공군집지능(ASI)은 자연군집단을 모델로 한 제어 알고리즘을 사용하여 네트워크화된 인간집단의 집단지성을 증폭하는 방법이다.하기 위해 때때로 인간 Swarming이나 유주 AI로 불리는, 그 기술을 사용하고 역동적인 무리로 해결책 찾는데 집중 심의했다 실시간 시스템에 인간의 참가자들을 연결해 줄 때 동시에 ASI 애플리케이션의 넓은 범위로 실업 팀이 매우 교류를 생성할 수 있도록에서 사용돼 와question[32][33][34]를 선.목사보 fina스포츠 팬들이 라스베이거스 베팅 [36]시장을 능가할 수 있을 것으로 예상합니다[35].ASI는 또한 의사 그룹이 기존 [37][38]방법보다 훨씬 더 높은 정확도로 진단을 생성할 수 있도록 하기 위해 사용되어 왔다.ASI는 유엔 식량농업기구(FAO)가 전 [39][better source needed]세계 핫스팟의 기근을 예측하기 위해 사용해 왔다.

적용들

군집 인텔리전스 기반 기술은 여러 응용 프로그램에서 사용할 수 있습니다.미군은 무인자동차 조종을 위한 군단 기술을 조사하고 있다.유럽우주국은 자기집합과 간섭계를 위한 궤도 군집을 고려하고 있다.NASA는 행성 지도를 위한 군집 기술의 사용을 조사하고 있다.M의 1992년 논문. 앤서니 루이스와 조지 A. 베키는 암 종양을 [40]죽이기 위해 군집 지능을 이용해 몸 안의 나노봇을 제어하는 가능성에 대해 논의한다.반대로 al-Rifaie와 Aber는 [41][42]종양의 위치를 찾기 위해 확률적 확산 검색을 사용했다.데이터[43] 마이닝 및 클러스터 [44]분석에도 군집 인텔리전스가 적용되었습니다.개미 기반 모델은 현대 경영 [45]이론의 또 다른 주제이다.

개미 기반 라우팅

통신 네트워크에서의 군집 인텔리전스의 사용도 개미 기반 라우팅의 형태로 연구되고 있습니다.이는 1990년대 중반 Dorigo et al.와 Hewlett Packard에 의해 개별적으로 개척되었으며 많은 변종이 존재한다.기본적으로는 네트워크를 플래딩하는 각 "개미"(작은 제어 패킷)에 의해 정상적으로 횡단된 경로에 대한 보상/보강 확률론적 라우팅 테이블을 사용합니다.순방향, 역방향 및 두 가지 경로의 보강이 동시에 연구되었습니다. 역방향 보강은 대칭 네트워크를 필요로 하며 두 방향을 결합합니다. 순방향 보강은 결과를 알기 전에 경로를 보상합니다(그러나 영화가 얼마나 좋은지 알기 전에 영화관에 비용을 지불할 것입니다).시스템이 확률적으로 동작하기 때문에 반복성이 부족하기 때문에 상업적 배치에 큰 장애가 있습니다.모바일 미디어와 신기술은 군집 지능(Rheingold: 2002, P175)으로 인해 집단 행동의 문턱을 바꿀 수 있습니다.

무선 통신 네트워크의 전송 인프라스트럭처의 위치는 경쟁 목적을 수반하는 중요한 엔지니어링 문제입니다.사용자에게 적절한 지역 커버리지를 제공하기 위해 최소한의 위치(또는 사이트)를 선택해야 합니다.매우 다른 개성의 영감을 받은 군집 지능 알고리즘인 확률 확산 검색(SDS)은 원 패킹 및 세트 커버링과 관련된 이 문제에 대한 일반 모델을 제공하기 위해 성공적으로 사용되었다.대규모 문제 발생 시에도 [46]SDS를 적용하여 적합한 솔루션을 식별할 수 있는 것으로 나타났습니다.

항공사들은 또한 항공기 도착을 공항 게이트에 배정할 때 개미 기반 루팅을 사용했다.사우스웨스트 항공의 소프트웨어 프로그램은 개미 군집이 단독으로 작동하는 것보다 더 잘 작동한다는 개념인 군집 이론 또는 군집 지능을 사용합니다.각각의 조종사들은 최고의 공항 게이트를 찾는 개미처럼 행동한다.더글러스 A는 "조종사는 자신의 경험을 통해 무엇이 자신에게 최선인지 알게 되고 그것이 항공사를 위한 최선의 해결책임이 밝혀진다"고 말했다. 로슨이 설명한다.그 결과 조종사들은 항상 빠르게 출입할 수 있는 게이트로 간다.이 프로그램은 심지어 비행기의 정체가 발생하기 전에 조종사에게 경고할 수 있다.「이러한 일이 일어날 것을 예상할 수 있기 때문에, 이용 가능한 게이트가 있습니다」라고 Lawson씨는 말합니다.[47]

군중 시뮬레이션

예술가들은 복잡한 인터랙티브 시스템을 만들거나 [citation needed]군중을 시뮬레이션하는 수단으로 군집 기술을 사용하고 있습니다.

인스턴스

반지의 제왕 3부작은 전투 장면에서 매시브 (소프트웨어)로 알려진 유사한 기술을 사용했다.스몰 테크놀로지는 저렴하고 견고하며 단순하기 때문에 특히 매력적입니다.

스탠리와 스텔라가 출연한 영화: 브레이킹 더 아이스(Breaking the [citation needed]Ice)는 Boids 시스템을 사용하여 물고기와 새들의 움직임을 사실적으로 묘사하는 군집 기술을 렌더링에 사용한 최초의 영화이다.

팀 버튼의 배트맨 리턴즈 [citation needed]또한 박쥐 집단의 움직임을 보여주기 위해 군집 기술을 사용했다.

항공사들은 비행기에 탑승하는 승객들을 시뮬레이션하기 위해 무리 이론을 사용해 왔다.사우스웨스트 항공 연구원 더글라스 A.로슨은 다양한 탑승 방법을 사용하여 탑승 시간을 평가하기 위해 6가지 상호 작용 규칙만을 사용하는 개미 기반 컴퓨터 시뮬레이션을 사용했습니다.(Miller, 2010, 12-xvii).[48]

인간떼

실시간 폐쇄 루프 제어 [49][50]시스템의 구현을 통해 분산 사용자의 네트워크를 "인간 무리"로 구성할 수 있습니다.인간의 무리짓기는 온라인상의 상호 연결된 사람들의 집단적 지능을 이용할 수 있게 해준다.집단의 집단 지성은 종종 집단의 [51]구성원들의 능력을 능가한다.

스탠퍼드대 의과대학은 2018년에 인간 의사 그룹이 실시간 군중 알고리즘으로 연결되었을 때 개인 의사 그룹이나 전통적인 크라우드 소싱 방법을 사용하여 함께 일하는 의사 그룹보다 훨씬 더 높은 정확도로 의학 상태를 진단할 수 있다는 연구 결과를 발표했습니다.그러한 한 연구에서, 함께 연결된 인간 방사선 전문의 무리들은 흉부 X선 진단을 맡았고, 기존의 인간 방법에 비해 진단 오류가 33% 감소했으며, 기존의 기계 [37][52][53][38]학습보다 22% 향상되었음을 보여주었다.

캘리포니아 대학 샌프란시스코 의과대학(UCSF)은 2021년에 소규모 협력 의사 그룹에 의한 MRI 영상 진단에 관한 프리프린트를 발표했습니다.이번 연구에서는 다수의 [54]투표에 비해 인공군단지능(ASI) 기술을 사용할 때 진단 정확도가 23% 향상된 것으로 나타났다.

군집 문법

군집 문법은 예술이나 [55]건축에서 볼 수 있는 복잡한 특성을 설명하기 위해 진화될 수 있는 확률적 문법의 무리입니다.이 문법들은 군집 지능의 규칙에 따라 행동하는 에이전트로 상호작용합니다.이러한 동작은 특히 신경 회로에 대한 그러한 무리 [56]매핑을 고려할 때 딥 러닝 알고리즘을 제안할 수 있다.

군집 예술

일련의 작품에서, al-Rifaie et al.[57]두 종류의 개미(Leptothorax acervorum)의 행동을 모방하는 두 가지 군집 인텔리전스 알고리즘(하나는 먹이를 찾는(stockastic diffusion search, SDS)과 새떼의 행동을 모방하는 다른 알고리즘(particle spirities optimization, PSO)을 성공적으로 사용하여 로컬 검색 프로를 이용하는 새로운 통합 전략을 설명했습니다.PSO와 글로벌 SDS 동작의 경계.결과적인 하이브리드 알고리즘은 입력 이미지의 새로운 그림을 스케치하는 데 사용되며, 입력 스케치를 따르려는 '새떼'의 로컬 행동과 캔버스의 새로운 영역을 탐색하도록 격려하는 '개미떼'의 글로벌 행동 사이의 예술적 긴장감을 이용한다.이 잡종 군집 시스템의 "창조성"은 들뢰즈의 "Orchid and Wasp" [58]은유 맥락에서 "rozome"의 철학적 관점에서 분석되었습니다.

Al-Rifaie 등의 보다 최근 작업인 "Swarmic Sketchs and Attention Mechanism"[59]은 디지털 캔버스의 세부 영역에 선택적으로 관심을 기울이도록 SDS를 조정함으로써 '주의' 메커니즘을 배치하는 새로운 접근법을 도입했다.일단 군중의 주의를 캔버스 내의 특정 선으로 끌면 PSO의 기능을 사용하여 참석 라인의 '전투 스케치'를 작성합니다.군중은 피트니스 기능을 통해 자신과 연관된 동적 역할(더 자세한 영역에 대한 주의력)을 충족시키기 위해 디지털 캔버스 전체를 이동합니다.렌더링 프로세스를 주목의 개념과 관련지어 '아티스트' 무리들이 입력선 도면을 해석하기 시작할 때마다 참가 무리들의 퍼포먼스는 독특하고 동일하지 않은 스케치를 작성합니다.다른 작업에서는 PSO가 스케치 프로세스를 담당하지만 SDS가 스몰의 주의를 제어합니다.

유사한 작품인 "전투 그림 및 색채 주의"[60]에서 비사실적 이미지는 이 작품의 맥락에서 색채 주의를 담당하는 SDS 알고리즘을 사용하여 제작됩니다.

위에서 언급한 시스템의 "컴퓨터의 창조성"은 군집 지능의 탐구와 착취라는 악명 높은 두 가지 단계에서 창의성의 두 가지 전제 조건(자유와 제약)을 통해 논의됩니다[57][61][62].

Michael Todore와 Nikolaus Correll은 군집 인텔리전트 아트 설비를 사용하여 실제와 [63]같은 시스템을 만들기 위해 무엇이 필요한지를 조사합니다.

저명한 연구자

「 」를 참조해 주세요.

레퍼런스

  1. ^ Beni, G., Wang, J. (1993). "Swarm Intelligence in Cellular Robotic Systems". Proceed. NATO Advanced Workshop on Robots and Biological Systems, Tuscany, Italy, June 26–30 (1989). Berlin, Heidelberg: Springer. pp. 703–712. doi:10.1007/978-3-642-58069-7_38. ISBN 978-3-642-63461-1.{{cite book}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  2. ^ Hu, J.; Turgut, A.; Krajnik, T.; 레녹스, B.;Arvin, F., "Autonomous Robotic Shepherding Tasks를 위한 폐색 기반 조정 프로토콜 설계" IEEE Transactions on Cognitive and Developmental Systems, 2020.
  3. ^ Hu, J.; Bhowmick, P.; Jang, I.; Arvin, F.; Lanzon, A, "멀티로봇 시스템을 위한 분산형 클러스터 형성 억제 프레임워크" IEEE Transactions on Robotics, 2021.
  4. ^ Solé R, Rodriguez-Amor D, Duran-Nebreda S, Conde-Pueyo N, Carbonell-Ballestero M, Montañez R (October 2016). "Synthetic Collective Intelligence". BioSystems. 148: 47–61. doi:10.1016/j.biosystems.2016.01.002. PMID 26868302.
  5. ^ a b Reynolds, Craig (1987). Flocks, herds and schools: A distributed behavioral model. SIGGRAPH '87: Proceedings of the 14th Annual Conference on Computer Graphics and Interactive Techniques. Association for Computing Machinery. pp. 25–34. CiteSeerX 10.1.1.103.7187. doi:10.1145/37401.37406. ISBN 978-0-89791-227-3. S2CID 546350.
  6. ^ Banks, Alec; Vincent, Jonathan; Anyakoha, Chukwudi (July 2007). "A review of particle swarm optimization. Part I: background and development". Natural Computing. 6 (4): 467–484. CiteSeerX 10.1.1.605.5879. doi:10.1007/s11047-007-9049-5. S2CID 2344624.
  7. ^ Vicsek, T.; Czirok, A.; Ben-Jacob, E.; Cohen, I.; Shochet, O. (1995). "Novel type of phase transition in a system of self-driven particles". Physical Review Letters. 75 (6): 1226–1229. arXiv:cond-mat/0611743. Bibcode:1995PhRvL..75.1226V. doi:10.1103/PhysRevLett.75.1226. PMID 10060237. S2CID 15918052.
  8. ^ Czirók, A.; Vicsek, T. (2006). "Collective behavior of interacting self-propelled particles". Physica A. 281 (1): 17–29. arXiv:cond-mat/0611742. Bibcode:2000PhyA..281...17C. doi:10.1016/S0378-4371(00)00013-3. S2CID 14211016.
  9. ^ Buhl, J.; Sumpter, D.J.T.; Couzin, D.; Hale, J.J.; Despland, E.; Miller, E.R.; Simpson, S.J.; et al. (2006). "From disorder to order in marching locusts" (PDF). Science. 312 (5778): 1402–1406. Bibcode:2006Sci...312.1402B. doi:10.1126/science.1125142. PMID 16741126. S2CID 359329. Archived from the original (PDF) on 2011-09-29. Retrieved 2011-10-07.
  10. ^ Toner, J.; Tu, Y.; Ramaswamy, S. (2005). "Hydrodynamics and phases of flocks" (PDF). Annals of Physics. 318 (1): 170–244. Bibcode:2005AnPhy.318..170T. doi:10.1016/j.aop.2005.04.011. Archived from the original (PDF) on 2011-07-18. Retrieved 2011-10-07.
  11. ^ Bertin, E.; Droz, M.; Grégoire, G. (2009). "Hydrodynamic equations for self-propelled particles: microscopic derivation and stability analysis". J. Phys. A. 42 (44): 445001. arXiv:0907.4688. Bibcode:2009JPhA...42R5001B. doi:10.1088/1751-8113/42/44/445001. S2CID 17686543.
  12. ^ Li, Y.X.; Lukeman, R.; Edelstein-Keshet, L.; et al. (2007). "Minimal mechanisms for school formation in self-propelled particles" (PDF). Physica D: Nonlinear Phenomena. 237 (5): 699–720. Bibcode:2008PhyD..237..699L. doi:10.1016/j.physd.2007.10.009. Archived from the original (PDF) on 2011-10-01.
  13. ^ Lones, Michael A. (2014). "Metaheuristics in Nature-Inspired Algorithms". Proceedings of the 2014 conference companion on Genetic and evolutionary computation companion - GECCO Comp '14 (PDF). GECCO '14. pp. 1419–1422. CiteSeerX 10.1.1.699.1825. doi:10.1145/2598394.2609841. ISBN 9781450328814. S2CID 14997975.
  14. ^ 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, pp. 581–604, doi:10.1007/978-3-319-91086-4_18, ISBN 978-3-319-91086-4, S2CID 70030182
  15. ^ Burke, Edmund; De Causmaecker, Patrick; Petrovic, Sanja; Berghe, Greet Vanden (2004), Resende, Mauricio G. C.; de Sousa, Jorge Pinho (eds.), "Variable Neighborhood Search for Nurse Rostering Problems", Metaheuristics: Computer Decision-Making, Applied Optimization, Boston, MA: Springer US, pp. 153–172, doi:10.1007/978-1-4757-4137-7_7, ISBN 978-1-4757-4137-7
  16. ^ Fu, Michael C. (2002-08-01). "Feature Article: Optimization for simulation: Theory vs. Practice". INFORMS Journal on Computing. 14 (3): 192–215. doi:10.1287/ijoc.14.3.192.113. ISSN 1091-9856.
  17. ^ Dorigo, Marco; Birattari, Mauro; Stutzle, Thomas (November 2006). "Ant colony optimization". IEEE Computational Intelligence Magazine. 1 (4): 28–39. doi:10.1109/MCI.2006.329691. ISSN 1556-603X.
  18. ^ Hayes-RothFrederick (1975-08-01). "Review of "Adaptation in Natural and Artificial Systems by John H. Holland", The U. of Michigan Press, 1975". ACM SIGART Bulletin (53): 15. doi:10.1145/1216504.1216510. S2CID 14985677.
  19. ^ Resende, Mauricio G.C.; Ribeiro, Celso C. (2010), Gendreau, Michel; Potvin, Jean-Yves (eds.), "Greedy Randomized Adaptive Search Procedures: Advances, Hybridizations, and Applications", Handbook of Metaheuristics, International Series in Operations Research & Management Science, Boston, MA: Springer US, pp. 283–319, doi:10.1007/978-1-4419-1665-5_10, ISBN 978-1-4419-1665-5
  20. ^ Kudelić, Robert; Ivković, Nikola (2019-05-15). "Ant inspired Monte Carlo algorithm for minimum feedback arc set". Expert Systems with Applications. 122: 108–117. doi:10.1016/j.eswa.2018.12.021. ISSN 0957-4174. S2CID 68071710.
  21. ^ 비숍, J.M., 확률적 검색 네트워크, IIEE 1중대.인공 신경망에 관한 회의, 페이지 329-331, 영국 런던, (1989)
  22. ^ Nasuto, S.J. & Bishop, J.M., (2008), 포지티브 피드백 자원 할당을 통한 군집 인텔리전스 검색 안정화, 입력: Krasnogor, N., Nicosia, G, Pavone, M., & Pelta, D. (eds), Nature Inspired Cooperative Studies in Optimative Studies, Optiaties, Optimization, Optiation.
  23. ^ Mglich, M.; Maschwitz, U.; Hlldobler, B. (1974). "Tandem Calling: A New Kind of Signal in Ant Communication". Science. 186 (4168): 1046–1047. Bibcode:1974Sci...186.1046M. doi:10.1126/science.186.4168.1046. S2CID 31118090.
  24. ^ Nasuto, S.J., Bishop, J.M. & Lauria, S., 확률 확산 검색의 시간 복잡도 분석, Pro.Neural Computation '98, 페이지 260-266, 오스트리아 비엔나, (1998).
  25. ^ Nasuto, S.J., & Bishop, J.M, (1999), 확률 확산 검색의 수렴, 병렬 알고리즘, 14:2, 페이지: 89-107.
  26. ^ Myatt, D.M., Bishop, J.M, Nasuto, S.J., (2004), 확률 확산 검색을 위한 최소 안정 수렴 기준, 전자 서신, 22:40, 페이지 112-113.
  27. ^ Al-Rifaie, M.M., Bishop, J.M. & Blackwell, T., 확률적 확산 검색과 입자 군집 최적화의 통합에 대한 조사, 13차 회의.유전자 및 진화 계산(GECCO), 페이지 37-44, (2012).
  28. ^ 알 리파이, 모하마드 마지드, 존 마크 비숍, 팀 블랙웰."확률적 확산 탐색이 미분 진화 알고리즘에 미치는 영향을 공유하는 정보"Memetic Computing 4.4 (2012): 327-338.
  29. ^ Marco Dorigo and Thomas Stützle, MIT Press, 2004.ISBN 0-262-04219-3
  30. ^ Parsopoulos, K. E.; Vrahatis, M. N. (2002). "Recent Approaches to Global Optimization Problems Through Particle Swarm Optimization". Natural Computing. 1 (2–3): 235–306. doi:10.1023/A:1016568309421. S2CID 4021089.
  31. ^ Maurice Clerc, ISBN 1-905209-04-5, 2006에 의한 입자 군집 최적화.
  32. ^ Rosenberg, Louis (2015-07-20). "Human Swarms, a real-time method for collective intelligence". 07/20/2015-07/24/2015. Vol. 27. pp. 658–659. doi:10.7551/978-0-262-33027-5-ch117. ISBN 9780262330275.
  33. ^ Rosenberg, Louis; Willcox, Gregg (2020). Bi, Yaxin; Bhatia, Rahul; Kapoor, Supriya (eds.). "Artificial Swarm Intelligence". Intelligent Systems and Applications. Advances in Intelligent Systems and Computing. Springer International Publishing. 1037: 1054–1070. doi:10.1007/978-3-030-29516-5_79. ISBN 9783030295165. S2CID 195258629.
  34. ^ Metcalf, Lynn; Askay, David A.; Rosenberg, Louis B. (2019). "Keeping Humans in the Loop: Pooling Knowledge through Artificial Swarm Intelligence to Improve Business Decision Making". California Management Review. 61 (4): 84–109. doi:10.1177/0008125619862256. ISSN 0008-1256. S2CID 202323483.
  35. ^ Schumann, Hans; Willcox, Gregg; Rosenberg, Louis; Pescetelli, Niccolo (2019). ""Human Swarming" Amplifies Accuracy and ROI when Forecasting Financial Markets". 2019 IEEE International Conference on Humanized Computing and Communication (HCC). pp. 77–82. doi:10.1109/HCC46620.2019.00019. ISBN 978-1-7281-4125-1. S2CID 209496644.
  36. ^ Bayern, Macy (September 4, 2018). "How AI systems beat Vegas oddsmakers in sports forecasting accuracy". TechRepublic. Retrieved 2018-09-10.
  37. ^ a b Scudellari, Megan (2018-09-13). "AI-Human "Hive Mind" Diagnoses Pneumonia". IEEE Spectrum: Technology, Engineering, and Science News. Retrieved 2019-07-20.
  38. ^ a b Rosenberg, Louis; Lungren, Matthew; Halabi, Safwan; Willcox, Gregg; Baltaxe, David; Lyons, Mimi (November 2018). "Artificial Swarm Intelligence employed to Amplify Diagnostic Accuracy in Radiology". 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.
  39. ^ Rosenberg, Louis (October 13, 2021). "Swarm intelligence: AI inspired by honeybees can help us make better decisions". Big Think.
  40. ^ 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.
  41. ^ 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.
  42. ^ 알 리파이, 모하마드 마지드, 아흐메드 아베르, 아흐메드 마지드 오우다."확률적 확산 검색을 이용하여 유방[dead link] 촬영의 뼈 스캔과 미세 석회화의 전이를 확인합니다."생물정보학 및 생물의학 워크숍(BIBMW), 2012 IEEE 국제회의, 페이지 280-287.IEEE, 2012.
  43. ^ 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.
  44. ^ Thrun, M.; Ultsch, A. (2021). "Swarm Intelligence for Self-Organized Clustering". Artificial Intelligence. 290: 103237. arXiv:2106.05521. doi:10.1016/j.artint.2020.103237. S2CID 213923899.
  45. ^ Fladerer, Johannes-Paul; Kurzmann, Ernst (November 2019). THE WISDOM OF THE MANY : how to create self -organisation and how to use collective... intelligence in companies and in society from mana. BOOKS ON DEMAND. ISBN 9783750422421.
  46. ^ 휘태커, R.M., 헐리, S...무선 네트워크의 사이트 선택에 대한 에이전트 기반 접근법.응용 컴퓨팅에 관한 Proc ACM 심포지엄, 574~577, (2002).
  47. ^ "Planes, Trains and Ant Hills: Computer scientists simulate activity of ants to reduce airline delays". Science Daily. April 1, 2008. Archived from the original on November 24, 2010. Retrieved December 1, 2010.
  48. ^ 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.
  49. ^ Oxenham, Simon. "Why bees could be the secret to superhuman intelligence". Retrieved 2017-01-20.
  50. ^ Rosenberg, L.; Pescetelli, N.; Willcox, G. (October 2017). Artificial Swarm Intelligence amplifies accuracy when predicting financial markets. 2017 IEEE 8th Annual Ubiquitous Computing, Electronics and Mobile Communication Conference (UEMCON). pp. 58–62. doi:10.1109/UEMCON.2017.8248984. ISBN 978-1-5386-1104-3. S2CID 21312426.
  51. ^ Rosenberg, Louis (2016-02-12). "Artificial Swarm Intelligence, a human-in-the-loop approach to A.I." Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence. AAAI'16. Phoenix, Arizona: AAAI Press: 4381–4382.
  52. ^ "Unanimous AI achieves 22% more accurate pneumonia diagnoses". VentureBeat. 2018-09-10. Retrieved 2019-07-20.
  53. ^ "A Swarm of Insight - Radiology Today Magazine". www.radiologytoday.net. Retrieved 2019-07-20.
  54. ^ Shah, Rutwik; Astuto, Bruno; Gleason, Tyler; Fletcher, Will; Banaga, Justin; Sweetwood, Kevin; Ye, Allen; Patel, Rina; McGill, Kevin; Link, Thomas; Crane, Jason (2021-09-06). "Utilizing a digital swarm intelligence platform to improve consensus among radiologists and exploring its applications". arXiv:2107.07341 [cs.HC].
  55. ^ vonMammen, Sebastian; Jacob, Christian (2009). "The evolution of swarm grammars -- growing trees, crafting art and bottom-up design". IEEE Computational Intelligence Magazine. 4 (3): 10–19. CiteSeerX 10.1.1.384.9486. doi:10.1109/MCI.2009.933096. S2CID 17882213.
  56. ^ du Castel, Bertrand (15 July 2015). "Pattern Activation/Recognition Theory of Mind". Frontiers in Computational Neuroscience. 9 (90): 90. doi:10.3389/fncom.2015.00090. PMC 4502584. PMID 26236228.
  57. ^ a b al-Rifaie, MM; Bishop, J.M.; Caines, S. (2012). "Creativity and Autonomy in Swarm Intelligence Systems" (PDF). Cognitive Computation. 4 (3): 320–331. doi:10.1007/s12559-012-9130-y. S2CID 942335.
  58. ^ 들뢰즈 G, 과타리 F, 마스미 B.천 개의 고원.미니애폴리스:미네소타 대학 출판부; 2004.
  59. ^ Al-Rifaie, Mohammad Majid; Bishop, John Mark (2013). "Swarmic Sketches and Attention Mechanism" (PDF). Evolutionary and Biologically Inspired Music, Sound, Art and Design (PDF). Lecture Notes in Computer Science. Vol. 7834. pp. 85–96. doi:10.1007/978-3-642-36955-1_8. ISBN 978-3-642-36954-4.
  60. ^ Al-Rifaie, Mohammad Majid; Bishop, John Mark (2013). "Swarmic Paintings and Colour Attention" (PDF). Evolutionary and Biologically Inspired Music, Sound, Art and Design (PDF). Lecture Notes in Computer Science. Vol. 7834. pp. 97–108. doi:10.1007/978-3-642-36955-1_9. ISBN 978-3-642-36954-4.
  61. ^ 알 리파이, 모하마드 마지드, 마크 JM 비숍, 아흐메드 아베르."창의적이냐 아니냐? 새와 개미는 근육으로 그림을 그린다."AISB'11 Computing and Philosophics (2011년): 23-30.
  62. ^ Al-Rifaie MM, Bishop M(2013) 군집 지능과 약한 인공 창조성.인: The Association for the Advancement of 인공지능 (AAAI) 2013: 미국 캘리포니아주 팔로알토, 스탠포드 대학 봄 심포지엄, 14-19페이지
  63. ^ N. Correll, N. Farrow, K.스가와라 MTheodore (2013):군단의 벽: 생명의 신비한 계곡을 향해.인: K. Goldberg, H. Knight, P. Salvini(편집): IEEE 국제 로봇 및 자동화 컨퍼런스, 예술 및 로봇 워크숍:프로이트의 언하임리히와 언캐니 밸리.

추가 정보

  • Bonabeau, Eric; Dorigo, Marco; Theraulaz, Guy (1999). Swarm Intelligence: From Natural to Artificial Systems. ISBN 978-0-19-513159-8.
  • Kennedy, James; Eberhart, Russell C. (2001-04-09). Swarm Intelligence. ISBN 978-1-55860-595-4.
  • Engelbrecht, Andries (2005-12-16). Fundamentals of Computational Swarm Intelligence. Wiley & Sons. ISBN 978-0-470-09191-3.

외부 링크