Inteligencia de enjambre

La expresión fue introducida por Gerardo Beni y Wang Jing en 1989, en el contexto de los sistemas robóticos móviles.Los métodos OCH son útiles en problemas que necesitan encontrar caminos hacia metas.[5]​ El enfoque general en la optimización de multi-enjambre es que cada sub-enjambre se centra en una región dada, mientras que un método específico de diversificación decide dónde y cuándo lanzar los enjambres secundarios.El marco enjambre multi-está especialmente equipado para la optimización de problemas multi-modales, donde existen múltiples óptimos (locales).SIA es un subcampo de la computación inspirada biológicamente y computacionalmente natural, con intereses en Aprendizaje Automático y que pertenecen a la esfera más amplia de la inteligencia artificial.BSC es un enfoque multiagente en el que cada agente es una partícula cargada (PC).Este algoritmo proporciona un buen equilibrio entre la exploración y explotación de los paradigmas del algoritmo que se puede mejorar considerablemente la eficiencia del algoritmo y por lo tanto el BSC también puede ser considerado como un buen optimizador global y local al mismo tiempo.El enlace del código de Matlab se ha proporcionado en Çivicioglu, P., (2012).Los agentes en GSO son considerados como luciérnagas que llevan una cantidad de luminiscencia llamado luciferina junto con ellos.La luciérnaga identifica sus vecinos y calcula sus movimientos mediante la explotación de una zona adaptativa, que está acotado superiormente por su rango del sensor.Cada luciérnaga selecciona, utilizando un mecanismo probabilístico, un vecino que tiene un valor más alto de luciferina que el suyo propio y se mueve hacia él.Estas rutas óptimas o cerca del óptimo siguen las acciones y reacciones que se producen entre las gotas de agua y estas con sus cauces.Puesto que las soluciones mejores tienen una mayor masa y mayor campo magnético, las partículas inferiores tienden a moverse hacia las soluciones más adecuadas y por lo tanto la migración a la zona alrededor de la mejor óptimos locales, donde vagan en busca de mejores soluciones.Búsqueda difusión estocástica (SDS)[27]​[28]​ es un agente basado en la técnica probabilística mundial de búsqueda y optimización más adecuadas a los problemas que se pueden descomponer la función objetivo en múltiples independientes parciales-funciones.[30]​[31]​[32]​ Recent work has involved merging the global search properties of SDS with other swarm intelligence algorithms.La Agencia Espacial Europea está pensando en un enjambre orbital para el autoensamblaje y la interferometría.[34]​ Por otra parte al-Rifaie y Aber han usado Búsqueda difusión estocástico para ayudar a localizar tumores.Básicamente utiliza una tabla de enrutamiento probabilístico premiando a reforzar con éxito la ruta recorrida por cada "hormiga" (un paquete de control pequeño) que inundan la red.Refuerzo de la ruta en los delanteros, dirección inversa y ambas a la vez han sido investigados: refuerzo hacia atrás requiere una red simétrica y acopla los dos sentidos juntos, hacia adelante refuerzo recompensa una ruta antes de que el resultado se conoce (pero que paga por el cine antes de saber lo bueno que la película es).A medida que el sistema se comporta de forma estocástica y por lo tanto carece de repetibilidad, hay grandes obstáculos para el despliegue comercial.Cada piloto actúa como una hormiga en busca de la puerta mejor aeropuerto.Inteligencia de enjambres relacionados con los conceptos y las referencias se pueden encontrar en la cultura popular, a menudo como una forma de la inteligencia colectiva o mente grupal con agentes mucho más que los utilizados en las aplicaciones actuales.