7,129
个编辑
更改
跳到导航
跳到搜索
第16行：
第16行： + − [[File:Ant.png|300px|thumb|right|一群织工蚁正在搬运一只壁虎的尸体]]+ + + − [[File:Flocking_habit_of_migratory_birds.jpg|300px|thumb|right|大鸟通常以V 梯形编队迁移。有显著的空气动力学增益。所有鸟类都可以看到前方和一侧，这种安排能够很好地保护鸟群。]] + − [[File:Separetion_alignment_cohesion.png|400px|thumb|right]]+ + 第35行：
第39行： − + + − [[File:Frog.png|300px|thumb|right|汉密尔顿《自私牧群的几何学》一文中的青蛙行为]] 第67行：
第71行： −
→相关概念介绍
==相关概念介绍==
==相关概念介绍==
===蚂蚁的群体行为===
===蚂蚁的群体行为===
[[File:Ant.png|300px|thumb|right|一群织工蚁正在搬运一只壁虎的尸体]]
单个蚂蚁没有表现出复杂的行为，但是一群蚂蚁却可以共同完成复杂的任务，例如筑巢、照顾幼仔、筑桥和觅食。一群蚂蚁可以从附近的几个地方共同选择最佳或最接近的食物来源。蚂蚁遵循两个简单的规则就可以选择最佳的食物来源。首先，找到食物的蚂蚁返回巢穴，沉积出一种'''信息素 pheromone'''化学成分，更多的信息素代表了更高质量的食物来源。因此，如果同时发现两种不同质量的等距食物，导向更好食物的信息素就会更强；巢中的蚂蚁遵循另一条简单的规则，平均而言，它们倾向于更强信息素的路径，然后，更多的蚂蚁会沿着信息素更强的路线前进，这样，更多的蚂蚁就会到达高质量的食物来源，并形成一个积极的反馈，从而共同决定了最佳食物来源。如果从蚁巢到食物来源有两条路径，那么蚁群通常会选择较短的路径。这是因为最早从食物源返回巢穴的蚂蚁更有可能是走较短路径的蚂蚁，然后，更多的蚂蚁会追踪较短的路径，从而增强信息素的踪迹。
单个蚂蚁没有表现出复杂的行为，但是一群蚂蚁却可以共同完成复杂的任务，例如筑巢、照顾幼仔、筑桥和觅食。一群蚂蚁可以从附近的几个地方共同选择最佳或最接近的食物来源。蚂蚁遵循两个简单的规则就可以选择最佳的食物来源。首先，找到食物的蚂蚁返回巢穴，沉积出一种'''信息素 pheromone'''化学成分，更多的信息素代表了更高质量的食物来源。因此，如果同时发现两种不同质量的等距食物，导向更好食物的信息素就会更强；巢中的蚂蚁遵循另一条简单的规则，平均而言，它们倾向于更强信息素的路径，然后，更多的蚂蚁会沿着信息素更强的路线前进，这样，更多的蚂蚁就会到达高质量的食物来源，并形成一个积极的反馈，从而共同决定了最佳食物来源。如果从蚁巢到食物来源有两条路径，那么蚁群通常会选择较短的路径。这是因为最早从食物源返回巢穴的蚂蚁更有可能是走较短路径的蚂蚁，然后，更多的蚂蚁会追踪较短的路径，从而增强信息素的踪迹。
蚁群所使用的这一技术已经在计算机科学和机器人领域中进行了广泛研究，以产生用于解决问题的分布式容错系统。这一领域的仿生技术催生了采用'''“觅食径 Foraging trails ”'''、容错式存储和网络算法等技术的搜索引擎。
蚁群所使用的这一技术已经在计算机科学和机器人领域中进行了广泛研究，以产生用于解决问题的分布式容错系统。这一领域的仿生技术催生了采用'''“觅食径 Foraging trails ”'''、容错式存储和网络算法等技术的搜索引擎。
===鸟类迁徙===
===鸟类迁徙===
[[File:Flocking_habit_of_migratory_birds.jpg|300px|thumb|right|大鸟通常以V 梯形编队迁移。有显著的空气动力学增益。所有鸟类都可以看到前方和一侧，这种安排能够很好地保护鸟群。]]
许多鸟成群迁移。对于较大的鸟类，成群飞行可以降低能源成本。V形通常被认为可以提高飞鸟的效率和飞行距离，特别是在漫长的迁徙路线上。除头鸟外，所有飞鸟均处于前方飞鸟的翼尖涡流中，上升气流帮助每只鸟在飞行中支撑自己的体重，借助同样的原理，滑翔机可以在上升的空气中一直爬升或悬停。因此，后面飞翔的鸟无需像前鸟那样费劲就能获得升力。研究表明，在V形编队中，鸟类在简单空气动力学理论预测的最佳距离处飞行。 V形雁群可能会节省他们独自飞行所需能量的12%~20％。 在顶端和前排飞翔的鸟会周期性轮换，以分散飞行疲劳。
许多鸟成群迁移。对于较大的鸟类，成群飞行可以降低能源成本。V形通常被认为可以提高飞鸟的效率和飞行距离，特别是在漫长的迁徙路线上。除头鸟外，所有飞鸟均处于前方飞鸟的翼尖涡流中，上升气流帮助每只鸟在飞行中支撑自己的体重，借助同样的原理，滑翔机可以在上升的空气中一直爬升或悬停。因此，后面飞翔的鸟无需像前鸟那样费劲就能获得升力。研究表明，在V形编队中，鸟类在简单空气动力学理论预测的最佳距离处飞行。 V形雁群可能会节省他们独自飞行所需能量的12%~20％。 在顶端和前排飞翔的鸟会周期性轮换，以分散飞行疲劳。
===Boids模型===
===Boids模型===
[[File:Separetion_alignment_cohesion.png|400px|thumb|right]]
Boids是克雷格·雷诺兹 Craig Reynolds 在1986年开发的一个用来模拟鸟类群体行为的计算机程序。他关于该主题的论文于1987年在ACM SIGGRAPH会议上发表。名称“ boid”对应于“ bird-oid object”的缩写，是指类似鸟的物体。与大多数仿真程序一样，Boids也是[[涌现]]行为的一个例子。换句话说，Boids的复杂性是由遵循一组简单规则的单个代理（在本例中为boid）的相互作用引起的。在最简单的Boids世界中应用的规则如下：
Boids是克雷格·雷诺兹 Craig Reynolds 在1986年开发的一个用来模拟鸟类群体行为的计算机程序。他关于该主题的论文于1987年在ACM SIGGRAPH会议上发表。名称“ boid”对应于“ bird-oid object”的缩写，是指类似鸟的物体。与大多数仿真程序一样，Boids也是[[涌现]]行为的一个例子。换句话说，Boids的复杂性是由遵循一组简单规则的单个代理（在本例中为boid）的相互作用引起的。在最简单的Boids世界中应用的规则如下：
*分离：转向以避免局部群体过于拥挤
*分离：转向以避免局部群体过于拥挤
*一致：朝局部群体的平均方向转向
*一致：朝局部群体的平均方向转向
在这些简单规则的相互作用之下，就会涌现出类似下面的一些群体行为：
在这些简单规则的相互作用之下，就会涌现出类似下面的一些群体行为：
[[File:Boids Open clip.gif|400px|thumb|这是由OpenGL提供的一个Boids例子|right]]
[[File:Boids Open clip.gif|400px|thumb|这是由OpenGL提供的一个Boids例子|center]]
===自私牧群原理 Selfish Herd Theory===
===自私牧群原理 Selfish Herd Theory===
[[File:Frog.png|300px|thumb|right|汉密尔顿《自私牧群的几何学》一文中的青蛙行为]]
汉密尔顿 WD Hamilton 在1971年一篇题为《自私牧群的几何学》的文章中提出了这一理论。迄今为止，该文章已被引用2000多次。为了说明他的理论，Hamilton 要求读者想象一个圆形的百合塘，里面藏满了青蛙和水蛇。看到水蛇后，青蛙散布到池塘的边缘，水蛇袭击了最近的一条。汉密尔顿提出，在该模型中，如果每只青蛙都位于其他青蛙之间，则它们更有可能不靠近水蛇，因此更容易受到水蛇的攻击。结果就是，模型中的青蛙跳到了邻居青蛙之间更小的空间里。
汉密尔顿 WD Hamilton 在1971年一篇题为《自私牧群的几何学》的文章中提出了这一理论。迄今为止，该文章已被引用2000多次。为了说明他的理论，Hamilton 要求读者想象一个圆形的百合塘，里面藏满了青蛙和水蛇。看到水蛇后，青蛙散布到池塘的边缘，水蛇袭击了最近的一条。汉密尔顿提出，在该模型中，如果每只青蛙都位于其他青蛙之间，则它们更有可能不靠近水蛇，因此更容易受到水蛇的攻击。结果就是，模型中的青蛙跳到了邻居青蛙之间更小的空间里。
===自协调/共识主动性 Stigmergy ===
===自协调/共识主动性 Stigmergy ===
Stigmergy是群体智能领域中的一个关键概念，它是指个体或行为之间间接协调的机制。其原理是，行为在环境中留下的痕迹会刺激同一或不同个体执行下一行为，这样，后续行为往往会相互加强并相互促进，从而导致连贯的、明显是系统层级的活动自发出现。Stigmergy是一种自组织形式。它产生了复杂的，看似智能的结构，而无需个体之间的任何计划、控制甚至直接通信。
Stigmergy是群体智能领域中的一个关键概念，它是指个体或行为之间间接协调的机制。其原理是，行为在环境中留下的痕迹会刺激同一或不同个体执行下一行为，这样，后续行为往往会相互加强并相互促进，从而导致连贯的、明显是系统层级的活动自发出现。Stigmergy是一种自组织形式。它产生了复杂的，看似智能的结构，而无需个体之间的任何计划、控制甚至直接通信。
==相关算法介绍==
==相关算法介绍==