Ugrás a tartalomhoz

swarm intelligence

A Wikiszótárból, a nyitott szótárból

Angol


Főnév

swarm intelligence (tsz. swarm intelligences)

  1. (informatika, mesterséges intelligencia)

Swarm Intelligence (rajintelligencia) egy természet inspirálta mesterséges intelligencia paradigma, amely decentralizált, önszerveződő rendszerek kollektív viselkedését utánozza. Az elmélet alapja, hogy egyszerű szabályok szerint működő egyedek (pl. hangyák, méhek, madarak) képesek intelligens, hatékony, adaptív viselkedést tanúsítani kollektívan, anélkül, hogy központi irányítás lenne.


🧠 1. Alapötlet

Az egyedek külön-külön egyszerűek, de egymással kölcsönhatva képesek összetett problémákat megoldani – ezt hívjuk emergens kollektív intelligenciának.

🐜 2. Természetes példák

Példa Leírás
Hangyakolónia Feromon alapján keresnek legrövidebb utat
Méhkolónia Nektárforrás felfedezése és kiaknázása
Madárcsapat Röptematikák, rajformáció (boids)
Halraj Dinamikus formációban úszás


🔁 3. Mesterséges algoritmusok rajintelligencia alapján

Algoritmus Inspiráció Alkalmazás
Ant Colony Optimization (ACO) Hangyák TSP, routing, ütemezés
Particle Swarm Optimization (PSO) Madarak, halak Folytonos optimalizálás
Artificial Bee Colony (ABC) Méhek Globális keresés
Glowworm Swarm Optimization Fényalapú kommunikáció Lokális optimumkeresés
Firefly Algorithm Vonzás fényesség szerint Optimalizáció
Bat Algorithm Echolokáció Optimalizáció
Cuckoo Search Élősködő madár viselkedés Optimalizáció


⚙️ 4. Általános működési elvek

  • Populáció-alapú keresés: sok ügynök (egyed) keres a térben
  • Nincs központi irányítás: minden egyed saját döntést hoz
  • Kölcsönhatás: az egyedek információt cserélnek vagy indirekten (pl. feromon) hatnak egymásra
  • Visszacsatolás: jó megoldások terjednek
  • Kiegyensúlyozott feltárás és kiaknázás: felfedezés ↔ helyi finomítás


📈 5. Tipikus alkalmazások

Terület Példa
Optimalizálás Folytonos / diszkrét problémák
Routing Adatátviteli útvonalak, járműlogisztika
Robotika Csoportos robotirányítás, drónraj
Mesterséges intelligencia Hiperparaméter-keresés
Klaszterezés Adatbányászat
Energiarendszerek Hálózatvezérlés, elosztás
Bioinformatika Fehérjestruktúra, génkeresés


💻 6. Rövid áttekintés néhány algoritmusról

🐜 Ant Colony Optimization (ACO)

  • Diszkrét probléma: TSP, útvonalak
  • Feromonos tanulás, lokális keresés

🐦 Particle Swarm Optimization (PSO)

  • Folytonos optimalizálás
  • Madárszerű viselkedés: gyorsulás, pozíció, egyéni és globális legjobb

🐝 Artificial Bee Colony (ABC)

  • Dolgozó/kóborló/felderítő méhek: forráskeresés
  • Jó egyensúly feltárás és kiaknázás közt


📊 7. Előnyök és hátrányok

✅ Előnyök ❌ Hátrányok
Nem igényel derivált Lassabb konvergencia lehet
Robusztus zajos környezetben Paraméterérzékenység
Skálázható, párhuzamosítható Nem mindig garantált optimum
Adaptív, önszervező Stagnálás lokális optimumnál


🧪 8. Egyszerű PSO példa Pythonban

import numpy as np

def f(x):
    return sum(x**2)

def pso(f, dim=2, n_particles=30, max_iter=100):
    X = np.random.uniform(-5, 5, (n_particles, dim))
    V = np.random.uniform(-1, 1, (n_particles, dim))
    P = X.copy()
    g = P[np.argmin([f(x) for x in P])]
    
    for _ in range(max_iter):
        for i in range(n_particles):
            r1, r2 = np.random.rand(), np.random.rand()
            V[i] = 0.5*V[i] + 2*r1*(P[i]-X[i]) + 2*r2*(g-X[i])
            X[i] += V[i]
            if f(X[i]) < f(P[i]):
                P[i] = X[i]
        g = P[np.argmin([f(x) for x in P])]
    
    return g, f(g)

🧾 9. Összefoglalás

Fogalom Leírás
Rajintelligencia Decentralizált kollektív tanulás
Alapötlet Egyedek kölcsönhatása → intelligens viselkedés
Algoritmusok ACO, PSO, ABC, Firefly, Bat
Területek Optimalizáció, robotika, AI
Kulcsmechanizmus Feltárás ↔ Kiaknázás egyensúly

További információk

A lap eredeti címe: „https://hu.wiktionary.org/w/index.php?title=swarm_intelligence&oldid=3495031”