Inteligencia de enjambres -...

Inteligencia de enjambres

Diego Milone

Inteligencia ComputacionalDepartamento de Informatica

FICH-UNL

:

Introduccion Colonia de hormigas Enjambre de partıculas

Automata de estados finitos

• Definicion:A =< X,Y,E,D >

• Extension con funciones de salida: y = λ(x,E)• Estados, reglas de transicion, grafos• Ejemplos de reglas de transicion determinısticas y

probabilısticas

:




• Extension con funciones de salida: y = λ(x,E)

• Estados, reglas de transicion, grafos• Ejemplos de reglas de transicion determinısticas y

probabilısticas

:




• Extension con funciones de salida: y = λ(x,E)• Estados, reglas de transicion, grafos

• Ejemplos de reglas de transicion determinısticas yprobabilısticas

:




• Extension con funciones de salida: y = λ(x,E)• Estados, reglas de transicion, grafos• Ejemplos de reglas de transicion determinısticas y

probabilısticas

:


Automatas celulares

• Definicion:R =< A,T,C >

• Topologıas: triangular, rectangular, hexagonal,...• Acoplamiento:

• Tipos y tamanos de vecindad: Von Neumann, Moore,...• Tipos de conexiones: isotropicas, anisotropicas,...

:


Automatas celulares


• Topologıas: triangular, rectangular, hexagonal,...

• Acoplamiento:• Tipos y tamanos de vecindad: Von Neumann, Moore,...• Tipos de conexiones: isotropicas, anisotropicas,...

:


Automatas celulares


• Topologıas: triangular, rectangular, hexagonal,...• Acoplamiento:

• Tipos y tamanos de vecindad: Von Neumann, Moore,...• Tipos de conexiones: isotropicas, anisotropicas,...

:


Automatas celulares

Ejemplos:• Juego de la vida de Conway: reglas basicas

• Vivo con menos de 2 vivos en el entorno→ muere• Vivo con mas de 3 vivos en el entorno→ muere• Vivo con 2 o 3 vivos en el entorno→ vive• Muerto con 3 vivos en el entorno→ nace

• → Mirek’s Cellebration• Crecimiento de plantas, bacterias,...• Poblaciones: colonias de hormigas, enjambre de abejas,

modelos presa predador,...• Tejidos biologicos: cardıaco, nervioso,...• Fluidos

:


Automatas celulares


• Vivo con menos de 2 vivos en el entorno→ muere

• Vivo con mas de 3 vivos en el entorno→ muere• Vivo con 2 o 3 vivos en el entorno→ vive• Muerto con 3 vivos en el entorno→ nace



:


Automatas celulares


• Vivo con menos de 2 vivos en el entorno→ muere• Vivo con mas de 3 vivos en el entorno→ muere

• Vivo con 2 o 3 vivos en el entorno→ vive• Muerto con 3 vivos en el entorno→ nace



:


Automatas celulares


• Vivo con menos de 2 vivos en el entorno→ muere• Vivo con mas de 3 vivos en el entorno→ muere• Vivo con 2 o 3 vivos en el entorno→ vive

• Muerto con 3 vivos en el entorno→ nace



:


Automatas celulares





:


Automatas celulares



• → Mirek’s Cellebration

• Crecimiento de plantas, bacterias,...• Poblaciones: colonias de hormigas, enjambre de abejas,


:


Automatas celulares



• → Mirek’s Cellebration• Crecimiento de plantas, bacterias,...

• Poblaciones: colonias de hormigas, enjambre de abejas,modelos presa predador,...

• Tejidos biologicos: cardıaco, nervioso,...• Fluidos

:


Automatas celulares




modelos presa predador,...

• Tejidos biologicos: cardıaco, nervioso,...• Fluidos

:


Automatas celulares




modelos presa predador,...• Tejidos biologicos: cardıaco, nervioso,...

• Fluidos

:


Automatas celulares





:


Inteligencia colectiva

Denominaciones y relaciones:• Computacion evolutiva• Inteligencia de colonias• Inteligencia de enjambres• Inteligencia colaborativa• Inteligencia social• ...

:



Caracterısticas generales:• Auto-organizacion

• Estigmergıa: “colaboracion a traves del medio fısico”• Comportamiento emergente: inteligencia distribuida,

robustez• Fuerte interaccion local• Organizacion social altamente estructurada• Colaboracion versus competencia• Componentes estocasticas• Bio-inspiracion

:



Caracterısticas generales:• Auto-organizacion• Estigmergıa: “colaboracion a traves del medio fısico”

• Comportamiento emergente: inteligencia distribuida,robustez

• Fuerte interaccion local• Organizacion social altamente estructurada• Colaboracion versus competencia• Componentes estocasticas• Bio-inspiracion

:



Caracterısticas generales:• Auto-organizacion• Estigmergıa: “colaboracion a traves del medio fısico”• Comportamiento emergente: inteligencia distribuida,

robustez• Fuerte interaccion local• Organizacion social altamente estructurada• Colaboracion versus competencia

• Componentes estocasticas• Bio-inspiracion

:



Caracterısticas generales:• Auto-organizacion• Estigmergıa: “colaboracion a traves del medio fısico”• Comportamiento emergente: inteligencia distribuida,

robustez• Fuerte interaccion local• Organizacion social altamente estructurada• Colaboracion versus competencia• Componentes estocasticas• Bio-inspiracion

:



Ejemplos:• Bandadas de pajaros

• Colonias de hormigas• Paneles/enjambres de abejas• Cardumenes de peces• Rebanos de ovejas o cabras• Manadas de predadores

:



Ejemplos:• Bandadas de pajaros• Colonias de hormigas

• Paneles/enjambres de abejas• Cardumenes de peces• Rebanos de ovejas o cabras• Manadas de predadores

:



Ejemplos:• Bandadas de pajaros• Colonias de hormigas• Paneles/enjambres de abejas

• Cardumenes de peces• Rebanos de ovejas o cabras• Manadas de predadores

:



Ejemplos:• Bandadas de pajaros• Colonias de hormigas• Paneles/enjambres de abejas• Cardumenes de peces

• Rebanos de ovejas o cabras• Manadas de predadores

:



Ejemplos:• Bandadas de pajaros• Colonias de hormigas• Paneles/enjambres de abejas• Cardumenes de peces• Rebanos de ovejas o cabras

• Manadas de predadores

:



Ejemplos:• Bandadas de pajaros• Colonias de hormigas• Paneles/enjambres de abejas• Cardumenes de peces• Rebanos de ovejas o cabras• Manadas de predadores

:



Elementos individuales:• ”Boids”: partıculas, objetos, elementos...

• Automatas: redes de automatas celulares• Agentes: en estructuras de multi-agentes

:



Elementos individuales:• ”Boids”: partıculas, objetos, elementos...• Automatas: redes de automatas celulares

• Agentes: en estructuras de multi-agentes

:



Elementos individuales:• ”Boids”: partıculas, objetos, elementos...• Automatas: redes de automatas celulares• Agentes: en estructuras de multi-agentes

:



Algoritmos:X Colonias de hormigasX Enjambre de partıculas

• Difusion estocastica• Formacion de rıos• Busqueda gravitacional• Sistema inmune artificial• Algorıtmos memeticos• ...• Relacionados: algoritmos evolutivos, SOM,...

:



Algoritmos:X Colonias de hormigasX Enjambre de partıculas• Difusion estocastica• Formacion de rıos• Busqueda gravitacional• Sistema inmune artificial• Algorıtmos memeticos• ...

• Relacionados: algoritmos evolutivos, SOM,...

:



Algoritmos:X Colonias de hormigasX Enjambre de partıculas• Difusion estocastica• Formacion de rıos• Busqueda gravitacional• Sistema inmune artificial• Algorıtmos memeticos• ...• Relacionados: algoritmos evolutivos, SOM,...

:



Principales aplicaciones:• Optimizacion: aproximacion de funciones, entrenamiento,

estimacion, identificacion, planificacion,...

• Busqueda, ruteo• Agrupamiento no supervisado, clasificacion• ...

:



Principales aplicaciones:• Optimizacion: aproximacion de funciones, entrenamiento,

estimacion, identificacion, planificacion,...• Busqueda, ruteo• Agrupamiento no supervisado, clasificacion• ...

:


Colonia de hormigas

:


La inspiracion biologica• Hay 1016 hormigas en la tierra (y 6× 109 humanos)• Igual peso total• 30 millones por colonia

• Feromonas: las busqueda del camino mas corto a lacomida

1. Comportamiento inicial aleatorio2. Cuando encuentran una fuente de comida se organizan y

comienzan a seguir el mismo camino2.1 Mecanismo de reclutamiento: mayormente por feromonas,

liberadas al regresar (algunas las liberan en proporcion a lacantidad de alimento encontrado)

2.2 Si otras encuentran feromonas siguen el rastro (con masprobabilidad, tratando de alejarse del hormiguero si nollevan comida)

2.3 El camino se refuerza al ser seguido por mas y mashormigas

• Notar:• Comunicacion indirecta• Modificacion del entorno fısico: estigmergıa

:


La inspiracion biologica• Hay 1016 hormigas en la tierra (y 6× 109 humanos)• Igual peso total• 30 millones por colonia• Feromonas: las busqueda del camino mas corto a la

comida

1. Comportamiento inicial aleatorio2. Cuando encuentran una fuente de comida se organizan y






:


La inspiracion biologica• Hay 1016 hormigas en la tierra (y 6× 109 humanos)• Igual peso total• 30 millones por colonia• Feromonas: las busqueda del camino mas corto a la

comida1. Comportamiento inicial aleatorio2. Cuando encuentran una fuente de comida se organizan y






:


Experimento del puente binario

:


Colonia de hormigas

Definiciones:• G = (V,E): grafo con vertices V y matriz de conexiones E• σij: feromonas en la conexion entre i y j• k = 1, 2, . . . , nk: hormigas• Ni: nodos disponibles a partir del nodo i• xk(t): camino de la hormiga k

:


Algoritmo 1: Colonia de hormigas simple (sACO)

:


Algoritmo 2: Sistema de hormigas (AS)

:


Enjambre de partıculas

:


La inspiracion biologica

• Bandadas de pajaros• Cada individuo vuela/navega el espacio ajustando su

posicion en base a su experiencia y a la informacion de losindividuos de su entorno

• Emular el exito de los vecinos y propio• xi(t): posicion de la partıcula i, en el tiempo t (espacio RN)• vi(t): velocidad de la partıcula i, en el tiempo t• Regla basica: xi(t + 1) = xi(t) + vi(t)

:





• Emular el exito de los vecinos y propio• xi(t): posicion de la partıcula i, en el tiempo t (espacio RN)• vi(t): velocidad de la partıcula i, en el tiempo t

• Regla basica: xi(t + 1) = xi(t) + vi(t)

:





• Emular el exito de los vecinos y propio• xi(t): posicion de la partıcula i, en el tiempo t (espacio RN)• vi(t): velocidad de la partıcula i, en el tiempo t• Regla basica: xi(t + 1) = xi(t) + vi(t)

:


Enjambre de partıculas

Definiciones:• yi: mejor posicion personal de la partıcula i (la mejor que

visito desde t = 0 hasta la actualidad)• yi: mejor posicion visitada por todo el enjambre

:


Algoritmo 3: Enjambre del mejor global (gEP)

:


Algoritmo 4: Enjambre del mejor local (`EP)

Inteligencia de enjambres -...

Documents

Transcript of Inteligencia de enjambres -...