群体智能与人工生命

群体智能和人工生命是正在迅速发展的新兴研究领域.它们通过对自然界生命现象的模拟,在不同层次上揭示生命现象和进化规律,为复杂系统的复杂行为建模与仿真提供了新的思路.本文分别对人工生命和群体智能进行了综述,分析了两者的区别与联系,并对人工生命和群体智能的未来发展趋势进行了展望.     

群体智能研究综述

群体智能利用群体的优势,在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方案提供了新的思路。首先阐述了群体智能的研究现状,包括典型的蚂蚁群优化算法、粒子群优化算法、群体机器人以及算法的应用。在此基础上,对今后的研究趋势进行了分析和展望：对群体智能系统底层机制的研究以及群体机器人的研究将是今后研究的重点,具有重大意义和广阔前景。     

复杂系统涌现与基于整体论的多智能体分析

研究复杂系统整体性,尤其整体性的涌现是现代科学技术研究的重要课题和难题。企图用多智能体的办法,甚至用自适应多智能体的办法来剖析系统的整体性,从系统方法学上来讲,显然是偏面的,不恰当的。本文从复杂系统整体性和涌现的基本概念出发,指出必须采用微观到宏观,再从宏观到微观相结合的整体论分析方法;提出了基于整体论的多智能体分析总体框架;通过系统整体性和涌现的区别与联系的探讨,又明确提出了在整体性分析中可采用数学、逻辑和实验(仿真)等三种不同的方法;最后,给出了适用于分析复杂系统整体性及其涌现的基于整体论的多智能体参考体系结构[1]。     

群体智能在图像处理中的应用

介绍了群体智能的概念和特点，阐述了群体智能在图像处理领域的应用。在此基础上，从人眼的视觉结构以及仿生学的角度出发，对基于群体智能的图像处理方法的基本思想进行了深入的分析和探讨，并与传统的图像处理方法进行了比较。群体智能利用的是群体的优势，通过构造某种形式的子单元簇，使分布于图像环境中的个体以自组织的方式突现出图像本身所具有的某种特征。     

AER模型中的智能涌现

本文从复杂自适应理论和人工生命基本观点出发,研究一个具有"简单性、局部性、全局性、内聚力、动态性"的复杂自适应系统,并创建包含"智能体、环境、交互规则"三个主要概念以及"适者生存"的淘汰规则的AER多主体模型.该模型中具有局部目标和行为的自主体能通过动态环境达到整体的全局目标,这种涌现的智能能够高效求解问题.实验证明该模型对传统的大规模约束满足问题的测试集,包括n-皇后问题(n=7 000)和一些大规模染色问题,均能在较快的时间内找到精确解,同时能在3个时间片内找到精确度(≥94%)很高的近似解.     

人工生命研究综述

详细综述了人工生命的产生、发展，回顾了有关人工生命科学的重要国际会议，着重介绍了人工生命研究的重要思想以及人工生命的研究领域，并阐述了人工生命的应用发展情况，特别在智能优化计算与仿真领域等的重要应用．人工生命的研究有助于揭示生命的本质，探索生命的起源，为生物学研究提供新的途径，具有重要的科学意义．     

平行系统方法与复杂系统的管理和控制

提出平行系统方法的基本思想、概念和运行的基本框架，并讨论了控制系统与平行系统的关系和异同之处，平行系统是控制系统和计算机仿真随着系统复杂程度的增加以及计算技术和分析方法的进一步发展而必然迈上的一个更高的台阶，是弥补很难甚至无法对复杂系统进行精确建模和实验之不足的一种有效手段，也是对复杂系统进行管理和控制的一种可行方式。     

基于复杂适应系统的蚂蚁群体智能研究

蚁群算法是一种基于群体智能的算法,蚂蚁群体智能有广泛的实际应用,该智能有其本身的优点,但同时也存在群体迷失的问题.首先简单介绍蚂蚁群体智能、复杂适应系统和涌现,然后利用复杂适应系统和涌现对蚂蚁群体智能的特点和运行机制进行分析,最后用这些特点来分析蚂蚁群体智能中的群体迷失现象产生的条件和原因,并提出相应对策.     

知识智能涌现创新:概念、体系与路径

快速变化的网络科技环境与创新需求,迫切需要相应的智能化创新理论与方法支撑。大数据及网络信息技术为创新机理的科学研究准备了条件。本文基于可拓学的基元理论,阐述了研究创新过程中海量知识的智能涌现机理的策略,以网络信息资源补充人脑隐性知识分享的不足,以模拟仿真技术实现创新路径的辅助生成,在一定程度上破解创新过程的“黑箱”困境,以解决创新的信息知识智能协同处理机理问题。智能创新理论的提出对丰富知识管理理论和科学创新方法具有较强的理论意义和实践意义。     

知识和数据协同驱动的群体智能决策方法研究综述EI北大核心CSCD

群体智能(Collectire intelligence,CI)系统具有广泛的应用前景.当前的群体智能决策方法主要包括知识驱动、数据驱动两大类,但各自存在优缺点.本文指出,知识与数据协同驱动将为群体智能决策提供新解法.本文系统梳理了知识与数据协同驱动可能存在的不同方法路径,从知识与数据的架构级协同、算法级协同两个层面对典型方法进行了分类,同时将算法级协同方法进一步划分为算法的层次化协同和组件化协同,前者包含神经网络树、遗传模糊树、分层强化学习等层次化方法;后者进一步总结为知识增强的数据驱动、数据调优的知识驱动、知识与数据的互补结合等方法.最后,从理论发展与实际应用的需求出发,指出了知识与数据协同驱动的群体智能决策中未来几个重要的研究方向.     

基于群智能和人工生命的群体行为动画仿真

为了更好地提高智能鱼在复杂动画中的应用,在分析自然鱼的感知、认知、运动和行为系统的基础上,研究并实现了简单的智能鱼动画。首先建立了虚拟环境下智能鱼的视觉感知模型和认知模型以及听觉模型,然后通过微粒群算法确定智能鱼的运动轨迹,模拟智能鱼的自由游动、捕食和躲避危险几种行为动作,最后经动画仿真,智能鱼具有集群、躲避鲨鱼的攻击、绕障碍物游动和觅食行为。经过仿真之后的动画效果有所优化,因此将微粒群算法应用到群体行为动画仿真中有一定的现实意义。     

群智能算法的研究进展

群智能是一种仿生自然界动物昆虫觅食筑巢行为的新兴演化计算技术。目前主要的群智能优化算法有蚁群算法、微粒群算法和人工鱼群算法。本文介绍了群智能算法的产生、发展和优点,并着力阐述了上述三种典型算法的基本原理,同时概述了各算法的应用现状,最后提出了算法将来有待研究的内容。     

人工智能在解决知识管理难题中的应用

在知识经济社会中，企业的价值创造极大地依赖于知识，知识管理日益受到重视。随着Internet的飞速发展，知识管理面临信息过载、非结构化以及隐性知识的三大难题。人工智能在知识信息处理方面具有很大的优势，有助于解决知识管理中的难题，实现知识自动获取以及知识的自动分类。人工智能在知识管理中的应用虽然存在一定的局限性，但它促进了知识管理的智能化，提高了知识管理的效率和质量。     

人工智能领域知识图谱构建与分析

近年来人工智能技术成为学术界和产业界的研究焦点,基于领域科技文献对人工智能相关技术脉络的发展进行分析和研究有助于科研人员掌握相关技术发展方向,同时为国家制定相关政策措施提供了大数据支撑.美国人工智能协会年会(AAAI)和人工智能国际联合大会(IJCAI)是人工智能领域最主要的学术会议,众多领先的AI科技成果在上述会议期...     

群体智能优化算法

群体智能优化算法利用群体的优势,在没有集中控制并且不提供全局模型的前提下,为寻找复杂的分布式问题的解决方案提供了基础。介绍了两种群体智能算法模型:蚁群算法模型和粒子群算法模型,研究了两种算法的原理机制、基本模型、流程实现、改进思想和方法;通过仿真把蚁群算法与其他启发式算法的计算结果作对比,验证了蚁群算法具有很强的发现较好解的能力,不容易陷入局部最优;微粒群算法保留了基于种群的、并行的全局搜索策略,采用简单的速度-位移模型操作,在实际应用中取得了较高的成功率。     

基于知识网格的智能教学系统

在教学实践中,很难准确、系统的评估学生对所学知识的掌握程度。学生不能理解所学概念的原因是缺乏必备基础知识（先决知识）,不理解所学这些知识对以后要学课程影响。要解决这个问题,运用描绘和个人的分析的方法是十分困难的。基于知识网格智能教学系统使用知识网格能够建立一个可共享的,协作的基于网络的知识体系。它用知识网格中的一个节点作为起始点进行＂知识漫步＂,建立一个＂缺失知识链＂。告诉学生目前所学的知识体系结构。最终,评测结果将会被送到网上不同的虚拟组织。这些组织是由教师组成的,所以他们的建议会更有参考价值。     

一种利用信息熵的群体智能聚类算法

论文采用群体智能(Swarm Intelligence)思想研究聚类问题。在Lumer和Faieta基于蚁群的聚类算法中,通过信息熵的计算与比较,改变了拾起和放下对象的规则,增加了两区域对象的合并操作,从而加快了聚类速度并减少了参数设置数目。该方法能够有效地聚集数据库的记录对象,具有一定的实际应用价值。     

专家系统中多种知识表示方法的集成应用

专家系统的建立是以知识为基础的，采用何种知识表示方法在一定程度上决定了专家系统能否正确高效的运行。先综合比较了常见的几种知识表示方法，然后介绍了在“现役混凝土结构耐久性评估专家系统”1中集成应用框架、产生式、神经网络等多种知识表示方法的思路及解决方案，该系统的实际使用证明此法是可行和有效的。     

一种改进的人工鱼群算法

人工鱼群算法是一种基于动物行为的群体智能优化算法。该文提出一种改进的人工鱼群算法,在觅食行为中让人工鱼直接移动到较优位置,以加快算法的搜索速度,动态调整人工鱼的视野和步长,使其在算法运行初期保持最大值,并逐渐由大变小。该算法较好地 平衡了全局搜索能力和局部搜索能力,提高了算法运行效率和精度。仿真结果表明,改进的人工鱼群算法收敛性能比原有算法提高了1倍 以上。     

一种基于群体智能的人工神经网络学习算法

将群体智能优化理论引入一种前馈式人工神经网络——径向基函数（RBF）神经网络的学习训练过程,提出了基于智能微粒群算法的RBF神经网络学习算法,并与传统RBF神经网络学习算法进行了比较,实验结果证明了该方法的有效性。