چکیده
موضوع اصلی این پروژه، معرفی و بررسی روشهایی که با نام هوش جمعی از آنها یاد میشوند. در روشهایی که در گروه هوش جمعی جای میگیرند، ارتباط مستقیم یا غیر مستقیم بین جوابهای مختلف الگوریتم وجود دارند. در واقع، در این روشها، جوابها که موجوداتی کمهوش و ساده هستند، برای پیدا شدن و یا تبدیل شدن به جواب بهینه، همکاری میکنند. این روشها از رفتارهای جمعی حیوانات و موجودات زنده در طبیعت الهام گرفته شدهاند. الگوریتم مورچهها یکی از بارزترین نمونهها برای هوش جمعی است که از رفتار جمعی مورچهها الهام گرفته شده است. یکی دیگر از مهمترین الگوریتمهایی که در گروه هوش جمعی جای میگیرد، الگوریتم بهینه سازی انبوه ذرات است. در الگوریتم بهینه سازی انبوه ذرات، اعضای جامعه، که ماهیها یا پرندگان میباشند، به صورت مستقیم با هم ارتباط دارند. و همچنین در این پروژه به الگوریتم ژنتیک و دیگر کاربردهای هوش جمعی میپردازیم.
مقدمه
ما در این پروژه به تعریف هوش جمعی می پردازیم که هوش جمعی یکی از شاخههای هوش مصنوعی میباشد.در واقع بیان می کنیم، هوش جمعی ویژگی از سیستم است که بر اساس آن رفتار گروهی عاملهای غیر پیچیده که به صورت محلی با محیطشان در ارتباط هستند منجر به وجود آمدن الگوهای یکپارچه و منسجم میشود. همچنین کاربردهای مهم هوش جمعی را ذکر خواهیم کرد، و اینکه هر کاربرد بیشتردرکجاها استفاده خواهد شد.
فهرست مطالب
عنوان صفحه
۱- فصل اول: هوش مصنوعی و ارتباط آن با هوش جمعی………………………………………………………………………………………….
۱- ۱ مقدمه……………………………………………………………………………………………………………………………………………………….
۱- ۲ تاریخچه هوش مصنوعی……………………………………………………………………………………………………………………………..
۱- ۳ هوش چیست؟………………………………………………………………………………………………………………………………………….
۱- ۴ فلسفه هوش مصنوعی…………………………………………………………………………………………………………………………………..
۱-۵ مدیریت پیچیدگی………………………………………………………………………………………………………………………………………
۱-۶ عاملهای هوشمند……………………………………………………………………………………………………………………………………..
۱- ۷ سیستمهای خبره…………………………………………………………………………………………………………………………………………
۱- ۸ رابطه هوش جمعی با هوش مصنوعی…………………………………………………………………………………………………………….
۲- فصل دوم: تعریف هوش جمعی………………………………………………………………………………………………………………………
۲- ۱ مقدمه……………………………………………………………………………………………………………………………………………………..
۲- ۲ تعریف هوش جمعی………………………………………………………………………………………………………………………….
۲- ۳ خصوصیات هوش جمعی…………………………………………………………………………………………………………………..
۲- ۴ اصول هوش جمعی……………………………………………………………………………………………………………………………
۲- ۵ طبقه بندی هوش جمعی………………………………………………………………………………………………………………………………..
۲- ۵ -۱ طبیعی در مقابل مصنوعی………………………………………………………………………………………………………………………
۲- ۵ – ۲ علمی در مقابل مهندسی……………………………………………………………………………………………………………………….
۲- ۶ تعامل دو دسته طبیعی/ مصنوعی و علمی/ مهندسی………………………………………………………………………………………..
۳- فصل سوم: کاربردهای هوش جمعی………………………………………………………………………………………………………………….
۳- ۱ مقدمه………………………………………………………………………………………………………………………………………………………..
۳- ۲ تعریف بهینه سازی……………………………………………………………………………………………………………………………………..
۳- ۳ الگوریتم بهینه سازی کلونی مورچهها……………………………………………………………………………………………………………..
۳- ۳- ۱ تعریف……………………………………………………………………………………………………………………………………………….
۳- ۳- ۲ الگوریتم…………………………………………………………………………………………………………………………………………….
۳- ۳- ۳ خواص عمومی کلونی مورجهها……………………………………………………………………………………………………………
۳- ۳- ۴ الگوریتم مورچه برای مسئله فروشنده دورهگرد………………………………………………………………………………………
۳- ۳- ۵ کاربردهای الگوریتم مورچه……………………………………………………………………………………………………………..
۳- ۳- ۵- ۱ مسیریابی خودرو………………………………………………………………………………………………………………………..
۳- ۳- ۵- ۲ الگوریتم S_ANTNET…………………………………………………………………………………………………………………
3- 3- 5- 3 هزارتوی چند مسیره………………………………………………………………………………………………………………………..
۳- ۳- ۵- ۴ مسیریابی در شبکههای مخابراتی………………………………………………………………………………………………………..
۳- ۴ الگوریتم بهینه سازی زنبور…………………………………………………………………………………………………………………………
۳- ۴- ۱ تعریف…………………………………………………………………………………………………………………………………………………
۳- ۴- ۲ جستجوی غذا در طبیعت……………………………………………………………………………………………………………………….
۳- ۴- ۳ الگوریتم زنبور……………………………………………………………………………………………………………………………………..
۳- ۴- ۴ بهینه سازی کلونی زنبورها……………………………………………………………………………………………………………………….
۳- ۴- ۵ سیستم فازی زنبورها……………………………………………………………………………………………………………………………….
۳- ۴- ۶ کاربردهای الگوریتم بهینه سازی زنبورها………………………………………………………………………………………………….
۳- ۴- ۶- ۱ مسئلهRide_matching……………………………………………………………………………………………………………….
3- 4- 6- 2 حل مسئله RS بوسیله سیستم فازی زنبورها……………………………………………………………………………………….
۳- ۴- ۶- ۳ کاربردهای الگوریتم زنبور در مهندسی………………………………………………………………………………………………
۳- ۵ الگوریتم بهینه سازی انبوه ذرات……………………………………………………………………………………………………………….
۳- ۵- ۱ تعریف…………………………………………………………………………………………………………………………………………………
۳- ۵- ۲ الگوریتم……………………………………………………………………………………………………………………………………………
۳- ۵- ۳ کاربردهای الگوریتم بهینه سازی انبوه ذرات……………………………………………………………………………………………..
۳- ۶ الگوریتم ژنتیک………………………………………………………………………………………………………………………………………..
۳- ۶- ۱ تعریف…………………………………………………………………………………………………………………………………………………
۳- ۶- ۲ عملگرهای یک الگوریتم ژنتیک……………………………………………………………………………………………………………..
۳- ۶- ۳ عملکرد کلی الگوریتم ژنتیک………………………………………………………………………………………………………………….
۳- ۶- ۴ مقایسه الگوریتم ژنتیک و دیگر شیوههای مرسوم بهینه سازی…………………………………………………………………………
۳- ۶- ۵ الگوریتم ژنتیک و سیستمهای مهندسی………………………………………………………………………………………………………
۳- ۶- ۶ کاربردهای الگوریتم ژنتیک…………………………………………………………………………………………………………………..
۳- ۷ شبکههای عصبی………………………………………………………………………………………………………………………………………..
۳- ۷- ۱ تعریف………………………………………………………………………………………………………………………………………………..
۳- ۷- ۲ تازیخچه شبکههای عصبی……………………………………………………………………………………………………………………….
۳- ۷- ۳ چرا از شبکههای عصبی استفاده میکنیم؟………………………………………………………………………………………
۳- ۷- ۴ شبکههای عصبی در مقابل کامپیوترهای معمولی…………………………………………………………………………….
۳- ۷- ۵ چگونه مغز انسان میآموزد؟………………………………………………………………………………………………………
۳- ۷- ۶ از سلولهای عصبی انسانی تا سلولهای عصبی مصنوعی………………………………………………………………..
۳- ۷- ۷ کاربردهای شبکههای عصبی……………………………………………………………………………………………………….
۳- ۸ کاربردهای دیگر هوش جمعی………………………………………………………………………………………………………….
۳- ۸- ۱ تعریف…………………………………………………………………………………………………………………………………….
۳- ۸- ۲ اقتصاد…………………………………………………………………………………………………………………………………….
۳- ۸- ۳ شبکههای ادهاک………………………………………………………………………………………………………………………..
۳- ۸- ۴ سیستمهای خودسازمانده…………………………………………………………………………………………………………….
۴- فصل چهارم: نتیجه گیری…………………………………………………………………………………………………………………….
منابع و مآخذ:
[۱] E. Bonabeau, M. Dorigo, and G. Theraulaz. Swarm Intelligence: From Natural to Artificial System. Oxford University Press, New York, 1999.
[2] J.-L. Deneubourg, S. Aron, S. Goss, and J.-M. Pasteels. The Self_Orgonazing exploratory pattern of the Argentine ant. Journal of insect Behavior, 3:159-168, 1990.
[3] G. Di Caro and M. Dorigo. AntNet: Distributed stigmergetic control for communications networks. Journal of Artificial Intelligence Research, 9:317-365, 1998.
[4] G. Di Caro, F. Ducatelle, L. M. Gambardella. AntHocNet: An adaptive nature_inspired algorithm for routing in mobile ad hoc networks. European Transactions on Telacommunications, 16(5): 443-455, 2005.
[5] M. Dorigo,v. Maniezzo,and A. Colorni. Positive feedback as a search strategy. Technical Report 91-016,Dipartimento di Elettronica, politecnico di Milano, Milan, Italy,1991.Revised version publishedas : M.dorigo, on systems, Man,and cybernetics-part B,26(1):29-41,1996.
[6] M. Dorigo and T.Stutzle. Ant Colony Optimization. MIT Press, Cambridge ,MA , 2004.
