Capítulo 1 : Inteligencia de enjambre
El comportamiento colectivo de los sistemas descentralizados y autoorganizados, ya sean naturales o artificiales, es lo que se conoce como inteligencia de enjambre (IS). La idea se utiliza en las investigaciones que se están realizando sobre inteligencia artificial. En 1989, Gerardo Beni y Jing Wang fueron los primeros en utilizar la frase "sistemas robóticos celulares" en relación con sus respectivos campos de estudio. En los sistemas naturales, la inteligencia de enjambre se puede ver en cosas como colonias de hormigas, colonias de abejas, bandadas de aves, caza de halcones, pastoreo de animales, crecimiento bacteriano, cardúmenes de peces e inteligencia microbiana. Otros ejemplos son el pastoreo de animales.
La robótica de enjambre se refiere a la aplicación de los principios de enjambre a los robots, mientras que la inteligencia de enjambre se refiere a la colección más amplia de algoritmos que se pueden utilizar en la robótica de enjambre. El concepto de predicción de enjambre se ha utilizado para la resolución de problemas de predicción. En el campo de la inteligencia colectiva sintética, se están estudiando técnicas similares a las que se han sugerido para los robots de enjambre para animales modificados genéticamente.
Boids es un software que replica el comportamiento de las aves agrupadas que fue creado por Craig Reynolds en 1986 como parte de un sistema de vida artificial. Su artículo sobre este tema fue incluido en las actas de la conferencia ACM SIGGRAPH en 1987 y fue publicado allí. Una cosa parecida a un pájaro se conoce como "boid", que es una forma abreviada de la frase "objeto pájaro-oide". La palabra "boid" se relaciona con esta versión reducida.
Boids es un ejemplo de comportamiento emergente, es decir, que la complejidad de Boids proviene de la interacción de agentes individuales (los boids, en este caso), cada uno de los cuales se adhiere a un conjunto de reglas básicas. Este es el caso de la mayoría de las simulaciones de vida artificial. Las siguientes pautas gobiernan el comportamiento en la forma más básica del mundo de Boids:
Separación: Dirigir para evitar meterse con las otras ovejas cercanas.
Alineación: Vaya en la dirección general en la que van la mayoría de los compañeros de bandada cercanos.
Cohesión: migrar hacia la ubicación promedio (centro de masa) de los compañeros de bandada cercanos siguiendo las instrucciones del líder para hacerlo.
Es posible incluir reglas más complicadas, como evitar obstáculos y trabajar para alcanzar tus metas.
Las partículas autopropulsadas, o SPP para abreviar, fueron descritas por primera vez por Vicsek y sus colegas en 1995. Este modelo también se conoce como el modelo Vicsek.
La mayoría de los trabajos en el tema de las metaheurísticas inspiradas en la naturaleza se realizan utilizando algoritmos evolutivos (EA), optimización de enjambres de partículas (PSO), evolución diferencial (DE) y optimización de colonias de hormigas (ACO), así como sus derivados. En esta lista se incluyen los algoritmos publicados hasta aproximadamente el año 2000. La comunidad investigadora ha comenzado a criticar un número significativo de metaheurísticas más recientes inspiradas en metáforas por enmascarar su falta de originalidad detrás de una metáfora intrincada. Esta crítica se dirige a un gran número de metaheurísticas inspiradas en metáforas. Consulte la lista de metaheurísticas basadas en metáforas para cualquier algoritmo que se haya publicado después de ese período.
No se recomienda el uso de metaheurísticas debido a su falta de fiabilidad.
La primera edición se publicó en 1989. Búsqueda basada en difusión estocástica (SDS)
La optimización de colonias de hormigas (ACO) es una familia de algoritmos de optimización que se basa en las actividades de una colonia de hormigas. La optimización de colonias de hormigas fue desarrollada por primera vez por Dorigo en su tesis doctoral. El algoritmo ACO es un método probabilístico que puede ser útil para resolver problemas que implican encontrar mejores caminos a través de grafos. Las "hormigas" artificiales, también conocidas como agentes de simulación, se utilizan para identificar soluciones óptimas atravesando un espacio de parámetros que representa todas las soluciones potenciales. Durante el proceso de exploración de su hábitat, las hormigas naturales dejan rastros de feromonas que guían a otras hormigas hacia los recursos. Las "hormigas" simuladas también realizan un seguimiento de sus ubicaciones y de la calidad de las soluciones que se les ocurren, lo que permite obtener mejores resultados en las siguientes rondas de la simulación al hacer que más hormigas busquen mejores opciones.
La optimización del enjambre de partículas, a menudo conocida como PSO, es un método para tratar problemas en los que la solución óptima puede representarse como un punto o una superficie en un espacio n-dimensional. El PSO se considera una técnica de optimización global. Las hipótesis se trazan en este espacio y se siembran con una velocidad inicial. Además, se establece un canal de comunicación entre las diferentes partículas. Después de eso, las partículas viajarán a través del espacio de la solución y, al final de cada paso de tiempo, se evaluarán de acuerdo con algunos criterios de aptitud. Las partículas, a lo largo del tiempo, son impulsadas gradualmente hacia la dirección de otras partículas dentro de su grupo de comunicación que tienen valores de aptitud más altos. El gran número de miembros que componen el enjambre de partículas hace que la técnica sea impresionantemente resistente al problema de los mínimos locales, que es el principal beneficio de este enfoque en comparación con otras estrategias de minimización global, como el recocido simulado. Otras estrategias globales de minimización incluyen:
El término "Inteligencia de Enjambre Artificial", o ASI, se refiere a una forma de aumentar la inteligencia colectiva de los grupos humanos en red mediante el uso de algoritmos de control que se basan en el comportamiento de los enjambres naturales. La tecnología, que une a grupos de participantes humanos en sistemas en tiempo real que discuten y deciden respuestas como enjambres dinámicos cuando se les presenta simultáneamente una consulta, a menudo se conoce como enjambre humano o IA de enjambre.
Las técnicas basadas en la inteligencia de enjambre se pueden utilizar en una variedad de aplicaciones diferentes. Con el fin de gestionar los vehículos autónomos, el ejército de los Estados Unidos está estudiando tácticas de enjambre. La Agencia Espacial Europea está contemplando el uso de un enjambre en órbita con fines de interferometría y autoensamblaje. El empleo de la tecnología de enjambre con el propósito de mapear el planeta es algo que la NASA está estudiando. M. Anthony Lewis y George A. Bekey publicaron un estudio en 1992 en el que discutieron la posibilidad de usar la inteligencia de enjambre para manejar nanobots dentro del cuerpo con el objetivo de destruir tumores cancerosos.
También se han realizado investigaciones sobre el uso de la inteligencia de enjambre en el campo de las redes de comunicaciones, concretamente en forma de enrutamiento basado en hormigas. A mediados de la década de 1990, fue desarrollado por primera vez de forma independiente por Dorigo et al. y por Hewlett Packard. Desde entonces, se han desarrollado una variedad de otras variaciones. En esencia, esto hace uso de una tabla de enrutamiento probabilístico que recompensa y refuerza el camino que ha sido recorrido con éxito por cada "hormiga", que es un pequeño paquete de control que inunda la red. Se han realizado investigaciones sobre el refuerzo de la ruta tanto en el sentido de avance como en el de retroceso, así como en ambos sentidos al mismo tiempo. El refuerzo hacia atrás requiere una red simétrica y acopla las dos direcciones, mientras que el refuerzo hacia adelante recompensa una ruta antes de que se conozca el resultado (pero entonces uno pagaría por el cine antes de saber qué tan buena es la película). Como resultado del comportamiento estocástico del sistema y, como consecuencia, de su falta de repetibilidad, existen barreras significativas para la adopción comercial de la tecnología. Debido a la inteligencia de enjambre, los medios móviles y otras tecnologías recientemente desarrolladas tienen la capacidad de alterar el umbral para la acción colectiva (Rheingold: 2002, P175).
La ubicación óptima del equipo de transmisión para las redes de comunicación inalámbrica es un desafío técnico importante que implica equilibrar una serie de objetivos contradictorios. Bajo la condición de que se proporcione una cobertura de área adecuada para los usuarios, solo es necesaria una selección limitada de ubicaciones (o sitios). La búsqueda de difusión estocástica (SDS, por sus siglas en inglés), una técnica de inteligencia de enjambre que se inspiró de manera muy diferente en las hormigas, se ha utilizado de manera efectiva para proporcionar un modelo genérico para este problema, que está relacionado con el empaquetamiento de círculos y la cobertura de conjuntos. Se ha demostrado que la SDS puede utilizarse para encontrar respuestas apropiadas a pesar de la magnitud del problema que se está investigando.
La tecnología de enjambre está siendo utilizada por los artistas como método para la creación de complicados sistemas interactivos o la simulación de multitudes.
Durante las secuencias de lucha de la trilogía cinematográfica de El Señor de los Anillos, se utilizó una tecnología comparable llamada Massive (software). La tecnología Swarm es especialmente atractiva debido...
