Inteligência de Enxame

Prévia do material em texto

Inteligência de Enxame 
Swarm Intelligence é um ramo da Inteligência Artificial que estuda o comportamento 
coletivo de sistemas descentralizados, auto-organizados, naturais ou artificiais. O 
conceito é usado em trabalhos com inteligência artificial. A expressão foi introduzida por 
Gerardo Beni e Wang Jing em 1989, no contexto de sistemas robóticos móveis. 
Inspirados na natureza, especialmente em certos sistemas biológicos, os sistemas de 
inteligência de enxame são tipicamente compostos de uma população de agentes simples 
que interagem localmente entre si e com seu ambiente. 
 
Os agentes seguem regras simples e, embora não haja uma estrutura de controle 
centralizado que dite o comportamento de cada um deles, as interações locais entre os 
agentes levam ao surgimento de comportamentos globais complexos. Exemplos naturais 
incluem colônias de formigas, o alinhamento de pássaros em vôo, o comportamento dos 
rebanhos durante o pastejo e crescimento bacteriano. 
A otimização baseada em colônias de formigas (OCH) é uma classe de algoritmos para 
otimização inspirada nas ações de uma colônia de formigas. Os métodos OCH são úteis 
em problemas que precisam encontrar caminhos para objetivos. 
O objetivo da 'simulação de formiga artificial' por meio de agentes é localizar soluções 
ótimas movendo-se por um espaço de parâmetros que representa todas as soluções 
possíveis. Formigas naturais usam feromônios que dirigem uns aos outros, recursos e 
exploram seu ambiente. A simulação de 'formigas' também permite registrar suas 
posições e a qualidade de suas soluções, de forma que nas iterações de simulação 
subsequentes mais formigas possam encontrar as melhores soluções. 
Otimização de enxame de Firefly (GSO), introduzida por Krishnanand e Ghose em 2005 
para o cálculo simultâneo de múltiplos ótimos de funções multimodais. O algoritmo 
compartilha algumas características com alguns algoritmos mais conhecidos, como 
otimização de colônia de formigas e otimização de enxame de partículas, mas com várias 
diferenças significativas. 
Os agentes em GSO são considerados vaga-lumes que carregam uma quantidade de 
luminescência chamada luciferina junto com eles. Os vagalumes codificam o estado físico 
de suas localizações atuais, avaliados usando a função objetivo, em um valor de luciferina 
para transmitir aos seus vizinhos. 
O vaga-lume identifica seus vizinhos e calcula seus movimentos explorando uma zona 
adaptativa, que é limitada superiormente por seu alcance de sensor. Cada vaga-lume 
seleciona, usando um mecanismo probabilístico, um vizinho que tem um valor de 
Luciferina mais alto do que o seu e se move em sua direção. Esses movimentos são 
baseados exclusivamente em informações locais para permitir que o enxame de vaga-
lumes se divida em subgrupos disjuntos que convergem em vários ótimos de um 
determinado tratamento multimodal funcional e seleção de recursos. Este tipo de 
algoritmo tem sido aplicado na otimização de pontes pré-moldadas de concreto 
protendido. 
 
Embora controversa, a teoria sustenta que o algoritmo de busca gravitacional (GSA) é 
baseado na lei da gravidade e na noção de interações de comunicação. O algoritmo GSA 
usa a teoria da física newtoniana e seus agentes de busca são a coleção de massa. No 
GSA, existe um sistema de massa isolado. 
Usando a força gravitacional, cada massa no sistema pode ver a localização das outras 
massas; portanto, a força gravitacional é uma forma de transferir informações entre 
diferentes massas. 
No GSA, os agentes são considerados objetos e seu desempenho é medido por suas 
massas. Todos esses objetos são atraídos uns pelos outros por uma força gravitacional, e 
essa força causa um movimento de todos os objetos globalmente em direção a objetos 
com massas mais pesadas, este último correspondendo às boas soluções do problema. 
A posição do agente corresponde a uma solução do problema, e sua massa é determinada 
usando uma função de aptidão. Com o passar do tempo, as massas são atraídas pela massa 
mais pesada, que idealmente apresentaria uma solução ótima no espaço de busca.