Swarm Intelligence (SI) — относительно новая область искусственного интеллекта, в которой существенной частью является сотрудничество между агентами. В литературе мы можем найти много алгоритмов, принадлежащих к семейству SI, но как пионеры роевого интеллекта мы можем выделить три алгоритма, такие как: стохастический диффузионный поиск, оптимизация муравьиной колонии (ACO) и оптимизация роя частиц (PSO). Интеллектуальное семейство роя постоянно растет, и создаются новые алгоритмы, основанные на характере и сотрудничестве между конкретными агентами. Сильно развиты уже существующие алгоритмы СИ и предложены их новые модификации. Благодаря этим модификациям мы можем, например, использовать алгоритм PSO для решения дискретных задач (исходная версия PSO адаптирована для задач непрерывной оптимизации) или алгоритм ACO можно использовать для решения непрерывных задач (исходная версия алгоритма ACO предлагается для задач дискретной оптимизации).
В настоящее время алгоритмы SI широко используются в различных приложениях. В этой книге мы представляем краткий обзор 24 алгоритмов группового интеллекта, выбранных из всего семейства алгоритмов СИ. В каждой главе вы найдете краткое описание одного выбранного алгоритма вместе с обсуждением его модификаций и презентацией его практического применения. Ниже вы можете увидеть список (в алфавитном порядке) алгоритмов SI, которые представлены в этой книге. В этом списке для каждого алгоритма SI мы представляем краткое описание его примерного применения, которое обсуждается в этой книге. Алгоритмы SI и их примеры приложений, представленные в этой книге, следующие:
- Оптимизация муравьиной колонии. Пример применения: Задача оптимального распределения шунтирующих конденсаторов, направленная на минимизацию потерь при подаче электроэнергии и отклонения напряжения в узле с учетом различных ограничений системы и оператора распределительной сети.
- Искусственная пчелиная колония. Пример применения: выбор требований к программному обеспечению для минимизации затрат и максимального удовлетворения потребностей клиентов в условиях ограничений ресурсов, бюджетных ограничений и зависимостей требований.
- Бактериальный поиск пищи. Пример применения: задача одновременного распределения распределенных генерирующих мощностей (небольшие генерирующие установки, как правило, подключенные к коммунальной сети параллельно рядом с центрами нагрузки) и шунтирующих конденсаторов в распределительных системах для снижения ежегодных потерь энергии и поддержания лучших профилей напряжения в узлах.
- Алгоритм летучих мышей. Пример применения: Проблема реконфигурации распределительной сети с целью поиска наилучшей возможной топологии распределительной сети, которая может обеспечить минимальные потери и лучший профиль напряжения узла в системе.
- Оптимизация роя кошек. Пример применения: Составление оптимальной диеты, состоящей из четырех основных приемов пищи в день, а именно завтрака, обеда, ужина, ужина, и основанной на предпочтениях человека в еде.
- Оптимизация куриного роя. Пример применения: Обнаружение падений в повседневной жизни.
- Оптимизация роя тараканов. Пример приложения: Задача коммивояжера, в которой основная цель состоит в том, чтобы найти путь кратчайшей длины или минимальной стоимости между всеми запрошенными точками (городами), посетив каждую точку ровно один раз и вернувшись в исходную точку.
- Алгоритм поиска вороны. Пример применения: настройка количества узлов каждого слоя глубокой нейронной сети, используемой для прогнозирования состояния заданий с использованием журнала Эйлера CIEMAT.
- Поиск с кукушкой. Пример применения: Расчет параметров стабилизатора энергосистемы многомашинной энергосистемы для повышения устойчивости слабого сигнала.
- Алгоритм динамических виртуальных летучих мышей. Пример применения: Определите/оцените параметры системы подвески четверти вагона.
- Оптимизация рассеивания мух. Пример применения: Подход на основе нейроэволюции для обучения нейронной сети, которая применяется к проблеме обнаружения ложных тревог в отделениях интенсивной терапии на основе физиологических данных.
- Разведение слонов. Пример применения: Оптимальная экономичная диспетчеризация микросетей, состоящих из нескольких распределенных энергоресурсов, для минимизации ежедневных эксплуатационных расходов систем.
- Алгоритм FireFly. Пример применения: выделено несколько областей потенциального применения алгоритма светлячка.
- Оптимизация роя светлячков. Пример применения: локализация нескольких источников и сопоставление границ; кластеризация; схема размещения датчиков в беспроводных сетях; локализация источника сигнала.
- Оптимизация кузнечика. Пример приложения: Задача кластеризации — которая представляет собой задачу разделения набора данных на набор C непересекающихся кластеров.
- Оптимизатор серого волка. Пример применения: показаны пять задач инженерной оптимизации: задача проектирования сварной балки, задача проектирования сосуда под давлением, задача проектирования редуктора, задача проектирования трехстержневой фермы, задача проектирования пружин сжатия.
- Охотничий поиск. Пример применения: Задача проектирования прямоугольной консольной балки из углеродистой стали, чтобы выдерживать определенную нагрузку, действующую на свободный конец, с минимальными общими затратами и изготовлением.
- Стадо криля. Пример применения: Оптимальная конструкция подпорных стенок для минимизации их стоимости и веса.
- Оптимизация бабочки монарха. Пример применения: Оптимальное размещение распределенных генераций (DG) в распределительной системе; Цель состоит в том, чтобы определить оптимальные места (узлы) и размеры (мощности ДГ) 3-х ДГ для минимальных реальных потерь мощности 33-шинной распределительной системы.
- Оптимизация роя частиц. Пример применения: Разработка стабильного цифрового фильтра IIR (Infinite Impulse Response) с нестандартной амплитудной характеристикой.
- Алгоритм Salp Swarm. Пример применения: Задача проектирования сварной балки.
- Оптимизация социальных сетей. Пример применения: Задача экономичного распределения нагрузки — оптимальное сочетание выработки электроэнергии, при котором общие производственные затраты системы минимальны.
- Стохастический диффузионный поиск. Пример применения: выявление метастазов при сканировании костей.
- Алгоритм оптимизации Whale. Пример применения: Оптимальная конструкция мелкозаглубленного фундамента.
