人工智能及其应用 教学课件 作者 李长河 第12章人工生命.pptVIP

第12章 人工生命 第12章 人工生命 第12章 人工生命 1. 引言 人工生命 人工生命 人工生命 人工生命 人工生命 人工生命 应该强调指出：人工生命中的“人工”是指它的组成部分，即计算机芯片、电路设计及组成结构、计算规则等是人工的；但人工生命系统的行为并不是人工的。 换言之，人工生命展示的生命活动则是系统独立自主产生的行为。 人工生命 人工生命研究，如同面临一个复杂的适应系统：诸如生态系统、脑、社会现象等。在这种复杂系统中，科学研究中过去认为行之有效的方法，如“分治”将无法有效运用。“分治”是将研究对象分为组成要素，经简化后再逐一分析、各个击破，加以综合而理解；而人工生命这种复杂的事物与对象，只能按其复杂的面貌来认识与理解。 相关会议 9th Alife 9th Alife 相关刊物 相关刊物 AI vs. AL Complex human functions Top-down Global Control Complex Rules Preprogrammed behavior Knowledge-Representation Basic natural behavior Bottom-up Local Control Simple Rules Emergent behavior Avoid Knowledge-Representation Planning 2. 研究人工生命的原因 3. 人工生命的探索 4. 人工生命的模型 5. 人工生命的研究方法和战略 人工生命的构造途径 人工生命的构造途径 人工生命的构造途径 人工生命研究的方法 人工生命研究的策略和方法 人工生命研究的策略和方法 6 . 计算机生命 7 .细胞自动机 7 .细胞自动机 细胞自动机的概念可由以下方式建立 细胞自动机的概念可由以下方式建立 细胞自动机对策论理论 信号传播的过程 信号复制 数据生长和数据路径扩张 规则变换* 8 .形态形成理论 8 .形态形成理论 例1： 9 .混沌理论 9 .混沌理论 9 .混沌理论 混沌理论 10 . 人工生命研究平台 A-Volve（生命的空间科学） Tierra（数字生命进化模型） Avida（自适应的遗传基因系统） Amoeba（研究生命起源） 11.群体智能(Swarm Intelligence) 及蚁群算法 群体智能概念: 群体智能这个概念可通过对蜜蜂和蚂蚁的观察得到。一组相互之间可以进行直接通信或者间接通信的Agent， 可通过改变局部环境来进行合作,实现分布问题求解 。 任何启发于群居性昆虫群体和其它动物群体的集体行为而设计的算法和分布式问题解决装置都称为群体智能。 群体智能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。 群体智能 群体智能(Swarm Intelligence)中的群体指的是“一组相互之间可以进行直接通信或者 通过改变局部环境来间接通信的Agent ，它们能够合作进行分布式问题求解或分布式系统的求解”。而所谓群集智能指的是“无智能或智能水平很低的Agent通过合作表现出高度智能行为的特性”。 意义：群体或称群集智能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。 群体智能——蚂蚁的故事 蚁群寻找食物时会派出一些蚂蚁分头在四周游荡，如果一只蚂蚁找到食物，它就返回巢中通知同伴并沿途留下“信息素”(Pheromone)作为蚁群前往食物所在地的标记。 信息素会逐渐挥发，如果2只蚂蚁同时找到同一食物，又采取不同路线回到巢中，那么比较绕弯的一条路上信息素的气味会比较淡，蚁群将倾向于沿另一条更近的路线前往食物所在地。 群体智能——蚁群优化算法 受到蚂蚁觅食时的通信机制的启发，90年代Dorigo提出了蚁群优化算法(Ant Colony Optimization，ACO)来解决计算机算法学中经典的“货郎担问题”： 如果有n个城市，需要对所有n个城市进行访问且只访问一次。求其最短距离。 群体智能——蚁群优化算法 在解决货郎担问题时，蚁群优化算法设计虚拟的“蚂蚁”将摸索不同路线，并留下会随时间逐渐消失的虚拟“信息素”。 每只蚂蚁每次随机选择要走的路径，它们倾向于选择路径比较短的、信息素比较浓的路径。 根据“信息素较浓的路线更近”的原则，即可选择出最佳路线。 由于该算法利用了正反馈机制，使得较短的路径能够有较大的机会得到选择，并且由于采用了概率算法，所以它能够不局限于局部最优解。 蚂蚁寻找最短路径原理 蚂蚁寻找最短路径原理 第k个蚂蚁从城市i到城市j 的跃迁概率为： 第k个蚂蚁从城市i到城市j的积留的信息量情况与计算： 蚁群优化算法及其应用 蚁群优化算法对于解