Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Inteligencia de Enjambres

comportamiento colectivo de sistemas descentralizados y auto-organizados
by

Yadiana Laitón Zárate

on 30 August 2010

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Inteligencia de Enjambres

Propiedades de un Sistema
de
Inteligencia de Enjambre

Se compone de
muchos individuos.
Los grupos son
relativamente
homogéneos Las interacciones entre los individuos se basan en simples reglas de comportamiento atraves de estigmergia. INTELIGENCIA
DE ENJAMBRES Estigmergia es un principio organizacional en el cual partes individuales del sistema se
comunican entre sí,
indirectamente modificando su
entorno. El comportamiento del grupo
se auto-organiza. Qué es
Inteligencia
de enjambres Se llama así a la disciplina que trata con sistemas naturales y artificiales compuestos de muchos individuos que se coordinan utilizando control descentralizado y auto-organización. Los sistemas de inteligencia de enjambre están constituidos típicamente de agentes simples que interactúan entre ellos y con su ambiente. Los agentes siguen reglas simples y, aunque no existe una
estructura de control que dictamine el comportamiento
cada uno de ellos, las interacciones locales
entre los agentes conducen a la
emergencia de un comportamiento
global complejo. El término Inteligencia de Enjambre fue introducido por Gerardo Beni y Jing Wang en 1989 en un trabajo sobre Sistemas Celulares Robóticos. Ejemplos de los sistemas estudiados por la inteligencia de enjambres son colonias de hormigas y termitas, bancos de peces, bandadas de pájaros, manadas de animales terrestres. Algunos artefactos humanos también caen en el dominio de la inteligencia de enjambre, notablemente algunos sistemas multi-robot, y también ciertos programas de computadoras que se han escrito para abordar problemas de optimización y análisis de datos. TAXONOMIA La investigación en inteligencia de
enjambre se puede clasificar
según diferentes criterios como

Natural vs artificial Se acostumbra a dividir la investigación de la inteligencia de enjambre en dos áreas de acuerdo a la naturaleza de los sistemas bajo análisis. Hablamos por tanto de la investigación en inteligencia de enjambre natural, donde los sistemas biológicos son estudiados, y de la inteligencia de enjambre artificial, donde se estudian los artefactos humanos.
Ciencia vs Ingeniería
El objetivo de la corriente científica es el modelo de sistemas de Inteligencia de enjambre y detectar y comprender los mecanismos que permiten a un sistema comportarse de una manera coordinada, como resultado de las interacciones locales individuo - individuo e individuo - medio ambiente. Por otro lado, el objetivo de la corriente de la ingeniería es aprovechar el conocimiento desarrollado por la corriente científica con el fin de diseñar sistemas que sean capaces de resolver problemas de importancia práctica. Ventajas Flexibilidad, la colonia puede adaptase a un entorno cambiante, extremo, adverso; tienen capacidad de auto-recuperarse. Robustez, es decir, cuando uno o más individuos fallan -se equivocan o mueren, el grupo puede seguir ejecutando la tarea Auto-organización, es decir las actividades no se controla centralizadamente ni se supervisan localmente. No hay reyes, ni presidentes, ni legisladores, ni guardias. Ejemplos Hormigas El método consiste en simular computacionalmente la comunicación indirecta que utilizan las hormigas para establecer el camino más corto, guardando la información aprendida en una matriz de feromonas.

Comportamiento de
avispas y termitas Los científicos han estado estudiando los mecanismos
de coordinación que permitan la construcción
de estas estructuras y han propuesto
modelos probabilísticos Algunos de estos modelos se han aplicado en los programas de ordenador y se utiliza para producir estructuras simuladas que recuerdan la
morfología de los nidos. Banco de Peces Un rasgo de un banco de peces es la fuerte semejanza entre sus miembros. Los peces usan muchas artimañas para elegir compañeros de cardumen: Tamaño del Carcumen Tipo de Especies Afinidad
Tamaño de peces
Son varios los instintos que
presiden la formación de
un banco de peces. Bandada de Aves
Enjambre de Robots
La robótica de enjambres es un nuevo tipo de aproximación para la coordinación de sistemas de modelos basados en agentes, constituidos por un alto número de robots relativamente simples Realizan tareas complejas, como:

Construir rutas
Transporte de alimentos
Defensa
A diferencia de los sistemas de robótica
distribuida en general, la robótica
de enjambres enfatiza en el uso
de un elevado número de robots,
y promueve la escalabilidad, por ejemplo
empleando únicamente
comunicación local INTELIGENCIA COLECTIVA
El estudio de la inteligencia colectiva puede ser considerado propiamente como un subcampo de la Sociología, de las ciencias de la computación y del comportamiento de masas, un campo que estudia el comportamiento colectivo desde el nivel de quarks hasta el nivel de las bacterias, plantas, animales y sociedades humanas. la inteligencia colectiva puede ser fomentada "para superar el 'pensamiento de grupo' y los sesgos cognitivos individuales para permitir a un colectivo cooperar en un proceso mientras alcanza un rendimiento intelectual mejorado". El concepto de inteligencia colectiva se ve impulsado
con las nuevas tecnologías de la información y la comunicación, especialmente con Internet. Aplicaciones El ejército de EE.UU. está investigando técnicas de enjambre para el control de los vehículos no tripulados. NASA está investigando el uso de la tecnología para el mapeo de enjambre planetaria. Multitud de simulación: Los artistas están utilizando la tecnología de enjambre como un medio para la creación de complejos sistemas interactivos o de simulación de multitudes . La ventaja primeria
de la migración
es energética.
La migración
es una
conducta instintiva Yadiana Laitón Zárate
Carlos Fernando Ruiz Nieto
Criatian Montoya ALGUNOS ALGORITMOS UTILIZADOS Algoritmo hormiga o Algoritmo
de las hormigas Algoritmo hormiga o Algoritmo de las hormigas
El algoritmo hormiga o algoritmo de las hormigas es una técnica probabilística utilizada para solucionar problemas de cómputo. Los algoritmos de la optimización de la colonia de la hormiga se han utilizado para producir soluciones cuasi-óptimas al problema del viajante de comercio. El algoritmo de la colonia de la hormiga puede funcionar continuamente y adaptarse a los cambios en tiempo real. Un ejemplo claro lo podemos observar en el problemas de enrutamiento de redes y sistemas urbanos del transporte.

PARA cada arco (i,j)
Inicializar la feromona ij(0) =
0
FIN PARA
Ubicar las hormigas en nodos aleatorios
Obtener una solución inicial Smin con costo Cmin
PARA t=1 HASTA tmax HACER
PARA k=1 HASTA m HACER
PARA j=1 HASTA n•1 HACER
Aplicar la regla de
construcción/modificación en función
de y
FIN PARA
Calcular el costo Ck(t) de la solución
Sk(t)
SI Ck(t)<Cmin
Cmin=Ck(t) y Smin=Sk(t)
FIN SI
FIN PARA
PARA cada arco (i,j)
Actualizar los rastros de feromona de
acuerdo a la regla de actualización
FIN PARA
FIN PARA
Optimización de enjambre de partículas El método de optimización de enjambres de partículas es un método de optimización heurístico que evoca del comportamiento de los enjambres de insectos en la naturaleza. Ejemplo de la abeja Inicializar la población ubicándola
aleatoriamente
MIENTRAS no se cumpla el criterio de
terminación
PARA i=1 HASTA n HACER
Calcular el costo de la partícula Ji
SI Ji < pid
pid = Ji
FIN SI
SI Ji < pig
pig = Ji
FIN SI
Calcular la nueva velocidad de i con
la ecuación (1
Calcular la nueva posición de i con
la ecuación 2
FIN PARA
FIN MIENTRAS
Algoritmo Algoritmo Búsqueda por Difusión Estocástica La búsqueda por difusión estocástica es
otro método de búsqueda genérico
basado en poblaciones. Es una técnica de reconocimiento de patrones capaz de resolver el problema de equivalencia de estímulo La red híbrida de difusión estocástica, una combinación de SDS con una red neuronal, fue usada para localizar características oculares en imágenes faciales humanas y para el seguimiento de labios en videos. Algoritmo Inicializar la población generando una hipótesis
aleatoria
REPITA
Evaluar la evidencia de la hipótesis /*Etapa
de prueba*/
SI hipótesis comprobada
Activar el agente
SINO
Desactivar el agente
FIN SI
SI agente inactivo /*Etapa de difusión*/
Seleccionar un agente al azar
SI el agente seleccionado es activo
Recibir hipótesis apropiada
SINO
Generar una hipótesis aleatoria
FIN SI
FIN SI
HASTA cumplir el criterio de terminación
Full transcript