人工智能和机器学习A代码系列 目录 为什么我们在自然界中发现人工智能 蚂蚁类算法的巨大来源！ 蚁群优化算法 当达尔文主义导致进化算法时 遗传算法 第一阶段：人口 第二健身功能 第三阶段：选择 第四阶段：交叉 第五阶段：突变 收敛到解决方案 进化算法 蜜蜂和章鱼 人工蜂群算法 侦察蜂寻找花蜜来源 ABC算法 为什么章鱼可能是机器人人工智能的未来 免疫力和大脑 人工免疫系统 生物神经网络启发了人工智能 我们对群体、群体和羊群以及其他事物的了解 为什么我们在自然界中发现人工智能 人工智能通常被认为是任何非人类智能的表现，后者被相反地描述为“自然”智能。 人类并不是地球上唯一能够计算和展示智能的生物。对我们来说幸运的是，迄今为止，人类的智力通常被认为是其环境中最高的。 然而，众所周知，其他生物，如昆虫或动物，表现出各种形式的组织和属于人工智能类别的“集体”智能。 在这篇文章中，我们将看到这种不涉及任何机器而只涉及生物物种的人工智能有多强大。
无论如何“智能”的概念是一个拟人化的概念
因为我们不一定希望想象——或者可能无法想象——任何与我们的“人类”智能不同的东西。因此，它仍然是一个神秘的领域，与信息和组织的概念密切相关，尤其是“自组织”的概念，其法则和原则对我们来说仍然是一个完全的谜。 还 读 人工智能对营销的影响 蚂蚁：人类算法的巨大来源！ 蚂蚁为人类提供的算法来源 正如每个人一生中可能至少观察过自己一次一样，蚂蚁展示了更高层次的组织。他们完美而令人印象深刻的“军队”能够在很短的时间内以极其有效的方式收集殖民地所需的任何食物或材料。事实上，这背后有一个非常强大的人工智能，直到最近（1989 年）它才被发现。 蚁群优化算法 简而言之，侦 韩国 WhatsApp 号码列表 察蚁会随机走到蚁群外，通过泄漏信息素踪迹来发出食物信号。靠近小径的其他蚂蚁会被它吸引，并收集食物并通过泄漏更多的信息素来加固小径。 由于信息素具有挥发性，因此只有最短的踪迹才会被选中。
信息素的蒸发是不断消除优化问题的坏解
的方法（寻找群体和食物之间的最短路径） 最初，蚁群算法由生物学家 作为自组织系统的描述。 从最初的算法开始，许多“人造”计算机算法被创建出来，随着时间的推移变得越来越复杂。蚂蚁被建模为“抽象”代理，它们使用单独的启发式过程搜索给定优化问题的解决方案（因此整个系统称为元启发式）。 因此，从自然界中观察到的原始人工智能算法开始，计算机科学家和数学家创建了几种“蚁群”算法。它们现在属于更通用的一类算法，称为群体智能算法。 在这里，我们展示了自然界中发现的蚁群优化算法的基础知识。 蚁群优化算法 步骤 1：侦察蚁最初会通过在蚂蚁发现的踪迹上泄漏信息素（红色箭头）向蚁群巢穴 出食物存在 BI 列表 的信号。 蚁群探索路径 步骤2：在最初的标记之后，其他蚂蚁将探索通向食物源的其他路径，并在它们遵循的路径上泄漏信息素，作为强化。信息素越多，踪迹就越有吸引力，越多的蚂蚁会“穿越”它。与此同时，其他侦察蚁将探索新的道路。
