چكيده
موضوع اصلي اين
پروژه، معرفي و بررسي روشهايي كه با نام هوش جمعي از آنها ياد ميشوند.
در روشهايي كه در گروه هوش جمعي جاي ميگيرند، ارتباط مستقيم يا غير
مستقيم بين جوابهاي مختلف الگوريتم وجود دارند. در واقع، در اين روشها،
جوابها كه موجوداتي كمهوش و ساده هستند، براي پيدا شدن و يا تبديل شدن به
جواب بهينه، همكاري ميكنند. اين روشها از رفتارهاي جمعي حيوانات و
موجودات زنده در طبيعت الهام گرفته شدهاند. الگوريتم مورچهها يكي از
بارزترين نمونهها براي هوش جمعي است كه از رفتار جمعي مورچهها الهام
گرفته شده است. يكي ديگر از مهمترين الگوريتمهايي كه در گروه هوش جمعي جاي
ميگيرد، الگوريتم بهينه سازي انبوه ذرات است. در الگوريتم بهينه سازي
انبوه ذرات، اعضاي جامعه، كه ماهيها يا پرندگان ميباشند، به صورت مستقيم
با هم ارتباط دارند. و همچنين در اين پروژه به الگوريتم ژنتيك و ديگر
كاربردهاي هوش جمعي ميپردازيم.
مقدمه
ما
در اين پروژه به تعريف هوش جمعي مي پردازيم كه هوش جمعي يكي از شاخههاي
هوش مصنوعي ميباشد.در واقع بيان مي كنيم، هوش جمعي ويژگي از سيستم است كه
بر اساس آن رفتار گروهي عاملهاي غير پيچيده كه به صورت محلي با محيطشان در
ارتباط هستند منجر به وجود آمدن الگوهاي يكپارچه و منسجم ميشود. همچنين
كاربردهاي مهم هوش جمعي را ذكر خواهيم كرد، و اينكه هر كاربرد بيشتردركجاها
استفاده خواهد شد.
فهرست مطالب
عنوان صفحه
۱- فصل اول: هوش مصنوعي و ارتباط آن با هوش جمعي………………………………………………………………………………………….
۱- ۱ مقدمه……………………………………………………………………………………………………………………………………………………….
۱- ۲ تاريخچه هوش مصنوعي……………………………………………………………………………………………………………………………..
۱- ۳ هوش چيست؟………………………………………………………………………………………………………………………………………….
۱- ۴ فلسفه هوش مصنوعي…………………………………………………………………………………………………………………………………..
۱-۵ مديريت پيچيدگي………………………………………………………………………………………………………………………………………
۱-۶ عاملهاي هوشمند……………………………………………………………………………………………………………………………………..
۱- ۷ سيستمهاي خبره…………………………………………………………………………………………………………………………………………
۱- ۸ رابطه هوش جمعي با هوش مصنوعي…………………………………………………………………………………………………………….
۲- فصل دوم: تعريف هوش جمعي………………………………………………………………………………………………………………………
۲- ۱ مقدمه……………………………………………………………………………………………………………………………………………………..
۲- ۲ تعريف هوش جمعي………………………………………………………………………………………………………………………….
۲- ۳ خصوصيات هوش جمعي…………………………………………………………………………………………………………………..
۲- ۴ اصول هوش جمعي……………………………………………………………………………………………………………………………
۲- ۵ طبقه بندي هوش جمعي………………………………………………………………………………………………………………………………..
۲- ۵ -۱ طبيعي در مقابل مصنوعي………………………………………………………………………………………………………………………
۲- ۵ – ۲ علمي در مقابل مهندسي……………………………………………………………………………………………………………………….
۲- ۶ تعامل دو دسته طبيعي/ مصنوعي و علمي/ مهندسي………………………………………………………………………………………..
۳- فصل سوم: كاربردهاي هوش جمعي………………………………………………………………………………………………………………….
۳- ۱ مقدمه………………………………………………………………………………………………………………………………………………………..
۳- ۲ تعريف بهينه سازي……………………………………………………………………………………………………………………………………..
۳- ۳ الگوريتم بهينه سازي كلوني مورچهها……………………………………………………………………………………………………………..
۳- ۳- ۱ تعريف……………………………………………………………………………………………………………………………………………….
۳- ۳- ۲ الگوريتم…………………………………………………………………………………………………………………………………………….
۳- ۳- ۳ خواص عمومي كلوني مورجهها……………………………………………………………………………………………………………
۳- ۳- ۴ الگوريتم مورچه براي مسئله فروشنده دورهگرد………………………………………………………………………………………
۳- ۳- ۵ كاربردهاي الگوريتم مورچه……………………………………………………………………………………………………………..
۳- ۳- ۵- ۱ مسيريابي خودرو………………………………………………………………………………………………………………………..
۳- ۳- ۵- ۲ الگوريتم S_ANTNET…………………………………………………………………………………………………………………
3- 3- 5- 3 هزارتوي چند مسيره………………………………………………………………………………………………………………………..
۳- ۳- ۵- ۴ مسيريابي در شبكههاي مخابراتي………………………………………………………………………………………………………..
۳- ۴ الگوريتم بهينه سازي زنبور…………………………………………………………………………………………………………………………
۳- ۴- ۱ تعريف…………………………………………………………………………………………………………………………………………………
۳- ۴- ۲ جستجوي غذا در طبيعت……………………………………………………………………………………………………………………….
۳- ۴- ۳ الگوريتم زنبور……………………………………………………………………………………………………………………………………..
۳- ۴- ۴ بهينه سازي كلوني زنبورها……………………………………………………………………………………………………………………….
۳- ۴- ۵ سيستم فازي زنبورها……………………………………………………………………………………………………………………………….
۳- ۴- ۶ كاربردهاي الگوريتم بهينه سازي زنبورها………………………………………………………………………………………………….
۳- ۴- ۶- ۱ مسئلهRide_matching……………………………………………………………………………………………………………….
3- 4- 6- 2 حل مسئله RS بوسيله سيستم فازي زنبورها……………………………………………………………………………………….
۳- ۴- ۶- ۳ كاربردهاي الگوريتم زنبور در مهندسي………………………………………………………………………………………………
۳- ۵ الگوريتم بهينه سازي انبوه ذرات……………………………………………………………………………………………………………….
۳- ۵- ۱ تعريف…………………………………………………………………………………………………………………………………………………
۳- ۵- ۲ الگوريتم……………………………………………………………………………………………………………………………………………
۳- ۵- ۳ كاربردهاي الگوريتم بهينه سازي انبوه ذرات……………………………………………………………………………………………..
۳- ۶ الگوريتم ژنتيك………………………………………………………………………………………………………………………………………..
۳- ۶- ۱ تعريف…………………………………………………………………………………………………………………………………………………
۳- ۶- ۲ عملگرهاي يك الگوريتم ژنتيك……………………………………………………………………………………………………………..
۳- ۶- ۳ عملكرد كلي الگوريتم ژنتيك………………………………………………………………………………………………………………….
۳- ۶- ۴ مقايسه الگوريتم ژنتيك و ديگر شيوههاي مرسوم بهينه سازي…………………………………………………………………………
۳- ۶- ۵ الگوريتم ژنتيك و سيستمهاي مهندسي………………………………………………………………………………………………………
۳- ۶- ۶ كاربردهاي الگوريتم ژنتيك…………………………………………………………………………………………………………………..
۳- ۷ شبكههاي عصبي………………………………………………………………………………………………………………………………………..
۳- ۷- ۱ تعريف………………………………………………………………………………………………………………………………………………..
۳- ۷- ۲ تازيخچه شبكههاي عصبي……………………………………………………………………………………………………………………….
۳- ۷- ۳ چرا از شبكههاي عصبي استفاده ميكنيم؟………………………………………………………………………………………
۳- ۷- ۴ شبكههاي عصبي در مقابل كامپيوترهاي معمولي…………………………………………………………………………….
۳- ۷- ۵ چگونه مغز انسان ميآموزد؟………………………………………………………………………………………………………
۳- ۷- ۶ از سلولهاي عصبي انساني تا سلولهاي عصبي مصنوعي………………………………………………………………..
۳- ۷- ۷ كاربردهاي شبكههاي عصبي……………………………………………………………………………………………………….
۳- ۸ كاربردهاي ديگر هوش جمعي………………………………………………………………………………………………………….
۳- ۸- ۱ تعريف…………………………………………………………………………………………………………………………………….
۳- ۸- ۲ اقتصاد…………………………………………………………………………………………………………………………………….
۳- ۸- ۳ شبكههاي ادهاك………………………………………………………………………………………………………………………..
۳- ۸- ۴ سيستمهاي خودسازمانده…………………………………………………………………………………………………………….
۴- فصل چهارم: نتيجه گيري…………………………………………………………………………………………………………………….
منابع و مآخذ:
[۱] E. Bonabeau, M. Dorigo, and G. Theraulaz. Swarm Intelligence: From Natural to Artificial System. Oxford University Press, New York, 1999.
[2]
J.-L. Deneubourg, S. Aron, S. Goss, and J.-M. Pasteels. The
Self_Orgonazing exploratory pattern of the Argentine ant. Journal of
insect Behavior, 3:159-168, 1990.
[3] G.
Di Caro and M. Dorigo. AntNet: Distributed stigmergetic control for
communications networks. Journal of Artificial Intelligence Research,
9:317-365, 1998.
[4] G. Di Caro, F.
Ducatelle, L. M. Gambardella. AntHocNet: An adaptive nature_inspired
algorithm for routing in mobile ad hoc networks. European Transactions
on Telacommunications, 16(5): 443-455, 2005.
[5]
M. Dorigo,v. Maniezzo,and A. Colorni. Positive feedback as a search
strategy. Technical Report 91-016,Dipartimento di Elettronica,
politecnico di Milano, Milan, Italy,1991.Revised version publishedas :
M.dorigo, on systems, Man,and cybernetics-part B,26(1):29-41,1996.
[6] M. Dorigo and T.Stutzle. Ant Colony Optimization. MIT Press, Cambridge ,MA , 2004.
دانلود فايل
