仿生学智能计算的原理浅谈
作者：计算机核心论文发表 人气：218 来源： 标签：
1 仿生学智能计算的原理
1．1 自然原理
达尔文在进化论中提出，大自然中的生物“物竞天择，适者生存”，经历万亿年的进化，在解决生存问题时已经积累了丰富的智慧。人类曾经根据鸟类的飞行发明了滑翔机；根据鱼类的游泳发明了潜艇等。现在人们在智能方面也在向自然界学习。例如根据人类大脑的构造，开创了人工神经网络算法这一重要领域；根据进化论遗传学理论提出了遗传算法等。模仿生物智慧而产生的方法，在解决复杂的问题上已经有了显著的效果。
1.2 数学原理
智能计算的多种算法都有坚实的数学基础[[i]]，可以利用数学方法判定算法的有效性及证明。虽然有些算法现在还未完全严格证明，但其使用效果已经说明了算法的可行性。
很多基于仿生学的智能计算都可以看做是一个Markov链：
一个随机过程X={Xt，t∈T}，可能取到的值空间为S，称为状态空间。若状态Xn+1满足
P{ Xn+1=j| X0=i0，X1=i1，…Xn=in}
= P{ Xn+1=j| Xn=in}
则称Xn为Markov链。
Markov链是一类概率问题，许多智能计算方法都属于Markov链范畴。
另一个常用的数学工具是图论。图论以图、点及连线为研究对象，利用图论可以验证各种算法的有效性及效率。以经典的0-1背包问题为例，现在使用仿生学原理产生的蚁群算法，效果明显更好[[ii]]。
2 智能算法
2.1 群集智能算法
根据自然界中群体性动物合作的研究，人们提出了多种模仿群体智慧的算法。例如根据蚂蚁采食而产生的蚁群算法，根据蜜蜂寻找蜜源而产生的蜂群算法等，这些方法在路径搜索等领域已经取得了很好的应用[[iii]]。现在以蚁群算法为例进行简要分析。
蚂蚁是一种群居性动物，单个蚂蚁很难在自然界存活。但由于群体合作的存在，使蚂蚁成为世界上分布最广泛的物种之一。通过研究发现，蚂蚁在将食物搬回家的过程中，开始时的路径有长有短。但经过大量蚂蚁的路径试探后，最后越来越归于最短的那条路径。
这是因为每只蚂蚁在行进过程中都会产生一种“信息素”，用来给后来的蚂蚁指路。当大量蚂蚁在行进时，不同路径产生的信息素浓度不同。浓度最大的路径表示单位时间内通过的蚂蚁数量最多，这就是最短路径[[iv]]。
这种算法在开始时可以随机选择数值，到最后最佳结果的概率会最大，这就求得了问题的解。蚁群算法在求解图的路径上是一个比较好的方法，具有良好的鲁棒性，且易于并行分布式实现；但是搜索时间较长，开销较大，需要大量的运行才能收敛于解，而且可能会陷入局部最优。
[1]
·上一篇：提高地震安全工程建设的对策研究
·下一篇： 运用“E模式”进行小组合作教育策略
