1. Izranjajuća Inteligencija
SVEUČILIŠTE U ZAGREBU
Fakultet elektrotehnike i računarstva
Autori:
Krešimir Antolić
Tomislav Lugarić
Zvonimir Pavlić
Izranjajuća Inteligencija
Zagreb 2008.

2. Dumb parts, properly connected into a swarm, yield smart results.
Kevin Kelly
New Rules for the New Economy
Sep 1997

3. Izranjajuća Inteligencija?
svojstvo nekih decentraliziranih sustava da, iako sastavljenih od velikog broj jednostavnih nezavisnih elemenata, iskazuju inteligentno ponašanje
timski rad, ne od 10 članova, nego stotina i tisuća raznih elemenata, koji postižu rezultate kakve bi često i najbolji hijerarhijski sustav imao problema postići

4. Karakteristike jednostavni dijelovi sustava
decentralizirani sustav sastavljen od jednostavnih dijelova
fleksibilan, robustan, samoorganizirajuć sustav
povratna veza!

5. The whole is greater than
the sum of the parts.

6. Pčele
Ekonomija
Internet
Gradovi
Ptice
U Svijetu Oko Nas

7. Napredak
Umjetnost
Znanost
Pismo
U Svijetu U Nama

8. Pojedinac?
Ili skupina pojedinaca?
Tko je zaslužan za ovo?

9. Izranjajuća Inteligencija i Znanost
znanost proučava i posuđuje znanje prirode
rješavanje problema koji se mogu prikazati pomoću grafova
Prepreka
Kako pronađe najkraći put?

10. Mrav I Hrana 1 2 4 5 3 2 5 3 1 A - početak E F - hrana F D
-ostavljanje feromonskog traga 5
-što je put kraći – to je trag jači 3
-jači feromoni na putu –
poželjniji put 2 5 C 3 A 1 B

11. ACO Algoritam 1999. Dorigo, Di Caro i Gambardella
Ant Colony Optimization – nastalo promatranjem ponašanjem mrava
heurističke funkcije za odabir rješenja

12. Primjena nalaženje najkraćih puteva u grafu Traveling Salesman Problem
usmjeravanje paketa u mreži
paralelno rješavanje problema

13. Traveling Salesant Problem
Proći sve mravinjake i vratiti se u početni
mravinjak najkraćim mogućim putem. m1
t13=2
t14=4
t13=5
t34=3 m3
?!? m4
t23=1
t24=2 m2

14. Algoritam?
“mravi” – pamte put, ostavljaju “feromonski” trag obrnuto proporcionalno prijeđenom putu, nakon što prijeđu put
odabir sljedećeg mravinjaka vrši se pomoću duljine puta i ostavljenog feromonskog traga l1
t12= 2
n12=0.5 m3
t23= 3
l2=j
n23=0.9

15. m1
t13=2
t14=4
t13=5
t34=3 m3 m4
t23=1
t24=2 m2
dA=9
dA=9
Svaki mrav nakon prolaska ostavlja feromonski trag nij=1/dk.
dB=12
dB=9
U svakoj sljedećoj iteraciji mrav preferira put sa više feromona.
dC=9
dC=9

16. Algoritam!
Funkcija ACO postaviMraveURazliciteMravinjake dok(uvjet_prestanka_izracunavnja) nadjiRjesenjeZaSvakogMrava ispariFeromonskiTrag ostaviFeromonskiTragZaSvakogMrava

17. Zaključak
priroda puna dobrih rješenja za probleme koje znanost često susreće
ACO algoritam pogodan za rješavanje problema prikazanih pomoću grafa
postoje mnoge varijante implementacije ACO algoritma, ali nijedna ne garantira nalaženje najboljeg riješenja, ali riješenje koje se nađe obično je veoma dobro