Розділ 1. Загальна характеристика ройових алгоритмів та їх застосування

1. Загальна характеристика ройових алгоритмів.

За останні 40-60 років людство дуже стрімко почало розвивати інформаційні технології, зокрема їх застосування для вирішення проблем досить різного складу і походження. Таким чином виникли різноманітні алгоритми, призначені для автоматизації виробництва, ретельної діагностики, спрощення життєвих(буденних) ситуацій, розв’язування задач різного типу тощо. Проте на практиці, не завжди вдається побудувати початкову модель або встановити конкретну кінцеву мету, невизначеність, не лінійність задачі або відсутність реального досвіду розв’язку такого типу задач. Саме для таких випадків були відкриті генетичні алгоритми. Принцип їх роботи, очевидно, запозичений з явищ природи: імунні та нейронні мережі взаємозв’язки між видами та в межах популяції, закономірності поведінки тварин, як колективної, так і індивідуальної та реалізують процес випадкового пошуку. Проте слід враховувати, що такі алгоритми є здебільшого хаотичні, тоді як ми прагнемо зробити всі процеси максимально точними і ефективними для досягнення результату якнайшвидше. Такі методи частіше називають метаеврестичними. Цей термін вказує на те, що евристика, яка застосовується, не є завершеною, а лише створює певний алгоритм для побудови кінцевої евристики для кожної конкретно вирішуваної задачі.

Такими алгоритмами є і ройові алгоритми або PSO(Particle Swarm Organization). Вперше алгоритм був відкритий і сформульований Дж. Кеннеді та Р. Ебенхартом, але сама ідея використання “природних” алгоритмів існувала раніше, приваблюючи людей абсолютною точністю і злагодженістю.

В основу ройового алгоритму покладений колективний інтелект, наприклад стаї хижаків, що полюють на здобич, зграя птах, що точно летить в одному напрямі, не зіштовхуючись одне з одним, міграція риб тощо. Якщо розглядати конкретніше, то принцип роботи заклечається в передачі інформаціями між одиницями рою, тобто частками(звірі в стаї, птахи в зграї тощо) під час кожної ітерації. Ітерація – це повторення певних дій. Таким чином, після кожної ітерації, передається інформація про найкраще місцезнаходження часток в даний момент і попередні найкращі позиції(координати).

В сучасній термінології штучного інтелекту кожний елемент системи називають агентами. В процесі пошуку задіяний не один агент, а ціла система – популяція. Таким чином, рішення задачі знаходиться за допомогою багатоагентних систем, що складається з багатьох агентів, що мають прості правила взаємодії. Характерними для таких алгоритмів є колективність, тобто здатність обмінюватися інформацією, адаптуватися до умов задачі і навчатися. В біонічних методах цільову функцію частіше називають фітнес-функцією.

В процесі рішення задачі агенти оперують не одним найкращим рішенням, а набором потенціальних рішень, наближених до шуканого оптимуму. Таким чином, кожне наступне рішення оцінюється, аналізується і впливає на зміну і покращення інших рішень.