La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

AntNET Sim Boscato Luca Calaon Leonardo Dissegna Moreno De Zotti Giorgio Favaretto Alessio Progetto per il corso di Intelligenza artificiale Docente: Silvana.

Presentazioni simili


Presentazione sul tema: "AntNET Sim Boscato Luca Calaon Leonardo Dissegna Moreno De Zotti Giorgio Favaretto Alessio Progetto per il corso di Intelligenza artificiale Docente: Silvana."— Transcript della presentazione:

1 AntNET Sim Boscato Luca Calaon Leonardo Dissegna Moreno De Zotti Giorgio Favaretto Alessio Progetto per il corso di Intelligenza artificiale Docente: Silvana Badaloni

2 Swarm Intelligence (1/2) Definizione Proprietà di un sistema in cui il comportamento collettivo di agenti (non sofisticati) che interagiscono localmente con lambiente produce lemergere di pattern funzionali globali nel sistema (Beni e Watt, 1989) Metodo di risoluzione di problemi che si ispira al comportamento di sciami di animali come formiche, api, uccelli, ecc, che singolarmente dispongono di capacità intellettive limitate, ma in gruppo riescono a risolvere problemi complessi come la costruzione di un nido o la ricerca di un percorso da una sorgente di cibo al nido stesso.

3 Swarm Intelligence (2/2) Caratteristiche Ogni individuo dispone di un repertorio di comportamenti limitato Ogni individuo non conosce lo stato globale del sistema Assenza di un capo coordinatore (lape regina non coordina lattività delle altre api) Chi è a governare? Chi è che da ordini, che immagina cosa accadrà in futuro, elabora piani e mantiene lequilibrio? Maurice Maeterlinck Il comportamento di un individuo influenza quello degli altri

4 Stigmergia Dal greco stigma ed ergon, cioé segno e lavoro, (lavoro guidato da stimoli) Maurice Maeterlinck Forma di comunicazione indiretta Ogni individuo marca lambiente Gli altri individui che rivelano la marcatura reagiscono allo stimolo Forma di comunicazione limitata nel tempo La stigmergia influenza il comportamento globale della popolazione mediante il feedback

5 Feedback Feedback positivo Fenomeno per cui le marcature allambiente rilasciate da individui incentivano gli altri individui della popolazione a rilasciare ulteriori marcature nello stesso posto, facendo così convergere la popolazione al rinforzo di una soluzione Feedback negativo Fenomeno opposto, ovvero zone poco marcate dellambiente tendono ad essere tralasciate dagli individui della popolazione, portando allimpoverimento di una soluzione

6 Algoritmi basati su SI (1/2) Consistono di molti sottoprogrammi semplici che lavorano in modo autonomo, pur influenzando ciascuno il comportamento degli altri (analogo degli insetti di uno sciame) PRO Parallelismo Architetture distribuite Stabilità Flessibilità Esistenza di risultati teorici che giusiticano le potenzialità CONTRO Difficoltà di programmazione

7 Algoritmi basati su SI (2/2) Classi principali del paradigma Swarm Intelligence ACO (Ant Colony Optimization) Simula il comportamento di una colonia di formiche PSO (Particle Swarm Optimization) Simula il comportamento di branchi di uccelli e pesci

8 Particle Swarm Optimization (1/2) Lo studio delle regole mette in evidenza il comportamento di un individuo nello stormo Seguire i propri vicini Rimanere vicini Evitare di urtare i vicini Un algoritmo PSO aggiunge un obiettivo condiviso da tutti (es. ricerca di cibo) Quando un uccello scorge una fonte di cibo può Allontanarsi dal gruppo (individualismo) Rimanere nel gruppo (socialità) Se più individui si dirigono verso una fonte di cibo altri individui possono seguirli, facendo si che il gruppo si diriga verso zone promettenti

9 Particle Swarm Optimization (2/2) Algoritmo appartenente alla classe PSO INDIVIDUI Configurazioni di tentativo che si spostano e campionano la funzione obiettivo in uno determinato spazio delle soluzioni (es. spazio reale) INTERAZIONE SOCIALE Un individuo trae vantaggio dalle ricerche degli altri dirigendosi verso la regione del punto migliore globalmente trovato Importante un compromesso tra Indivualismo Socialità

10 Principali applicazioni di Swarm Intelligence Classe ACO Problemi di combinatoria (es. Commesso viaggiatore) Robotica (es. Swarmbots) Telecomunicazioni (es. AntNet) Classe PSO Reti neurali artificiali Modelli di evoluzione grammaticale Distribuzione dellenergia elettrica Altre applicazioni Controllo di veicoli militari senza pilota Nanobot Applicazioni


Scaricare ppt "AntNET Sim Boscato Luca Calaon Leonardo Dissegna Moreno De Zotti Giorgio Favaretto Alessio Progetto per il corso di Intelligenza artificiale Docente: Silvana."

Presentazioni simili


Annunci Google