Schwarmintelligenz. Lydia Pintscher Seminar Organic Computing Universität Karlsruhe

Transkript

1 Schwarmintelligenz Lydia Pintscher Seminar Organic Computing Universität Karlsruhe

2 Gliederung 1. Grundlagen 2. Schwarmintelligenz in der Natur 3. Schwarmintelligenz beim Menschen 4. Schwarmintelligenz in der Informatik und Technik 5. Zusammenfassung 2

3 Grundlagen (1) Nahrungssuche bei Ameisen und Bienen Fluchtverhalten bei Schwarmfischen und Herdentieren viele Individuen + einfache Regeln = komplexes Verhalten 3

4 Grundlagen (2) Selbstorganisation Anpassungsfähigkeit Robustheit 4

5 Grundlagen (3) Üblicher Intelligenzbegriff: Fakten, Zusammenhänge Problemlösung Hier: Gruppengedächtnis Problemlösung in Gruppe 5

6 In der Natur - Ameisen Ameise <-> Ameistenstaat 100 bis mehrere Millionen Individuen Anpassungsfähigkeit Nahrungssuche Pheromone Effizient Ohne Kontrollinstanz flickr.com/photos/el catalejo/ / 6

7 In der Natur - Bienen Bienentanz Richtung und Entfernung der Nahrungsquelle Richtung und Geschwindigkeit des Tanzes, abhängig von Sonnenstand 7

8 In der Natur - Fische Vorteile: Angreifer verwirren Individuum im Schwarm nicht leicht zu verfolgen Illusion eines großen Fisches Orientierung an Nachbarn mittels Seitenlinienorgan Geschwindigkeit Richtung Abstand Flucht durch Explosion, Haken schlagen, Teilung des Schwarms 8 flickr.com/photos/mccord/ /

9 Beim Menschen - Quarks und Co (1) Experiment von Krause und Dyer Theorien zu Schwarmverhalten beruht auf einfachen Regeln 300 freiwillige Teilnehmer 9

10 Beim Menschen - Quarks und Co (2) 1. Experiment:,,Bleibe immer in Bewegung und,,bleibe immer eine Armlänge entfernt von anderen Schwärmern Torusbildung mit 2 entgegengesetzten Strömen 10

11 Beim Menschen - Quarks und Co (3) 2. Experiment: Räuber eingeführt Mind. 2 Armlängen entfernt bleiben von ihm Räuber verfolgt immer nächste Beute Schwarm teilt sich vor dem Räuber und schließt sich nach ihm 11

12 Beim Menschen - Quarks und Co (4) 3. Experiment Beeinflussen des Schwarms 200 Schwärmer 5 Eingeweihte sollen den Schwarm zu einem Punkt führen -> nicht erfolgreich 10 Eingeweihte -> erfolgreich 12

13 Beim Menschen - Quarks und Co (5) 4. Experiment: 30 Eingeweihte, 10 für Ort a, 20 für Ort b Schwarm bewegt sich zwischen a und b 13

14 In der Informatik und Technik Ant Colony Optimization (ACO) Particle Swarm Optimization (PSO) Schwarmroboter (s-bots) 14

15 In der Informatik - ACO (1) Ant Colony Optimization Ant System Max-Min Ant System Ant Colony System Rank Based Ant System Kurze Wege in Graphen finden Angelehnt an Nahrungssuche der Ameisen Dynamisch und daher interessant für Routing und Verkehrsplanung 15

16 In der Informatik - ACO (2) Ant System Erste Anwendung von ACO Dorigo,

17 In der Informatik - ACO (3) Max-Min Ant System Erweiterung von Ant System Stützle und Hoos, 2000 Nur Ameise mit der besten Lösung beeinflusst Pheromonwerte Obere und untere Schranke für Pheromonwerte 17

18 In der Informatik - ACO (4) Ant Colony System Erweiterung von Ant System Dorigo und Gambordella, 1997 Führt Kandidatenliste für Städte ein 18

19 In der Informatik - ACO (5) Rank Based Ant System Erweiterung von Ant System Bullnheimer et al, 1997 Lösungen werden bewerten Pheromonwerte entsprechend der Bewertung angepasst 19

20 In der Informatik - PSO (1) Lösen von Optimierungsprobleme Fische und Vögel als Vorbild Optimierung, Training neuronaler Netze 20

21 In der Informatik - PSO (2) Man lässt,,partikel nach Lösungen suchen Zufällige Initialisierung Bewerten anhand Bewertungsfunktion Lokales Minimum/Maximum?! 21

22 In der Technik - s-bots Verteilte Hardware Ausstattung: Motoren, Sensoren, Kommunikationskanäle, Greifer Zusammenschluss mehrerer s-bots zu Swarm-bot Anwendung? swarm bots.org 22

23 Zusammenfassung Relativ neuer Ansatz Vielversprechendes Gebiet Komplexe Probleme lösen mit einfachen Mitteln Robust Flexibel Zukunft: Optimierung, Routing, Logistik Intelligenz der Masse?! 23

24 Fragen?? 24