تعداد صفحات: ۷۹ | قابل ویرایش
فهرست مطالب
عنوان صفحه |
|
مقدمه …………………………………………………………………………………………………………………………………. ۱ ۱- فصل اول : هوش مصنوعی و ارتباط آن با هوش جمعی ……………………………………………….. ۲ ۱-۱ مقدمه…………………………………………………………………………………………………………………………… ۲ ۱- ۲ تاریخچه هوش مصنوعی……………………………………………………………………………………………….. ۳ ۱- ۳ هوش چیست؟…………………………………………………………………………………………………………….. ۴ ۱- ۴ فلسفه هوش مصنوعی………… ……………………………………………………………………………………….. ۵ ۱-۵ مدیریت پیچیدگی……………. …………………………………………………………………………………………… ۶ ۱-۶ عاملهای هوشمند………………….. ……………………………………………………………………………………. ۷ ۱- ۷ سیستمهای خبره……………………. ……………………………………………………………………………………. ۸ ۱- ۸ رابطه هوش جمعی با هوش مصنوعی……. ……………………………………………………………………… ۸ ۲- فصل دوم: تعریف هوش جمعی……………. ……………………………………………………………………….. ۱۰ ۲- ۱ مقدمه……………………………… ………………………………………………………………………………………. ۱۰ ۲- ۲ تعریف هوش جمعی………………….. ……………………………………………………………………………… ۱۱ ۲- ۳ خصوصیات هوش جمعی……………… …………………………………………………………………………… ۱۴ ۲- ۴ اصول هوش جمعی……………………. ……………………………………………………………………………… ۱۵ ۲- ۵ طبقه بندی هوش جمعی……………… …………………………………………………………………………….. ۱۶ ۲- ۵ -۱ طبیعی در مقابل مصنوعی……………………………………………………………………………………….. ۱۶ ۲- ۵ – ۲ علمی در مقابل مهندسی……………………………………………………………………………………….. ۱۶ ۲- ۶ تعامل دو دسته طبیعی/ مصنوعی و علمی/ مهندسی…………………………………………………………. ۱۷ ۳- فصل سوم: کاربردهای هوش جمعی……….. ……………………………………………………………………… ۱۸ ۳- ۱ مقدمه………………………………. ……………………………………………………………………………………… ۱۸ ۳- ۲ تعریف بهینه سازی………………….. ………………………………………………………………………………… ۱۸ ۳- ۳ الگوریتم بهینه سازی کلونی مورچهها……….. …………………………………………………………………. ۱۹ ۳- ۳- ۱ تعریف………………….. ……………………………………………………………………………………………. ۱۹ ۳- ۳- ۲ الگوریتم……………………….. ……………………………………………………………………………………. ۲۰ ۳- ۳- ۳ خواص عمومی کلونی مورچهها………………. ……………………………………………………………. ۲۳ ۳- ۳- ۴ الگوریتم مورچه برای مسئله فروشنده دورهگرد……… ………………………………………………… ۲۴ ۳- ۳- ۵ کاربردهای الگوریتم مورچه……………… …………………………………………………………………… ۲۶ ۳- ۳- ۵- ۱ مسیریابی خودرو……………………. ………………………………………………………………………. ۲۷ ۳- ۳- ۵- ۲ الگوریتم S_ANTNET…………… ……………………………………………………………………… 28 ۳- ۳- ۵- ۳ هزارتوی چند مسیره…………… …………………………………………………………………………… ۲۹ ۳- ۳- ۵- ۴ مسیریابی در شبکههای مخابراتی…. ……………………………………………………………………. ۲۹ ۳- ۴ الگوریتم بهینه سازی زنبور………………. …………………………………………………………………………. ۳۰ ۳- ۴- ۱ تعریف……………………………… ………………………………………………………………………………. ۳۰ ۳- ۴- ۲ جستجوی غذا در طبیعت…….. ……………………………………………………………………………….. ۳۱ ۳- ۴- ۳ الگوریتم زنبور……………………. ……………………………………………………………………………….. ۳۲ ۳-۴-۴- بهینه سازی کلونی زنبورها………… …………………………………………………………………………. ۳۲ ۳- ۴- ۵ سیستم فازی زنبورها………………… ………………………………………………………………………….. ۳۷ ۳- ۴- ۶ کاربردهای الگوریتم بهینه سازی زنبورها….. …………………………………………………………….. ۴۰ ۳- ۴- ۶- ۱ مسئلهRide_matching……………. ………………………………………………………………….. 40 ۳- ۴- ۶- ۲ حل مسئله RS بوسیله سیستم فازی زنبورها……… ……………………………………………….. ۴۱ ۳- ۴- ۶- ۳ کاربردهای الگوریتم زنبور در مهندسی… …………………………………………………………….. ۴۲ ۳- ۵ الگوریتم بهینه سازی انبوه ذرات…………. ………………………………………………………………………. ۴۳ ۳- ۵- ۱ تعریف……………………….. ………………………………………………………………………………………. ۴۳ ۳- ۵- ۲ الگوریتم…………………….. ………………………………………………………………………………………. ۴۴ ۳- ۵- ۳ کاربردهای الگوریتم بهینه سازی انبوه ذرات….. ………………………………………………………… ۴۶ ۳- ۶ الگوریتم ژنتیک……………………. …………………………………………………………………………………… ۴۸ ۳- ۶- ۱ تعریف………………………….. ……………………………………………………………………………………. ۴۸ ۳- ۶- ۲ عملگرهای یک الگوریتم ژنتیک……….. ……………………………………………………………………. ۴۹ ۳- ۶- ۳ عملکرد کلی الگوریتم ژنتیک………….. …………………………………………………………………….. ۵۰ ۳- ۶- ۴ مقایسه الگوریتم ژنتیک و دیگر شیوههای مرسوم بهینه سازی. ……………………………………. ۵۱ ۳- ۶- ۵ الگوریتم ژنتیک و سیستمهای مهندسی…. ………………………………………………………………… ۵۲ ۳- ۶- ۶ کاربردهای الگوریتم ژنتیک…….. …………………………………………………………………………….. ۵۲ ۳- ۷ شبکههای عصبی……………………. …………………………………………………………………………………. ۵۳ ۳- ۷- ۱ تعریف…………………………….. …………………………………………………………………………………. ۵۳ ۳- ۷- ۲ تازیخچه شبکههای عصبی……….. …………………………………………………………………………… ۵۳ ۳- ۷- ۳ چرا از شبکههای عصبی استفاده میکنیم؟……………………………………………………………… … ۵۴ ۳- ۷- ۴ شبکههای عصبی در مقابل کامپیوترهای معمولی.. ……………………………………………………… ۵۵ ۳- ۷- ۵ چگونه مغز انسان میآموزد؟……………………………………………………………………………………. ۵۶ ۳- ۷- ۶ از سلولهای عصبی انسانی تا سلولهای عصبی مصنوعی.. ………………………………………… ۵۷ ۳- ۷- ۷ کاربردهای شبکههای عصبی……………. ……………………………………………………………………. ۵۷ ۳- ۸ کاربردهای دیگر هوش جمعی……………… …………………………………………………………………….. ۵۸ ۳- ۸- ۱ تعریف……………………………… ………………………………………………………………………………… ۵۸ ۳- ۸- ۲ اقتصاد…………………………… ……………………………………………………………………………………. ۵۹ ۳- ۸- ۳ شبکههای ادهاک…………………. ………………………………………………………………………………. ۶۰ ۳- ۸- ۴ سیستمهای خودسازمانده……….. ……………………………………………………………………………… ۶۰ ۴- فصل چهارم: نتیجه گیری…………… …………………………………………………………………………………. ۶۲ |
چکیده
موضوع اصلی این پروژه، معرفی و بررسی روشهایی که با نام هوش جمعی از آنها یاد میشوند. در روشهایی که در گروه هوش جمعی جای میگیرند، ارتباط مستقیم یا غیر مستقیم بین جوابهای مختلف الگوریتم وجود دارند.
در واقع، در این روشها، جوابها که موجوداتی کم هوش و ساده هستند، برای پیدا شدن و یا تبدیل شدن به جواب بهینه، همکاری میکنند. این روشها از رفتارهای جمعی حیوانات و موجودات زنده در طبیعت الهام گرفته شده اند. الگوریتم مورچهها یکی از بارزترین نمونهها برای هوش جمعی است که از رفتار جمعی مورچهها الهام گرفته شده است.
یکی دیگر از مهمترین الگوریتمهایی که در گروه هوش جمعی جای میگیرد، الگوریتم بهینه سازی انبوه ذرات است. در الگوریتم بهینه سازی انبوه ذرات، اعضای جامعه، که ماهیها یا پرندگان میباشند، به صورت مستقیم با هم ارتباط دارند. و همچنین در این پروژه به الگوریتم ژنتیک و دیگر کاربردهای هوش جمعی میپردازیم.
مقدمه
هزاران سال است بشر تلاش می کند بفهمدکه چگونه فکر میکند، یعنی چگونه یک موجود می تواند حس کند، بفهمد، پیش بینی کند و دنیایی بسیار بزرگتر و پیچیده تر از خود را کنترل کند. رشته هوش مصنوعی از این حد هم جلوتر می رود : نه تنها برای درک موجودات هوشمند تلاش می کند، بلکه قصد دارد موجودات هوشمند نیز بسازد.
هوش مصنوعی یکی از جدیدترین علوم می باشد. در حال حاضر هوش مصنوعی دارای شاخههای بسیار متنوعی است. مانند هوش جمعی که هم در زمینه های همه منظوره مانند یادگیری و ادراک و هم در زمینه های بسیار خاص مانند بازی شطرنج، اثبات قضایای ریاضی و تشخیص بیماری مفید است.
مفهوم ایده آل هوش مصنوعی عقلانیت نامیده می شود در واقع یک سیستم را عقلانی می نامیم اگر براساس دانستههایش، کار درست را انجام دهد.
تاریخچه هوش مصنوعی
هوش مصنوعی را باید عرصهٔ پهناور تلاقی بسیاری از دانشها، علوم و فنون قدیم و جدید دانست. ریشهها و ایدههای اصلی آن را باید در فلسفه، زبانشناسی، ریاضیات، روانشناسی، نورولوژی، و فیزیولوژی نشان گرفت و شاخهها، فروع، و کاربردهای گونهگونه و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیستشناسی و پزشکی، علوم ارتباطات و زمینههای بسیار دیگر.
هدف هوش مصنوعی بطور کلی ساخت ماشینی است که بتواند «فکر» کند. اما برای دسته بندی و تعریف ماشینهای متفکر، میبایست به تعریف «هوش» پرداخت.
همچنین به تعاریفی برای «آگاهی» و «درک » نیز نیازمندیم و در نهایت به معیاری برای سنجش هوش یک ماشین نیازمندیم.
با وجودی که برآورده سازی نیازهای صنایع نظامی، مهمترین عامل توسعه و رشد هوش مصنوعی بودهاست، هم اکنون از فراوردههای این شاخه از علوم در صنایع پزشکی، رباتیک، پیش بینی وضع هوا، نقشهبرداری و شناسایی عوارض، تشخیص صدا، تشخیص گفتار و دست خط و بازیها و نرم افزارهای رایانهای استفاده میشود.
مباحث هوش مصنوعی پیش از بوجود آمدن علوم الکترونیک، توسط فلاسفه و ریاضی دانانی نظیر بول که اقدام به ارائه قوانین و نظریههایی در باب منطق نمودند، مطرح شده بود.
در سال ۱۹۴۳، با اختراع رایانههای الکترونیکی، هوش مصنوعی، دانشمندان را به چالشی بزرگ فراخواند. بنظر میرسید، فناوری در نهایت قادر به شبیه سازی رفتارهای هوشمندانه خواهد بود.
با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با دیده تردید به کارآمدی آن مینگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانههای هوشمند در صنایع گوناگون هستیم.
فلسفۀ هوش مصنوعی
بطور کلی ماهیت وجودی هوش به مفهوم جمع آوری اطلاعات، استقرا و تحلیل تجربیات به منظور رسیدن به دانش و یا ارائه تصمیم میباشد . در واقع هوش به مفهوم به کارگیری تجربه به منظور حل مسایل دریافت شده تلقی میشود.
هوش مصنویی علم و مهندسی ایجاد ماشینهایی با هوش با به کارگیری از کامپیوتر و الگوگیری از درک هوش انسانی و نهایتا دستیابی به مکانیزم هوش مصنوعی در سطح هوش انسانی میباشد.
در مقایسه هوش مصنوعی با هوش انسانی می توان گفت که انسان قادر به مشاهده و تجزیه و تحلیل مسایل در جهت قضاوت و اخذ تصمیم میباشد در حالی که هوش مصنوعی مبتنی بر قوانین و رویه هایی از قبل تعبیه شده بر روی کامپیوتر میباشد.
در نتیجه علی رغم وجود کامپیوترهای بسیار کارا و قوی در عصر حاضر هنوزکسی قادر به پیاده کردن هوشی نزدیک به هوش انسان در ایجاد هوشهای مصنوعی نبوده است.
مدیریت پیچیدگی
ایجاد و ابداع فنون و تکنیکهای لازم برای مدیریّت پیچیدگی را باید به عنوان هستۀ بنیادین تلاشهای علمی و پژوهشی گذشته، حال، و آینده، در تمامی زمینههای علوم رایانه، و به ویژه، در هوش مصنوعی معرّفی کرد.
شیوهها و تکنیکهای هوش مصنوعی، در واقع، برای حلّ آن دسته از مسائل به وجود آمده است که به طور سهل و آسان توسط برنامهنویسی تابعی، یا شیوههای ریاضی قابل حلّ نبودهاند.
در بسیاری از موارد، با پوشانیدن و پنهان ساختن جزئیّات فاقد اهمّیّت است که بر پیچیدگی فائق میآییم، و میتوانیم بر روی بخشهایی از مسئله متمرکز شویم که مهمتر است.
تلاش اصلی، در واقع، ایجاد و دستیابی به لایهها و ترازهای بالاتر و بالاتر تجرید را نشانه میرود، تا آنجا که، سرانجام برنامههای کامپوتری درست در همان سطحی کار خواهند کرد که خود انسانها به کار مشغولند.
به یاری پژوهشهای گسترده دانشمندان علوم مرتبط، هوش مصنوعی از آغاز پیدایش تاکنون راه بسیاری پیموده است. در این راستا، تحقیقاتی که بر روی توانایی آموختن زبانها انجام گرفت و همچنین درک عمیق از احساسات، دانشمندان را در پیشبرد این علم، یاری کردهاست.
یکی از اهداف متخصصین، تولید ماشینهایی است که دارای احساسات بوده و دست کم نسبت به وجود خود و احساسات خود آگاه باشند. این ماشین باید توانایی تعمیم تجربیات قدیمی خود در شرایط مشابه جدید را داشته و به این ترتیب اقدام به گسترش دامنه دانش و تجربیاتش کند.
منابع و مآخذ:
[۱] E. Bonabeau, M. Dorigo, and G. Theraulaz. Swarm Intelligence: From Natural to Artificial System. Oxford University Press, New York, 1999.
[۲] J.-L. Deneubourg, S. Aron, S. Goss, and J.-M. Pasteels. The Self_Orgonazing exploratory pattern of the Argentine ant. Journal of insect Behavior, 3:159-168, 1990.
[۳] G. Di Caro and M. Dorigo. AntNet: Distributed stigmergetic control for communications networks. Journal of Artificial Intelligence Research, 9:317-365, 1998.
[۴] G. Di Caro, F. Ducatelle, L. M. Gambardella. AntHocNet: An adaptive nature_inspired algorithm for routing in mobile ad hoc networks. European Transactions on Telacommunications, 16(5): 443-455, 2005.
[۵] M. Dorigo,v. Maniezzo,and A. Colorni. Positive feedback as a search strategy. Technical Report 91-016,Dipartimento di Elettronica, politecnico di Milano, Milan, Italy,1991.Revised version publishedas : M.dorigo, on systems, Man,and cybernetics-part B,26(1):29-41,1996.
[۶] M. Dorigo and T.Stutzle. Ant Colony Optimization. MIT Press, Cambridge ,MA , 2004.
[۷] J.Kennedy and R.C.Eberhart. Paticle swarm optimization. Proceedings of IEEE International Confeence on Neural Networks,IEEE Press,Piscataway,NJ,pp.1942-1948,1995.
[۸] J.Kennedy, R.C.Ebehart,andY.Shi.Swarm Intelligence.Mogan Kaufmann,San Francisco,CA,2001.
[۹] J.d.Farmer,J.J.Sidorowich,Predicting.Chaotic time seies,Physical review letters,vol.59,no.8,pp.845-848,1987.
[۱۰] M.C.asdagli,Nonlinear prediction of chaotictim series physical . D,vol,35,pp.335-356,1989.