Роевые алгоритмы

Роевые алгоритмы и методы зачастую относят к методам роевого интеллекта. Термин "роевой интеллект" (Swarm intelligence) был введен Х. Бени и В.Цзином в 1989 г. в контексте предложенной ими системы клеточных роботов. Задачей роевого интеллекта (РИ) является изучение и описание коллективного поведения децентрализованной самоорганизующейся системы [3], при этом методы РИ рассматривается прежде всего, как некие специфические механизмы поисковой оптимизации. Большинство алгоритмов РИ относятся к классу метаэвристик.

Системы РИ состоят из множества агентов (многоагентная система), локально взаимодействующих между собой и с окружающей средой. Сами агенты обычно довольно просты, но все вместе, локально взаимодействуя, создают так называемый роевой интеллект. Примером в природе может служить колония муравьев, рой пчел, стая птиц, рыб и т.д.

Ниже представлен перечень некоторых алгоритмов РИ, названия которых хорошо отражают суть подхода к решению задач:

· Муравьиный алгоритм (Ant colony optimization).

· Метод роя частиц (Particle swarm optimization).

· Пчелиный алгоритм (Bees algorithm).

· Оптимизация передвижением бактерий (Bacterial foraging optimization).

· Стохастический диффузионный поиск (Stochastic diffusion search).

· Алгоритм гравитационного поиска (Gravitational search algorithm).

· Алгоритм капель воды (Intelligent Water Drops algorithm).

· Светляковый алгоритм (Firefly algorithm).

Характерно, что значительная часть роевых алгоритмов посвящена реализации моделей стайного поведения, и прежде всего – стайному движению. В природе стайное поведение животных эволюционно выгодно, поэтому многие виды живых организмов содержат гены роения.