Optimización de enjambre de partículas caracterizada en el dominio de la inteligencia artificial . El término ‘Inteligencia Artificial’ o ‘ Vida Artificial ‘‘ se refiere a la teoría de la simulación del comportamiento humano a través de la computación. Se trata de diseñar tales sistemas informáticos que sean capaces de ejecutar tareas que requieren inteligencia humana. Por ejemplo, anteriormente solo los humanos tenían el poder de reconocer el habla de una persona. Pero ahora, el reconocimiento de voz es una característica común de cualquier dispositivo digital. Esto ha sido posible gracias a la inteligencia artificial. Otros ejemplos de inteligencia humana pueden incluir la toma de decisiones, la traducción de idiomas y la percepción visual, etc. Existen varias técnicas que lo hacen posible. Estas técnicas para implementar la inteligencia artificial en los ordenadores se conocen popularmente como enfoques de inteligencia artificial’ .
Estas técnicas están diseñadas en base a dos categorías :
- El primer estudio incluye cómo los fenómenos biológicos pueden ser estudios usando computación.
- El segundo muestra cómo los fenómenos biológicos pueden ayudar a comprender problemas de computación. Mientras estudiamos la Técnica PSO, nos ocupamos de la segunda categoría .
Hay tres enfoques de la inteligencia artificial:
- Métodos de estadística
- Inteligencia artificial simbólica
- Inteligencia Computacional
La inteligencia computacional se puede implementar utilizando cualquiera de los tres métodos:
- Red neuronal artificial
- Lógica difusa
- Computación evolutiva
Nota: Bajo Computación Evolutiva, están las Técnicas de Inteligencia de Enjambre que incluyen Optimización de Enjambre de Partículas.
Como se describió anteriormente, Swarm Intelligence es una rama de la Inteligencia Artificial en la que observamos la naturaleza y tratamos de aprender cómo se pueden imitar diferentes fenómenos biológicos en un sistema informático para optimizar los algoritmos de programación. En la inteligencia de enjambre, nos enfocamos en el comportamiento colectivo de organismos simples y su interacción con el medio ambiente.
Hay dos tipos de algoritmos de optimización en Swarm Intelligence:
- El primero es Ant Colony Optimization (ACO) . Aquí el algoritmo se basa en el comportamiento colectivo de las hormigas en su colonia.
- La segunda técnica es la optimización de enjambre de partículas (PSO).
En PSO, el foco está en un grupo de pájaros. Este grupo de aves se conoce como » enjambre «. Tratemos de entender la Optimización de Enjambre de Partículas del siguiente escenario.
Ejemplo:Supongamos que hay un enjambre (un grupo de pájaros). Ahora, todos los pájaros tienen hambre y buscan comida. Estos pájaros hambrientos se pueden correlacionar con las tareas en un sistema de computación que están hambrientos de recursos. Ahora, en la localidad de estas aves, solo hay una partícula de alimento. Esta partícula de alimento se puede correlacionar con un recurso. Como sabemos, las tareas son muchas, los recursos son limitados. Así que esto se ha convertido en una condición similar a la de un determinado entorno informático. Ahora, las aves no saben dónde está escondida o ubicada la partícula de alimento. En tal escenario, cómo se debe diseñar el algoritmo para encontrar la partícula de alimento. Si cada pájaro trata de encontrar la comida por su cuenta, puede causar estragos y consumir una gran cantidad de tiempo. Por lo tanto, en la observación cuidadosa de este enjambre, se dio cuenta de que, aunque las aves no saben dónde se encuentra la partícula de comida, sí conocen la distancia que la separa de ella. Por lo tanto, el mejor enfoque para encontrar esa partícula de comida es seguir a las aves que están más cerca de la partícula de comida. Este comportamiento de las aves se simula en el entorno informático y el algoritmo así diseñado se denomina algoritmo de optimización de enjambre de partículas.
Nota: Este mismo comportamiento también lo ejecuta un banco de peces. Por lo tanto, se dice que la técnica de optimización de enjambre de partículas está inspirada en un enjambre de pájaros o un banco de peces. Por lo tanto, este algoritmo también se denomina algoritmo estocástico basado en la población y fue desarrollado por el Dr. Russell C. Eberhart y el Dr. James Kennedy en el año 1995.
Este es el concepto general de lo que es una optimización de enjambre de partículas y en qué aspectos biológicos. fenómenos en los que se basa su funcionamiento.