蚁群，我想知道什么是蚁群

1，我想知道什么是蚁群

螞蟻一大群 就叫蟻群

2，蚁群怎样分工

蚂蚁是典型的社会型群体，共同照顾幼蚁，分工明确 00:00 / 01:5870% 快捷键说明 空格: 播放 / 暂停Esc: 退出全屏 ↑: 音量提高10% ↓: 音量降低10% →: 单次快进5秒 ←: 单次快退5秒按住此处可拖拽 不再出现 可在播放器设置中重新打开小窗播放快捷键说明

3，一个蚁群由那几部分组成

蚁后、雄蚁、兵蚁、工蚁

你的问题说清楚点可以吗

4，蚁群怎样分工

蚁群中一般有四种成员，分工明确；（一）蚁后，也叫蚁皇，是一族之主，专管产卵繁殖，一般一群只有一个，体型特大，行动不便，由工蚁侍候。（二）雄蚁，专与蚁后交配，交配后即死亡，一群中有数十只或数百只，要看蚁群的大小。（三）工蚁，是蚁群中的主要成员，专司觅食、饲养幼蚁、侍候蚁后、搬家清扫等等杂勤工作。（四）兵蚁，个头较大，二颚发达，是蚁群中的保卫者，担负着本蚁群的安全，如有外蚁入侵，或争夺食物时，必誓死决斗。

5，蚁群的剧情内容是什么

片名 蚁群[08最新科幻恐怖片] 主演Elizabeth Healey Mark Ramsey Jessica Reavis 类型恐怖片 当蚁群在一个小岛上展现出惊人的行为时，一个科学考察小队奉命前去控制。但当他们到达时，却发现这个蚁群的力量已经超越了这个世界的控制范围。

6，蚂蚁家族有哪些成员它们是怎样分工的

蚁群中一般有四种成员，分工明确；（一）蚁后，也叫蚁皇，是一族之主，专管产卵繁殖，一般一群只有一个，体型特大，行动不便，由工蚁侍候。（二）雄蚁，专与蚁后交配，交配后即死亡，一群中有数十只或数百只，要看蚁群的大小。（三）工蚁，是蚁群中的主要成员，专司觅食、饲养幼蚁、侍候蚁后、搬家清扫等等杂勤工作。（四）兵蚁，个头较大，二颚发达，是蚁群中的保卫者，担负着本蚁群的安全，如有外蚁入侵，或争夺食物时，必誓死决斗。本童生才识浅薄，仅此介绍一点点，见笑了。

7，什么叫做蚁群大学生

“蚁族”不是蚂蚁，却有“高智、弱小、群居”的特征，故得名“蚁族”。他们多是“80后”大学毕业生，虽曾接受高等教育，但收入却很微薄。所以称为蚁族大学生

“蚁族”，是“80后”一个鲜为人知的庞大群体——“大学毕业生低收入聚居群体”。之所以将该群体名之为“蚁族”，是因为这个群体和蚂蚁有许多相类似的特点：高智、弱小、群居。 　　主要特征 　　首先，蚂蚁具有较高的智商。据相关研究表明，蚂蚁有25万个脑细胞，在所有的昆虫中，是最聪明的物种。蚂蚁的高智商能用来描绘该群体所具有的“高知”、“受过高等教育”等特点。其次，蚂蚁属群居动物，一个蚁穴里常常有成千上万只蚂蚁，这也与该群体在物理状态下呈现出聚居生活的特征相吻合。此外，蚂蚁很弱小，但若不给予其足够的重视，蚂蚁也会造成严重的灾害（如蚁灾），因此有人称蚂蚁为“弱小的强者”。蚂蚁这些特点与该群体弱势、低收入、不被人关注，易引发诸多社会问题等方面极为相似。 　　此外，蚂蚁还有许多容易被我们忽视的优点，而恰恰是这些优点，与该群体有着高度的相似性。比如蚂蚁永不言弃的精神：如果我们试图挡住一只蚂蚁的去路，它会立刻寻找另一条路。要么翻过或钻过障碍物，要么绕道而行。还比如蚂蚁所具有的期待情怀：整个冬天蚂蚁都憧憬着夏天。在严冬中，蚂蚁们时刻提醒自己严寒就要过去了，温暖舒适的日子很快就会到来。即便是少有的冬日暖阳也会吸引蚂蚁们倾巢而出，在阳光下活动活动筋骨。一旦寒流袭来，它们立刻躲回温暖的巢穴等待下一个艳阳天的召唤。此外还有蚂蚁勤勤恳恳、全力以赴的工作态度等等。这些特点，都是“大学毕业生低收入聚居群体”的真实写照。

就是具有高学历，低收入，买不起房子，在一起租房子住的大学生

“蚁群”指大学毕业生低收入、聚居群体，他们和蚂蚁有类似特点：高智、弱小、群居。

“蚁族”不是蚂蚁，却有“高智、弱小、群居”的特征，故得名“蚁族”。他们多是“80后”大学毕业生，虽曾接受高等教育，但收入却很微薄。

那是打错字吧！是“一群”吧！^_^

广东叫做“蚂居”，即毕业后，一时找不到工作，大家同住在一起，共享生活“资源”的一群大学毕业生。

8，蚁群免费在线观看完整版高清求百度网盘资源

《蚁群》百度网盘高清资源免费在线观看：链接: https://pan.baidu.com/s/1987-wYIbIVgIL64TlvRDTw蚁群 The Hive 2008.rmvb382.35M 来自:百度网盘提取码: x9cr复制提取码跳转?pwd=x9cr 提取码: x9cr《蚁群》导演: Peter Manus编剧: T·S·库克主演: Elizabeth Healey、Mark Ramsey、Jessica Reavis、Kal Weber制片国家/地区: 美国语言: 英语上映日期: 2008-02-17当蚁群在一个小岛上展现出惊人的行为时，一个科学考察小队奉命前去控制。但当他们到达是，却发现这个蚁群的力量已经超越了这个世界的控制范围。蚂蚁们疯狂虐杀的背后！又有人的控制着成为了巨大的魔物，还有外星生物之类的……

9，什么是蚁群传播

IAC提出的一种创新型社交互联网传播模式。移动互联网的大背景下，人们将更多时间花在在社交网络上，微信、推特，几乎每个人都有一个自己的社交圈，几十几百甚至上千的评论背后是每个人身上的传播价值，当这些传播价值大量聚集时，会产生巨大的传播能量。好比一滴水落在身上微不足道，但100万滴水、1000万滴水汇聚起来时却能冲毁房屋。试想一下，如果每个微信用户的好友是100人（现实中远远不止），当500万人同时宣传推广一个产品时，传播辐射将达到5亿人次。同时IAC把受众视为最重要的资源，把受众用户作为一个传播节点，当受众开始传播IAC的广告任务是会获得经济回报的。如此一来，蚁群传播网络便会自发的裂变增长，传播能量也将呈指数增长，IAC称之为“蚁群传播”。IAC的蚁群传播模式的特点就是聚集传播，而聚集传播所产生的能量相比普通的互联网传播来说速度更快，范围更广，效率更高，成本却更低。因为IAC平台在中国地区拥有超过百万会员，并且会员量每天都在递增，任何一个需要传播的信息都会在极短的时间内被会员们推广到全国各个省份，并且影响好几亿人。

典型的庞氏骗局。说说我的感觉吧，本质上就是经过精心包装的庞氏骗局。借用当下热点区块链蒙蔽无知群众。什么广告传播什么平台全是忽悠人的。所谓动态收益就是拉人头升等级分为m1-m5。等级高的赚等级低的分成。静态收益，里面所有的交易都是以一个称为“种子”的虚拟物作为通货进行交易的。种子的获取有两种方式花钱从别的会员处购买，购买使用的是匹配机制（是不是跟3m很像），匹配到之后必须24小时打款gei对方，确认后你就获得了一个种子（2000块一个），种子种下后开始生长，经过一段时间后种子生长为1.几个，收割之后可以卖出，也可以买入所谓的爱宝理财，45天1.6倍 （160%）90天2.2倍（220%）讲到这里是不是很清晰了。当年庞氏骗局的发明人庞兹45天也才50%。什么概念，如果你投入10万，三个月22万，一年200万。你怕不怕。钱从哪里来，从后面的会员来。这个局太疯狂了。参与这个局的有几种人：1明知是骗局的投机客，拉一把羊毛就跑，赌自己不是最后一波被收割的，2 被好友亲朋忽悠进来的无知群众，小试一把看看能不能赚钱的观望者；3 被上级洗脑的盲从者，拿出全部身家做发财梦的傻子。这几种人交织成一个可怕的骗局。今天是4月10日。现在应该还是这个盘的早期，不排除现在入局可以赚一波。但是你要知道你赚的是都是带血的筹码。

10，为什么说蚁群是个生命体地外文明到地球对蚂蚁的兴趣超过人类百度

在很多的科幻作品中，都对蚂蚁情有独钟，很多科幻作者甚至认为，如果不是在进化中率先诞生出文明，那么在地球生物中，蚂蚁是最有可能诞生出文明的物种之一。 其实科幻作者这个设定，也并不是无稽之谈，而是有一定的科学依据，随着人类对蚂蚁的研究越深入，发现蚂蚁这个物种并不像表面上看起来那么简单。 有关文明的最终进化方向，很多科幻作品中都做过猜测，一种就是个体之间相互协作达到一个完美的契合度，另外一种就是最终进化成一个超个体。 如果说相互协作完成 社会 分工，就是目前人类的生活方式，那么另外一种超个体的生存方式，就超出了很多人的想象了。 超个体就是整个人类变成一个共同体，由一个类似中央处理器的方式连接在一起，每个人都是超个体的一部分，这是锲合度最高也是最完美的方式。 而在很多科幻作品中，高级地外文明最终都进化出这种超个体的文明，这种超个体文明的好处就是有利于人类整体文明的进化和发展。 这种方式的优点和缺点同样明显，优点是减少资源不必要的内耗，把有限的资源都用于推动 社会 和科学的进步，例如：如果人类组成一个超个体的话，没有任何内耗的把精力都投入到可控核聚变的研究中，我想那个50年又50年的玩笑，很可能真的在50年内实现。 但是超个体的缺点同样明显，就是扼杀了个体的独立性，从出生就根据基因决定其在 社会 上的分工，就如同一颗螺丝钉一样，在合适的位置上，为整个超个体输送能量。 也许很多人对超个体有疑问，因为这只存在于科幻作品中的描述，在现实之中，不可能有这种存在，但是你错了，在现实之中就有超个体的存在，而其中最著名的就是 蚂蚁群 人类中，可能除了一些生物学家外，可能很少有人真正关心过蚂蚁这个物种，但是不得不说的是，蚂蚁是地球上最成功的物种之一，其种类超过了1.2万种，其总重量约占了全球动物的1/10左右。 并且蚂蚁在地球上的 历史 非常悠久，据考证，蚂蚁是在白垩纪兴起，距今已经有1亿年了。并且蚂蚁的生命力也非常强悍，在曾经的生物圈二号实验中，其他动植物纷纷死亡，也只有蚂蚁和蟑螂越活越好。 经过近亿年的进化，整个蚂蚁群就好像是一台精密的计算机，又像是一个单独的生命体，为何这么说呢？ 如果把蚂蚁群和牛群、羊群等做对比，就会发现这个不同点，牛群和羊群你可以看做是一个个单独的个体，恰巧凑到一起，每一只都是一个单独的个体，分开也不会影响它们的生存。 但是蚂蚁群却不同，一个蚂蚁群就是一个完整的整体，其内部由生殖蚁、工蚁和兵蚁三个主体组成。每一个主体都承担起整个蚁群的部分职责，整个蚁群就好像有一台超级精密的计算机在安排整个蚁群的运转。 并且蚂蚁在出生的时候，就好像设定了程序一样，决定了一只蚂蚁在整个蚁群中的位置，并且最厉害的一点，是生物学家在研究的时候，发现整个蚁群的内部结构，达到了最优的形态，那就是整个蚁群获取能力与消耗能量的能量消耗率，达到一个完美值，这点是目前人类也无法达到的。 就好像有一台超级计算机在背后进行精密计算，如果把整个蚁群比作人体，那么“生殖蚁”对应的就是生殖细胞，工蚁就是一般默默付出的细胞，而兵蚁就是白细胞的话，整个蚂蚁群就是一个超级生物，也就是一个超级个体了。 只不过这个超级生物与平常看到的生物不同而已，但是每个蚂蚁和动物体内的细胞的功能非常类似，每个独立的个体在支撑着整体的运转。 如果把整个蚁群看成是一个巨大的生物的话，那么这个生物与地球上大部分的动物将会有很大的不同，如果给蚂蚁一定的时间，这种生物最终的进化方向将会怎样呢？这个谁都说不清楚 但是对于地外文明来说，人类只不过是脑容量比其他动物大，与其他动物在身体功能上没有太大差别，而一个超个体的生物，对地外文明来说，也许更有研究的价值。 也许当地外文明能够到达地球的时候，他们的科学技术已经高度发达，超过了人类的想象，以人类目前的生存模式，内耗太严重了，并且由于利益分配的问题，容易出现纠纷，随着科学技术的进步，这种纠纷就给整个人类的未来都蒙上一层阴影，时刻面临着毁灭的危险。 人类科学技术还没有到星际旅行的那一天，就会突然中断。 所以当地外文明能够到达地球的时候，说明它们很可能已经完成了超个体的进化，那个时候没有纷争，整个地外文明的个体，都为整个超个体而努力，每个单独的个体，都在为整个整体而努力奋斗，这也许就是地外文明对蚂蚁比人类感兴趣的原因吧！ 这也许是人类未来最终会进化的一条路吧！

11，什么是蚁群算法神经网络算法遗传算法

1. 神经网络并行性和自适应性很强，应用领域很广，在任何非线性问题中都可以应用，如控制、信息、预测等各领域都能应用。2. 蚁群算法最开始应用于tsp问题，获得了成功，后来又广泛应用于各类组合优化问题。但是该算法理论基础较薄弱，算法收敛性都没有得到证明，很多参数的设定也仅靠经验，实际效果也一般，使用中也常常早熟。3. 遗传算法是比较成熟的算法，它的全局寻优能力很强，能够很快地趋近较优解。主要应用于解决组合优化的np问题。4. 这三种算法可以相互融合，例如ga可以优化神经网络初始权值，防止神经网络训练陷入局部极小且加快收敛速度。蚁群算法也可用于训练神经网络，但一定要使用优化后的蚁群算法，如最大-最小蚁群算法和带精英策略。

蚁群算法又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。神经网络 思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。 逻辑性的思维是指根据逻辑规则进行推理的过程；它先将信息化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。然而，直观性的思维是将分布式存储的信息综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.信息是通过神经元上的兴奋模式分布储在网络上;2.信息处理是通过神经元之间同时相互作用的动态过程来完成的。 人工神经网络就是模拟人思维的第二种方式。这是一个非线性动力学系统，其特色在于信息的分布式存储和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元构成的网络系统所能实现的行为却是极其丰富多彩的。 神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面： （1）生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。 （2）建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中包括概念模型、知识模型、物理化学模型、数学模型等。 （3）网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件，包括网络学习算法的研究。这方面的工作也称为技术模型研究。 （4）人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作专家系统、制成机器人等等。 纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进程中历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重困难的克服而日新月异。遗传算法，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。

12，什么是蚁群算法

蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 蚁群算法是一种模拟进化算法,初步的研究表明该算法具有许多优良的性质.针对PID控制器参数优化设计问题,将蚁群算法设计的结果与遗传算法设计的结果进行了比较,数值仿真结果表明,蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值. 蚁群算法是一种求解组合最优化问题的新型通用启发式方法，该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型，基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。由柳洪平创建。 预期的结果： 各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向环境释放一种信息素，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物！有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果令开辟的道路比原来的其他道路更短，那么，渐渐，更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。 原理： 为什么小小的蚂蚁能够找到食物？他们具有智能么？设想，如果我们要为蚂蚁设计一个人工智能的程序，那么这个程序要多么复杂呢？首先，你要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物，其次，要让蚂蚁找到食物，就需要让他们遍历空间上的所有点；再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小，而且更重要的是，你要小心翼翼的编程，因为程序的错误也许会让你前功尽弃。这是多么不可思议的程序！太复杂了，恐怕没人能够完成这样繁琐冗余的程序。 然而，事实并没有你想得那么复杂，上面这个程序每个蚂蚁的核心程序编码不过100多行！为什么这么简单的程序会让蚂蚁干这样复杂的事情？答案是：简单规则的涌现。事实上，每只蚂蚁并不是像我们想象的需要知道整个世界的信息，他们其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。这就是人工生命、复杂性科学解释的规律！那么，这些简单规则是什么呢？下面详细说明： 1、范围： 蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内。 2、环境： 蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。每个蚂蚁都仅仅能感知它范围内的环境信息。环境以一定的速率让信息素消失。 3、觅食规则： 在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应。 4、移动规则： 每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。 5、避障规则： 如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食的规则行为。 7、播撒信息素规则： 每只蚂蚁在刚找到食物或者窝的时候撒发的信息素最多，并随着它走远的距离，播撒的信息素越来越少。 根据这几条规则，蚂蚁之间并没有直接的关系，但是每只蚂蚁都和环境发生交互，而通过信息素这个纽带，实际上把各个蚂蚁之间关联起来了。比如，当一只蚂蚁找到了食物，它并没有直接告诉其它蚂蚁这儿有食物，而是向环境播撒信息素，当其它的蚂蚁经过它附近的时候，就会感觉到信息素的存在，进而根据信息素的指引找到了食物。 问题： 说了这么多，蚂蚁究竟是怎么找到食物的呢？ 在没有蚂蚁找到食物的时候，环境没有有用的信息素，那么蚂蚁为什么会相对有效的找到食物呢？这要归功于蚂蚁的移动规则，尤其是在没有信息素时候的移动规则。首先，它要能尽量保持某种惯性，这样使得蚂蚁尽量向前方移动（开始，这个前方是随机固定的一个方向），而不是原地无谓的打转或者震动；其次，蚂蚁要有一定的随机性，虽然有了固定的方向，但它也不能像粒子一样直线运动下去，而是有一个随机的干扰。这样就使得蚂蚁运动起来具有了一定的目的性，尽量保持原来的方向，但又有新的试探，尤其当碰到障碍物的时候它会立即改变方向，这可以看成一种选择的过程，也就是环境的障碍物让蚂蚁的某个方向正确，而其他方向则不对。这就解释了为什么单个蚂蚁在复杂的诸如迷宫的地图中仍然能找到隐蔽得很好的食物。 当然，在有一只蚂蚁找到了食物的时候，其他蚂蚁会沿着信息素很快找到食物的。 蚂蚁如何找到最短路径的？这一是要归功于信息素，另外要归功于环境，具体说是计算机时钟。信息素多的地方显然经过这里的蚂蚁会多，因而会有更多的蚂蚁聚集过来。假设有两条路从窝通向食物，开始的时候，走这两条路的蚂蚁数量同样多（或者较长的路上蚂蚁多，这也无关紧要）。当蚂蚁沿着一条路到达终点以后会马上返回来，这样，短的路蚂蚁来回一次的时间就短，这也意味着重复的频率就快，因而在单位时间里走过的蚂蚁数目就多，洒下的信息素自然也会多，自然会有更多的蚂蚁被吸引过来，从而洒下更多的信息素……；而长的路正相反，因此，越来越多地蚂蚁聚集到较短的路径上来，最短的路径就近似找到了。也许有人会问局部最短路径和全局最短路的问题，实际上蚂蚁逐渐接近全局最短路的，为什么呢？这源于蚂蚁会犯错误，也就是它会按照一定的概率不往信息素高的地方走而另辟蹊径，这可以理解为一种创新，这种创新如果能缩短路途，那么根据刚才叙述的原理，更多的蚂蚁会被吸引过来。 引申 跟着蚂蚁的踪迹，你找到了什么？通过上面的原理叙述和实际操作，我们不难发现蚂蚁之所以具有智能行为，完全归功于它的简单行为规则，而这些规则综合起来具有下面两个方面的特点： 1、多样性 2、正反馈 多样性保证了蚂蚁在觅食的时候不置走进死胡同而无限循环，正反馈机制则保证了相对优良的信息能够被保存下来。我们可以把多样性看成是一种创造能力，而正反馈是一种学习强化能力。正反馈的力量也可以比喻成权威的意见，而多样性是打破权威体现的创造性，正是这两点小心翼翼的巧妙结合才使得智能行为涌现出来了。 引申来讲，大自然的进化，社会的进步、人类的创新实际上都离不开这两样东西，多样性保证了系统的创新能力，正反馈保证了优良特性能够得到强化，两者要恰到好处的结合。如果多样性过剩，也就是系统过于活跃，这相当于蚂蚁会过多的随机运动，它就会陷入混沌状态；而相反，多样性不够，正反馈机制过强，那么系统就好比一潭死水。这在蚁群中来讲就表现为，蚂蚁的行为过于僵硬，当环境变化了，蚂蚁群仍然不能适当的调整。 既然复杂性、智能行为是根据底层规则涌现的，既然底层规则具有多样性和正反馈特点，那么也许你会问这些规则是哪里来的？多样性和正反馈又是哪里来的？我本人的意见：规则来源于大自然的进化。而大自然的进化根据刚才讲的也体现为多样性和正反馈的巧妙结合。而这样的巧妙结合又是为什么呢？为什么在你眼前呈现的世界是如此栩栩如生呢？答案在于环境造就了这一切，之所以你看到栩栩如生的世界，是因为那些不能够适应环境的多样性与正反馈的结合都已经死掉了，被环境淘汰了！ 参数说明： 最大信息素：蚂蚁在一开始拥有的信息素总量，越大表示程序在较长一段时间能够存在信息素。信息素消减的速度：随着时间的流逝，已经存在于世界上的信息素会消减，这个数值越大，那么消减的越快。 错误概率表示这个蚂蚁不往信息素最大的区域走的概率，越大则表示这个蚂蚁越有创新性。 速度半径表示蚂蚁一次能走的最大长度，也表示这个蚂蚁的感知范围。 记忆能力表示蚂蚁能记住多少个刚刚走过点的坐标，这个值避免了蚂蚁在本地打转，停滞不前。而这个值越大那么整个系统运行速度就慢，越小则蚂蚁越容易原地转圈。 蚁群算法的实现 下面的程序开始运行之后，蚂蚁们开始从窝里出动了，寻找食物；他们会顺着屏幕爬满整个画面，直到找到食物再返回窝。 其中，F点表示食物，H表示窝，白色块表示障碍物，+就是蚂蚁了。 参数说明： 最大信息素：蚂蚁在一开始拥有的信息素总量，越大表示程序在较长一段时间能够存在信息素。信息素消减的速度：随着时间的流逝，已经存在于世界上的信息素会消减，这个数值越大，那么消减的越快。 错误概率表示这个蚂蚁不往信息素最大的区域走的概率，越大则表示这个蚂蚁越有创新性。 速度半径表示蚂蚁一次能走的最大长度，也表示这个蚂蚁的感知范围。 记忆能力表示蚂蚁能记住多少个刚刚走过点的坐标，这个值避免了蚂蚁在本地打转，停滞不前。而这个值越大那么整个系统运行速度就慢，越小则蚂蚁越容易原地转圈。

蚁群算法简介2006-11-212:17:00这两天上课....老师总是提到蚁群算法....听起来似乎很有意思......找到一篇简介.....放在这里有兴趣的朋友...参考一下........程序开始运行，蚂蚁们开始从窝里出动了，寻找食物；他们会顺着屏幕爬满整个画面，直到找到食物再返回窝。其中，f点表示食物，h表示窝，白色块表示障碍物，+就是蚂蚁了。预期的结果：各个蚂蚁在没有事先告诉他们食物在什么地方的前提下开始寻找食物。当一只找到食物以后，它会向环境释放一种信息素，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物！有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果令开辟的道路比原来的其他道路更短，那么，渐渐，更多的蚂蚁被吸引到这条较短的路上来。最后，经过一段时间运行，可能会出现一条最短的路径被大多数蚂蚁重复着。原理：为什么小小的蚂蚁能够找到食物？他们具有智能么？设想，如果我们要为蚂蚁设计一个人工智能的程序，那么这个程序要多么复杂呢？首先，你要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物，其次，要让蚂蚁找到食物，就需要让他们遍历空间上的所有点；再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小，而且更重要的是，你要小心翼翼的编程，因为程序的错误也许会让你前功尽弃。这是多么不可思议的程序！太复杂了，恐怕没人能够完成这样繁琐冗余的程序。然而，事实并没有你想得那么复杂，上面这个程序每个蚂蚁的核心程序编码不过100多行！为什么这么简单的程序会让蚂蚁干这样复杂的事情？答案是：简单规则的涌现。事实上，每只蚂蚁并不是像我们想象的需要知道整个世界的信息，他们其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。这就是人工生命、复杂性科学解释的规律！那么，这些简单规则是什么呢？下面详细说明：1、范围：蚂蚁观察到的范围是一个方格世界，蚂蚁有一个参数为速度半径（一般是3），那么它能观察到的范围就是3*3个方格世界，并且能移动的距离也在这个范围之内。2、环境：蚂蚁所在的环境是一个虚拟的世界，其中有障碍物，有别的蚂蚁，还有信息素，信息素有两种，一种是找到食物的蚂蚁洒下的食物信息素，一种是找到窝的蚂蚁洒下的窝的信息素。每个蚂蚁都仅仅能感知它范围内的环境信息。环境以一定的速率让信息素消失。3、觅食规则：在每只蚂蚁能感知的范围内寻找是否有食物，如果有就直接过去。否则看是否有信息素，并且比较在能感知的范围内哪一点的信息素最多，这样，它就朝信息素多的地方走，并且每只蚂蚁多会以小概率犯错误，从而并不是往信息素最多的点移动。蚂蚁找窝的规则和上面一样，只不过它对窝的信息素做出反应，而对食物信息素没反应。4、移动规则：每只蚂蚁都朝向信息素最多的方向移，并且，当周围没有信息素指引的时候，蚂蚁会按照自己原来运动的方向惯性的运动下去，并且，在运动的方向有一个随机的小的扰动。为了防止蚂蚁原地转圈，它会记住最近刚走过了哪些点，如果发现要走的下一点已经在最近走过了，它就会尽量避开。5、避障规则：如果蚂蚁要移动的方向有障碍物挡住，它会随机的选择另一个方向，并且有信息素指引的话，它会按照觅食的规则行为。7、播撒信息素规则：每只蚂蚁在刚找到食物或者窝的时候撒发的信息素最多，并随着它走远的距离，播撒的信息素越来越少。根据这几条规则，蚂蚁之间并没有直接的关系，但是每只蚂蚁都和环境发生交互，而通过信息素这个纽带，实际上把各个蚂蚁之间关联起来了。比如，当一只蚂蚁找到了食物，它并没有直接告诉其它蚂蚁这儿有食物，而是向环境播撒信息素，当其它的蚂蚁经过它附近的时候，就会感觉到信息素的存在，进而根据信息素的指引找到了食物。问题：说了这么多，蚂蚁究竟是怎么找到食物的呢？在没有蚂蚁找到食物的时候，环境没有有用的信息素，那么蚂蚁为什么会相对有效的找到食物呢？这要归功于蚂蚁的移动规则，尤其是在没有信息素时候的移动规则。首先，它要能尽量保持某种惯性，这样使得蚂蚁尽量向前方移动（开始，这个前方是随机固定的一个方向），而不是原地无谓的打转或者震动；其次，蚂蚁要有一定的随机性，虽然有了固定的方向，但它也不能像粒子一样直线运动下去，而是有一个随机的干扰。这样就使得蚂蚁运动起来具有了一定的目的性，尽量保持原来的方向，但又有新的试探，尤其当碰到障碍物的时候它会立即改变方向，这可以看成一种选择的过程，也就是环境的障碍物让蚂蚁的某个方向正确，而其他方向则不对。这就解释了为什么单个蚂蚁在复杂的诸如迷宫的地图中仍然能找到隐蔽得很好的食物。当然，在有一只蚂蚁找到了食物的时候，其他蚂蚁会沿着信息素很快找到食物的。蚂蚁如何找到最短路径的？这一是要归功于信息素，另外要归功于环境，具体说是计算机时钟。信息素多的地方显然经过这里的蚂蚁会多，因而会有更多的蚂蚁聚集过来。假设有两条路从窝通向食物，开始的时候，走这两条路的蚂蚁数量同样多（或者较长的路上蚂蚁多，这也无关紧要）。当蚂蚁沿着一条路到达终点以后会马上返回来，这样，短的路蚂蚁来回一次的时间就短，这也意味着重复的频率就快，因而在单位时间里走过的蚂蚁数目就多，洒下的信息素自然也会多，自然会有更多的蚂蚁被吸引过来，从而洒下更多的信息素……；而长的路正相反，因此，越来越多地蚂蚁聚集到较短的路径上来，最短的路径就近似找到了。也许有人会问局部最短路径和全局最短路的问题，实际上蚂蚁逐渐接近全局最短路的，为什么呢？这源于蚂蚁会犯错误，也就是它会按照一定的概率不往信息素高的地方走而另辟蹊径，这可以理解为一种创新，这种创新如果能缩短路途，那么根据刚才叙述的原理，更多的蚂蚁会被吸引过来。引申跟着蚂蚁的踪迹，你找到了什么？通过上面的原理叙述和实际操作，我们不难发现蚂蚁之所以具有智能行为，完全归功于它的简单行为规则，而这些规则综合起来具有下面两个方面的特点：1、多样性2、正反馈多样性保证了蚂蚁在觅食的时候不置走进死胡同而无限循环，正反馈机制则保证了相对优良的信息能够被保存下来。我们可以把多样性看成是一种创造能力，而正反馈是一种学习强化能力。正反馈的力量也可以比喻成权威的意见，而多样性是打破权威体现的创造性，正是这两点小心翼翼的巧妙结合才使得智能行为涌现出来了。引申来讲，大自然的进化，社会的进步、人类的创新实际上都离不开这两样东西，多样性保证了系统的创新能力，正反馈保证了优良特性能够得到强化，两者要恰到好处的结合。如果多样性过剩，也就是系统过于活跃，这相当于蚂蚁会过多的随机运动，它就会陷入混沌状态；而相反，多样性不够，正反馈机制过强，那么系统就好比一潭死水。这在蚁群中来讲就表现为，蚂蚁的行为过于僵硬，当环境变化了，蚂蚁群仍然不能适当的调整。既然复杂性、智能行为是根据底层规则涌现的，既然底层规则具有多样性和正反馈特点，那么也许你会问这些规则是哪里来的？多样性和正反馈又是哪里来的？我本人的意见：规则来源于大自然的进化。而大自然的进化根据刚才讲的也体现为多样性和正反馈的巧妙结合。而这样的巧妙结合又是为什么呢？为什么在你眼前呈现的世界是如此栩栩如生呢？答案在于环境造就了这一切，之所以你看到栩栩如生的世界，是因为那些不能够适应环境的多样性与正反馈的结合都已经死掉了，被环境淘汰了！参数说明：最大信息素：蚂蚁在一开始拥有的信息素总量，越大表示程序在较长一段时间能够存在信息素。信息素消减的速度：随着时间的流逝，已经存在于世界上的信息素会消减，这个数值越大，那么消减的越快。错误概率表示这个蚂蚁不往信息素最大的区域走的概率，越大则表示这个蚂蚁越有创新性。速度半径表示蚂蚁一次能走的最大长度，也表示这个蚂蚁的感知范围。记忆能力表示蚂蚁能记住多少个刚刚走过点的坐标，这个值避免了蚂蚁在本地打转，停滞不前。而这个值越大那么整个系统运行速度就慢，越小则蚂蚁越容易原地转圈。

文章TAG：蚁群  我想知道什么是蚁群  我想  想知道