涌现计算综述

从涌现现象入手,介绍了涌现计算的基本原理和特点;接着介绍了一种重要的涌现计算模型—元胞自动机,并阐明了涌现计算与群集智能的关系;然后探讨了涌现计算中待求解问题的涌现计算模型映射、自组织现象和同步现象等涌现计算中的若干关键问题;最后从工程涌现计算和社会涌现计算两个方面综述了涌现计算在自动设计,工程优化,交通管理、智能控制、信息处理等工程领域及其在公共管理、市场、经济和军事等社会领域的应用。

一维Conway元胞自动机的涌现计算

给出四参数Conway元胞自动机的翻转规则及演化结果.通过增加相邻元胞数量发现,r=1的规则中没有Wolfram第四等级;r≥2中存在Wolfram第四等级.

涌现计算概述

通过4个实例:蚁群最短路径算法、粒子群优化算法、一维元胞自动机和粘菌的涌现计算,阐述了涌现计算的基本思想和方法,并对涌现计算中的一些问题进行了总结与展望.

涌现计算:从无序掌声到有序掌声的虚拟现实

以音乐厅自发同步掌声作为研究对象,建立了一个描述复杂多个体系统集体行为的非线性涌现模型.基于这个模型,开发了一个仅仅依靠局部相互作用的涌现计算实验平台,揭示了涌现行为的不确定性和多样性.通过对多人鼓掌过程数据的分析,发现了观众的掌声在从无序转向同步过程中存在一个明显的临界区域,并得到了掌声同步的基本判据:若耦合系数c1和c2满足条件0.02≤c2≤0.965c1+0.018,则掌声能够实现同步.

基于受限生成过程模型的计算涌现分析

涌现描述了特定系统在超过某阈值时突然出现的现象,中间没有明显的过渡过程。提出了图灵机计算模型在时空复杂度上所表现出的计算涌现现象,引入了受限生成过程(Constrained Generating Procedure,CGP)模型来描述图灵机的计算过程,通过CGP模型刻画了机制参与次数、参与深度和平均参与度等3个涌现数字特征,提出了计算涌现的CGP分析方法并在3类典型图灵机计算过程中进行了验证分析。

旋翼无人机编队过程中涌现控制方法

针对无人机群自主编队飞行中存在的执行任务单一、链数据交互量大的问题,提出了一种以分布式通信为基础的多Swarm中心的无人机群编队模型。首先,根据涌现计算思想构建四项飞行规则以建立无人机群编队模型,将Lyapunov稳定性理论和单架无人机运动模型相结合,为每一架无人机独立设计速度控制器,并证明控制器的稳定性。仿真结果表明,不同属性的无人机在混乱的初始条件下能够自动分类、聚集并形成不同形状的稳定队形飞向各自目标执行任务,从而提高了无人机群的飞行效率。

从群智能优化到群智能进化

从认识世界的宏观视野出发,针对问题复杂性与方法有限性存在的鸿沟,按照问题导向的思路,将广泛意义下的解决问题归结为资源有限情况下的资源分配问题(简称分配问题),并将其分为优化型和协调型分配问题两大类,给出了多种优化问题和分配问题之间的关联关系。群智能优化主要是通过对群居生物觅食行为仿生来处理优化型分配问题,群智能进化则是以群居生物劳动分工主导的合作行为仿生来解决协调型分配问题,通过对两者的全方位考察,论述了群智能优化与群智能进化的异同并加以对比说明。聚焦韧性概念时代的到来是从群智能优化到群智能进化的现实推动力量。群智能进化采用协调处理思路,根据问题情景建立定制化的群智能模型,从而有效解决问题,适宜处理一般性分配问题和异常性分配问题,表现出显著的韧性。群智能优化与群智能进化都属于群智能范畴,其中蕴含着若干相互作用的对偶要素,由对偶要素形成的两股力量之间的互动结果决定了群智能类别的归属。按照系统学二象论原理,通过分析竞争与合作、开发与探索、吸引与排斥三对对偶要素,揭示了其与群智能优化和群智能进化类别归属的内在关系。研究表明群智能进化作为群智能研究的新领域,代表了其今后发展的主流方向。

基于社群联盟的冲突消解原则求解图着色问题

该文提出了一种基于群体协作的计算模型。该模型首先将输入的数据单元建模成微观个体,然后基于求解目标设计个体间的协作规则,最后通过个体在协作过程中涌现出的宏观现象来得到全局最优解。通过运用群体协作模型求解具有NP-完全复杂度的最优图着色问题,结果表明该模型的性能优于若干启发式方法,并且得到如下结论:1)如果算法的动力学特征类似于混沌边缘现象,则算法能够在线性或亚线性时间复杂度求解问题。2)如果算法的动力学特征呈现出完全随机性或强收敛性,则算法将退化成蛮力搜索。