前〓〓言
智能计算和智能优化正在成为新一代人工智能科学与技术革命中最活跃的前沿领域。为了及时反映国内外大量原创智能优化算法的研究成果,本书作者出版了《智能优化算法与涌现计算》(清华大学出版社,ISBN 9787302517429),优选了106种原创智能算法,全书600余页; 2022年出版了第2版(清华大学出版社,ISBN 9787302603993),共包括159种智能算法,全书近850页……但一本书难以承载太多的内容。
为什么新算法像雨后春笋般涌现出来呢?1997年Wolperthe Macready在研究最优理论时,在IEEE Transactions on Evolutionary Computation上发表了论文No Free Lunch Theorems for Optimization,称无免费午餐定理,又称NFL定理。通俗地讲,没有一种算法能够在所有优化问题的性能上都优于其他算法。因此,NFL定理就激励着广大科研人员设计、创造出更多的智能优化算法,以满足人们对科学、工程、经济、管理等更复杂的优化问题的迫切需要。
从人工智能到计算智能,再到智能计算
人工智能(Artificial Intelligence,AI)的研究始于1956年,由年轻的美国学者麦卡锡(McCrthay)、明斯基(Minsky)、洛彻斯特(Lochester)和香农(Shannon)共同发起,邀请了莫尔(More)、塞缪尔(Samuel)、纽维尔(Newell)及西蒙(Simon)等在美国达特茅斯大学举办。这一关于用机器模拟人类智能问题的长达2个月的研讨会,开启了人工智能研究的先河。人类的智能主要表现在人脑的思维功能及人在和环境交互过程中的适应行为、学习行为、意识的能动性等。在对人工智能的长期研究过程中,逐渐形成了用机器模拟人类智能的符号主义、联结主义、行为主义。
计算智能(Computational Intelligence,CI)的研究始于1994年,IEEE在美国佛罗里达举办了模糊系统、神经网络和进化计算的首届计算智能大会,掀起了用计算机模拟生命、模拟自然等的计算智能研究热潮。计算智能是指用计算机通过某些优化算法来模拟生物及自然中蕴含的适应、进化、优化机制而体现出的智能。这种智能是在优化算法的执行计算过程及优化结果中表现出来的,即这种智能是靠算法计算出来的,故称为计算智能,因此这种优化算法也称为计算智能优化算法。计算是靠软件实现的,被扎德称为软计算。
人工智能和计算智能是两个密切相关又有区别的概念。它们都是用计算机模拟智能行为; 但是,人工智能侧重于模拟人类的智能行为,问题求解是传统人工智能的核心问题; 计算智能着重模拟生物、动植物、自然现象和自然系统等群体中蕴含的适应、进化、优化、灵性、智能性,问题优化是计算智能的核心问题。
智能计算(Intelligent Computing,IC)研究的重要标志性成果是始于2016年推出的AI围棋程序AlphaGo和AlphaZero,随着AlphaGo和AlphaZero相继战胜世界围棋大师,AI浪潮的发展被推向全新的高度; 另一个重要的标志性成果是大型预训练模型的出现,2022年,美国Open AI研发的聊天机器人程序ChatGPT,其中最具代表性的是自然语言处理模型GPT3,其所具有的高度结构复杂性和应用大量参数的大模型可以提高深度学习的性能。
科学家们从解决复杂的科学和社会问题的角度提出了智能计算的新定义: “智能计算是支撑万物互联的数字文明时代新的计算理论方法、架构体系和技术能力的总称。智能计算根据具体的实际需求,以最小的代价完成计算任务,匹配足够的计算能力,调用最好的算法,获得最优的结果。”从智能方面要求: 在更高智能层次上,包括理解、表达、抽象、推理、创造和反思等模拟人脑和群体的智能。从计算方面要求: 计算机的智能要成为通用智能。通用智能以硅基设施为载体,将由个体和群体计算设备产生的生物智能移植到计算机上的数据智能、感知智能、认知智能和自主智能。在智能计算的理论体系中,人类的智慧是智能的源泉,计算机智能是人类智能的赋能,称为通用智能。
智能优化算法的产生、种类及特点
基于精确模型的传统优化算法,当优化问题缺乏精确数学模型时,其应用就受到极大限制。然而,人们从自然界的各种植物、动物的生长、竞争过程中,以及各种自然现象生生不息、周而复始的变化中,发现了许多隐含在其中的信息存储、处理、适应、组织、进化的机制,其中蕴含着优化的机理。于是,人们从中获得了优化思想的设计灵感。
霍兰(Holland)创立的遗传算法奠定了智能优化算法的重要基础。意大利多利戈(Dorigo)博士1991年提出的模拟蚁群觅食行为的蚁群优化算法开辟了群智能优化算法的先河。1995年提出的模拟鸟类飞行觅食行为的粒子群优化算法进一步丰富了群智能优化算法的内涵,极大地推动了智能优化算法开发的速度、深度和广度。
近半个世纪以来,科学工作者提出了数以百计的不依赖被优化问题数学模型的优化算法,被称为元启发式算法、仿生计算、自然计算等。这些优化算法中有些在一定程度上模拟人的智能行为,有些模拟自然界中某些动物、植物生存过程的适应性、灵性、智慧性,本书将它们统称为智能优化算法。
国内外有关智能优化算法尚没有统一的分类标准。本书的分类是基于以下的基本原则: 按照优化算法所模拟的主体的智能性、生物属性、自然属性来归类。从生物层面划分,包括人类、动物、植物、微生物等。人类区别于其他动物的本质特征在于人有高度发达的大脑,是自然界智能水平最高的生命体。因此,把模拟人、人体系统、组织,人类社会、组织机构乃至国家等智能行为的相关优化算法归为智能计算和仿人智能优化算法。
根据作者上述的分类思想,将智能计算和优化算法划分为如下五大类。
(1) 智能计算与仿人优化算法: 模拟人脑思维、认知行为、人体系统、组织、细胞、基因等及人类社会进化、企业管理、团体竞争等过程中的智能行为。
(2) 进化算法: 模拟生物生殖、繁衍过程中的遗传、变异、竞争、优胜劣汰的进化行为。
(3) 群智能优化算法: 模拟群居昆虫、动物觅食、繁殖、捕猎、搜索策略的群智能行为。
(4) 植物生长算法: 模拟花、草、树的向光性、根吸水性、种子繁殖、花朵授粉、杂草生长等的适应行为。
(5) 自然计算: 模拟风、雨、云,基于数学、物理、化学定律,混沌现象、分形等的仿自然优化算法。
智能优化算法和传统的优化算法相比,智能优化算法主要具有如下优点。
(1) 不需要优化问题的精确数学模型。
(2) 一种智能优化算法往往可以用于多种问题求解,具有较好的通用性。
(3) 采用启发式规则和随机搜索能够获得全局最优解或准最优解,具有全局性。
(4) 适用于不同初始条件下的寻优,具有适应性。
(5) 群智能优化算法更适合于复杂大型系统问题的并行求解,具有并行性。
(6) 智能优化算法一般比传统优化算法的效率更高、速度更快。
智能算法原理与实现: 群智能优化算法
在自然界中,地上、地下、空中、水中、森林中、草原上分布着多种生物和动物,如昆虫、鸟类、鱼类、狼、狮子等。这些生物和动物群体都是由一些相对简单、低级智能的昆虫或动物的个体组成,大量个体在群体活动中的聚集、协同、适应等行为表现出了个体所不具有的较高级的群体智能行为,这种智能行为称为群体智能、群集智能、群聚智能,统称为群智能。
群智能优化算法是模拟自然界中的群居生物和动物在觅食、求偶、繁殖、迁徙、狩猎等过程中的群体智能行为及其蕴含的优化机制,实现对问题求解的一大类智能优化算法的统称。
近年来,不断涌现出的群智能优化新算法在智能优化算法中占有绝大部分。因此,本书介绍了精选的106种群智能优化算法,具有取材宽广、内容丰富新颖、多学科交叉融合、启迪创新思维等特点。
致谢
在本书的编写中,引用了原创算法作者发表的论文,还参考了国内外相关算法研究的重要文献及有价值的学位论文。为便于读者查阅,将这些主要论文一并列入本书的参考文献。在此,对被引用文献的作者表示衷心的感谢!
参加本书编写、提供素材或提供多种帮助的有宋申民、张秀杰、宁永臣、班晓军、李盼池、左兴权、黄金杰、袁丽英、赵宝江、柏继云、李浩、张逸达、王振杨、黄忠报、李世宏、栾秀春、章钱、郭成、郭玉、杨丹、张恒、徐保华等。
本书的出版始终得到清华大学出版社的大力支持,在此表示由衷的感谢!
编写这样一套全面反映智能算法原理与实现的原创性成果的专著,不仅篇幅大,而且内容涉及自然科学、社会科学和哲学等几乎所有学科门类,受编著者知识面所限,书中内容难免存在不足之处,恳请广大读者给予指正!
李士勇
2024年12月
于哈尔滨工业大学