段曉東，劉 霞，馬艷準(zhǔn)，閆 帥

(1.大連民族學(xué)院計(jì)算機(jī)科學(xué)與工程學(xué)院遼寧大連116605;2.東北大學(xué)研究生院沈陽 110004)

基于群智能的信息認(rèn)知機(jī)制研究

段曉東1，劉 霞2，馬艷準(zhǔn)2，閆 帥2

(1.大連民族學(xué)院計(jì)算機(jī)科學(xué)與工程學(xué)院遼寧大連116605;2.東北大學(xué)研究生院沈陽 110004)

群智能計(jì)算是個(gè)體認(rèn)知行為和群體認(rèn)知規(guī)律抽象出的一種非傳統(tǒng)的計(jì)算智能技術(shù)。本文論述群智能計(jì)算中的信息認(rèn)知機(jī)制，以及如何利用認(rèn)知科學(xué)的相關(guān)研究來探索群智能計(jì)算方法。其中主要包括群智能計(jì)算中個(gè)體和群體的信息利用和分享機(jī)制，以及在不同環(huán)境的認(rèn)知過程中的信息利用機(jī)制;群智能計(jì)算中不同結(jié)構(gòu)和模式的記憶與認(rèn)知科學(xué)中長(zhǎng)時(shí)記憶、短時(shí)記憶、記憶結(jié)構(gòu)和記憶遺忘模型的關(guān)系，以及認(rèn)知記憶機(jī)制與環(huán)境的對(duì)應(yīng)關(guān)系;在不同環(huán)境或變化環(huán)境下，群智能計(jì)算各種自適應(yīng)策略與社會(huì)學(xué)習(xí)理論中的直接學(xué)習(xí)和觀察學(xué)習(xí)之間的關(guān)系，長(zhǎng)期記憶與短期記憶之間在環(huán)境變化下的調(diào)整機(jī)制的關(guān)系。相關(guān)的研究將促進(jìn)群智能理論和認(rèn)知科學(xué)的進(jìn)一步融合發(fā)展。

群智能計(jì)算;認(rèn)知科學(xué);學(xué)習(xí)機(jī)制

群智能(Swarm Intelligence)是一種非傳統(tǒng)的計(jì)算智能技術(shù)，它有別于傳統(tǒng)人工智能中連接主義和符號(hào)主義的新的智能描述及實(shí)現(xiàn)方法［1］，因?yàn)槿褐悄苡?jì)算高效的分布式問題解決能力，它已成為人工智能領(lǐng)域中一個(gè)重要研究方向。認(rèn)知科學(xué)(Cognitive Science)是研究人類認(rèn)知和智力的本質(zhì)與規(guī)律的前沿科學(xué)，涉及計(jì)算機(jī)科學(xué)、心理學(xué)、哲學(xué)、人類學(xué)和神經(jīng)科學(xué)等，同時(shí)認(rèn)知科學(xué)也是人工智能發(fā)展的基礎(chǔ)。認(rèn)知科學(xué)傳統(tǒng)研究方法主要先經(jīng)過邏輯學(xué)及推理分析進(jìn)行假設(shè)，然后進(jìn)行人工實(shí)驗(yàn)論證［2－6］。能否利用計(jì)算機(jī)建立一種智能系統(tǒng)來模擬各種認(rèn)知機(jī)制，通過模擬來驗(yàn)證和發(fā)現(xiàn)智能系統(tǒng)中的“認(rèn)知規(guī)律”，科學(xué)系統(tǒng)地為認(rèn)知科學(xué)提供實(shí)驗(yàn)指導(dǎo)和研究策略，這將為認(rèn)知科學(xué)研究提供一種高效的技術(shù)手段和輔助工具［7］。

群智能計(jì)算和認(rèn)知科學(xué)具有密切的相互聯(lián)系。例如，認(rèn)知學(xué)習(xí)是個(gè)體根據(jù)當(dāng)前刺激情境的觀察和已有的過去經(jīng)驗(yàn)而建立起對(duì)目標(biāo)的期望，群智能系統(tǒng)是根據(jù)當(dāng)前個(gè)體自身信息、群體信息和環(huán)境信息建立期望，來調(diào)整自己的狀態(tài)進(jìn)而達(dá)到系統(tǒng)目標(biāo)。群智能計(jì)算必須通過有效的記憶、學(xué)習(xí)機(jī)制和組織來完成系統(tǒng)目標(biāo)，即群智能和認(rèn)知過程都是通過學(xué)習(xí)、記憶和自適應(yīng)機(jī)制達(dá)到系統(tǒng)目標(biāo)的?；谌褐悄艿男畔⒄J(rèn)知機(jī)制的相關(guān)研究，可以通過計(jì)算實(shí)踐更好地對(duì)外部信息進(jìn)行把握和理解，在各種記憶信息構(gòu)建機(jī)制下，研究基于不同機(jī)制的有效學(xué)習(xí)算法，可以提高智能系統(tǒng)的水平和信息利用效率。這對(duì)于從一個(gè)新視角研究智能實(shí)體與它們的環(huán)境相互作用的原理與機(jī)制，進(jìn)而為認(rèn)知科學(xué)的深入研究提供一種高效的技術(shù)手段和輔助工具等將具有重要的現(xiàn)實(shí)意義。

與此同時(shí)，認(rèn)知機(jī)制研究也將促進(jìn)群智能理論的完善和發(fā)展。傳統(tǒng)依靠參數(shù)和編碼改進(jìn)等方法提高群智能計(jì)算效能是具有局限性的，相應(yīng)的信息利用機(jī)制才是構(gòu)建算法計(jì)算框架和方法實(shí)現(xiàn)的關(guān)鍵。認(rèn)知機(jī)制的深入研究必將深化對(duì)群智能的組織結(jié)構(gòu)、學(xué)習(xí)機(jī)制和記憶策略的科學(xué)認(rèn)識(shí)，為群智能算法研究提供更多有效的策略和機(jī)制，也將為人工智能中的環(huán)境和群體進(jìn)化的作用機(jī)制及其相關(guān)理論研究帶來新的啟示。

1 研究現(xiàn)狀

群智能主要是受自然界集群生物解決問題方式的啟發(fā)，通過對(duì)群居生物覓食、御敵、筑巢等生物解決策略進(jìn)行模擬和仿真，構(gòu)造出的解決工程問題的方法。群智能方法目前主要包括，M.Dorigo 的蟻群算法(Ant Colony Algorithm)［1］、J.Kennedy粒子群算法(Particle Swarm Algorithm)［8］、蜜 蜂 算 法 (Bee Optimization Algorithm)［9］和文化算法(Culture Algorithm)［10］等。在群智能利用信息改進(jìn)策略研究方面，Jakob利用分工協(xié)作思想將分群機(jī)制實(shí)踐于粒子群算法的改進(jìn)中［11－12］;Angeline引入自然選擇機(jī)制于粒子群算法［13］，在增加信息表達(dá)強(qiáng)度策略方面，有學(xué)者提出了一種基于信息素?cái)U(kuò)散的蟻群算法［14－17］，還包括自適應(yīng)調(diào)整信息素?fù)]發(fā)因子的蟻群算法［18－19］，還有基于均勻分布的自適應(yīng)蟻群算法［20－22］;在粒子群算法中，Shi與 Eberhart提出了根據(jù)搜索情況對(duì)慣性因子進(jìn)行改變的策略［23］，赫然等提出一種改進(jìn)的自適應(yīng)逃逸微粒群算法［24］，Shi也對(duì)非線性搜索過程的慣性因子的變化規(guī)則進(jìn)行了研究［25］，Carlisle和Dozier提出了自動(dòng)適應(yīng)動(dòng)態(tài)環(huán)境的粒子群模型［26］等。

認(rèn)知科學(xué)主要以計(jì)算和表達(dá)為基本核心研究人類認(rèn)知和智力的本質(zhì)與規(guī)律［3－5］。認(rèn)知科學(xué)是人工智能發(fā)展的基礎(chǔ)，也是人工智能不斷發(fā)展的第一推動(dòng)［2］。20世紀(jì)50年代關(guān)于認(rèn)知和智力本質(zhì)的“符號(hào)處理”理論認(rèn)為認(rèn)知和智力的最基本單元是符號(hào)，離散符號(hào)的處理被看成對(duì)描述任何智能活動(dòng)的充要條件。20世紀(jì)80年代初期，認(rèn)知科學(xué)的影響和成就主要集中于“聯(lián)接主義革命”。20世紀(jì)90年代以來，群智能理論蓬勃發(fā)展［1］，智能可以由具有簡(jiǎn)單計(jì)算能力的個(gè)體組成的群體產(chǎn)生，并解決復(fù)雜問題。群智能理論的研究已成為人工智能領(lǐng)域的前沿方向之一，研究群智能中的個(gè)體記憶、群體記憶、群體拓?fù)浣Y(jié)構(gòu)、個(gè)體自學(xué)習(xí)和群體社會(huì)學(xué)習(xí)機(jī)制等方面對(duì)于認(rèn)知科學(xué)的研究具有重要的作用。群智能是一門計(jì)算學(xué)科，是問題依賴型的，其優(yōu)勢(shì)在于能夠解決多種復(fù)雜問題。認(rèn)知科學(xué)是一門經(jīng)驗(yàn)科學(xué)，需通過大量實(shí)驗(yàn)來研究人類認(rèn)知和智力的本質(zhì)。將群智能理論應(yīng)用于認(rèn)知科學(xué)的研究，不僅擴(kuò)展了群智能理論的研究范圍，也為認(rèn)知科學(xué)提供了高效的輔助手段和技術(shù)工具。

2 群智能計(jì)算的信息分享與認(rèn)知學(xué)習(xí)機(jī)制研究

認(rèn)知學(xué)習(xí)機(jī)制主要研究如何將大量無序的信息變換為可被利用的知識(shí)，如何構(gòu)建相應(yīng)認(rèn)知學(xué)習(xí)機(jī)制提高接受知識(shí)的效率，改善系統(tǒng)或?qū)W習(xí)者解決問題的能力，不僅是認(rèn)知學(xué)習(xí)的基礎(chǔ)，也是機(jī)器學(xué)習(xí)的基本任務(wù)［7］。群智能的信息利用策略的構(gòu)建和研究，可以通過該策略在各種環(huán)境中的表現(xiàn)，評(píng)價(jià)不同信息利用策略的效能，也可以借鑒認(rèn)知學(xué)習(xí)機(jī)制中的研究成果，構(gòu)建相應(yīng)的環(huán)境，在智能系統(tǒng)中檢驗(yàn)和分析該認(rèn)知機(jī)制的有效性;群智能分享機(jī)制主要研究群智能中個(gè)體間的組織結(jié)構(gòu)，不同組織拓?fù)浣Y(jié)構(gòu)(如圖1)在群智能系統(tǒng)中產(chǎn)生的不同現(xiàn)象和計(jì)算效能可以從另一個(gè)角度揭示和驗(yàn)證認(rèn)知學(xué)習(xí)機(jī)制。

圖1 群體中的信息分享拓?fù)浣Y(jié)構(gòu)

托爾曼的認(rèn)知目的理論表明:學(xué)習(xí)是有目的的，個(gè)體根據(jù)當(dāng)前刺激情境的觀察和已有的過去經(jīng)驗(yàn)而建立起對(duì)目標(biāo)的期望。群智能系統(tǒng)的目的是搜索環(huán)境最優(yōu)解，個(gè)體根據(jù)當(dāng)前自身或其他個(gè)體信息以及環(huán)境信息建立期望，調(diào)整自己的狀態(tài)進(jìn)而達(dá)到系統(tǒng)目標(biāo)。可采用計(jì)算實(shí)踐的方法，通過對(duì)群智能信息利用和分享機(jī)制的研究解釋和推動(dòng)人類認(rèn)知學(xué)習(xí)過程的認(rèn)識(shí)。

群智能的信息利用策略可以解釋人類認(rèn)知過程中的一些科學(xué)問題，通過計(jì)算實(shí)踐對(duì)各種信息利用機(jī)制進(jìn)行深入研究。傳統(tǒng)信息利用策略認(rèn)為個(gè)體歷史經(jīng)驗(yàn)和群體最優(yōu)經(jīng)驗(yàn)是系統(tǒng)最有價(jià)值的信息，而忽略了其它個(gè)體在搜索過程中產(chǎn)生的經(jīng)驗(yàn)信息，如何利用每個(gè)個(gè)體的經(jīng)驗(yàn)信息提高算法在某些問題的效能成為群智能研究重要問題之一，文獻(xiàn)［27］提出了一種信息利用策略，將每個(gè)個(gè)體最優(yōu)歷史經(jīng)驗(yàn)的中值經(jīng)驗(yàn)代替群體最有經(jīng)驗(yàn)，這樣在不增加計(jì)算負(fù)荷的情況下，大幅的提高了粒子群算法的搜索效能和達(dá)優(yōu)率。這種計(jì)算實(shí)踐在認(rèn)知學(xué)習(xí)中表明:將群體中最優(yōu)秀的個(gè)體作為觀察學(xué)習(xí)的唯一參照物，并不是學(xué)習(xí)過程的最優(yōu)機(jī)制，每個(gè)個(gè)體的經(jīng)驗(yàn)信息也蘊(yùn)含了大量有價(jià)值的信息，可以通過分析或篩選這些經(jīng)驗(yàn)作為觀察學(xué)習(xí)的參照物，這種機(jī)制可以提高系統(tǒng)的智能水平。

研究群智能的分享機(jī)制可以解釋認(rèn)知過程中組織結(jié)構(gòu)和學(xué)習(xí)目標(biāo)之間的關(guān)系。群智能群體中的分享機(jī)制主要研究智能系統(tǒng)在搜索過程中個(gè)體間的拓?fù)浣Y(jié)構(gòu)，其對(duì)應(yīng)認(rèn)知科學(xué)中的社會(huì)學(xué)習(xí)理論中的社會(huì)學(xué)習(xí)組織結(jié)構(gòu)分析。認(rèn)知過程中，針對(duì)某一問題或目標(biāo)，個(gè)體之間信息交互采用何種結(jié)構(gòu)使得群體的學(xué)習(xí)效能最優(yōu)是社會(huì)學(xué)習(xí)理論研究的熱點(diǎn)問題之一。認(rèn)知過程中哪種社會(huì)組織結(jié)構(gòu)效率更高?信息傳遞更快?組織結(jié)構(gòu)更穩(wěn)定?這些問題都有待于進(jìn)一步的深入研究。群智能在解決不同類型的問題的過程中，其群體間的信息傳遞拓?fù)浣Y(jié)構(gòu)可以解釋社會(huì)學(xué)習(xí)理論中的組織結(jié)構(gòu)問題。例如在全連通的拓?fù)浣Y(jié)構(gòu)信息傳遞最快，但是也可能導(dǎo)致群智能算法過早收斂，而且局部最優(yōu)的信息會(huì)得到最快傳遞，對(duì)于多峰問題解決較差，而擅長(zhǎng)解決單峰問題。而環(huán)形拓?fù)浣Y(jié)構(gòu)信息傳遞速度較慢，適于解決多局部最優(yōu)問題?，F(xiàn)象表明，在認(rèn)知學(xué)習(xí)過程中，合理的組織結(jié)構(gòu)對(duì)于個(gè)體的觀察學(xué)習(xí)至關(guān)重要。

3 群智能記憶利用策略的認(rèn)知記憶機(jī)制研究

記憶是經(jīng)驗(yàn)和知識(shí)的保持與調(diào)用過程，記憶在人類認(rèn)知和智能活動(dòng)中占有突出的位置。群智能理論有別于傳統(tǒng)演化計(jì)算的特點(diǎn)之一就是算法中引入記憶概念，尤其是粒子群算法中引入了個(gè)體記憶模式，記憶模式幫助算法擺脫局部最優(yōu)進(jìn)行高效搜索。通過研究群智能的記憶過程在不同環(huán)境下的實(shí)驗(yàn)，研究認(rèn)知科學(xué)中長(zhǎng)時(shí)記憶、短時(shí)記憶、感覺記憶和記憶結(jié)構(gòu)以及記憶遺忘模型等。通過對(duì)群智能中問題環(huán)境與記憶模型關(guān)系研究，建立認(rèn)知記憶機(jī)制和環(huán)境問題的對(duì)應(yīng)關(guān)系。

大量計(jì)算實(shí)踐發(fā)現(xiàn)個(gè)體經(jīng)驗(yàn)記憶是群智能算法思想核心，個(gè)體擁有了自己的思想，并根據(jù)自己的記憶做出相應(yīng)調(diào)整，而且群智能將個(gè)體經(jīng)驗(yàn)記憶與群體最優(yōu)經(jīng)驗(yàn)置于平等地位，是與傳統(tǒng)集體經(jīng)驗(yàn)占主導(dǎo)的智能算法的本質(zhì)區(qū)別［28］。文獻(xiàn)［29］將個(gè)體的經(jīng)驗(yàn)記憶信息引入到傳統(tǒng)的遺傳算法，并構(gòu)建了利用經(jīng)驗(yàn)信息的交叉算子，算法的性能和魯棒性與傳統(tǒng)算法相比大幅提高。也表明記憶是認(rèn)知過程中的重要環(huán)節(jié)，通過研究群智能的記憶機(jī)制解釋認(rèn)知過程中的記憶對(duì)于認(rèn)知目標(biāo)的影響具有重要的作用。但目前群智能系統(tǒng)的記憶模式和結(jié)構(gòu)過于單一，可以通過構(gòu)建如認(rèn)知過程中的各種記憶模式和結(jié)構(gòu)，進(jìn)而通過研究群智能的記憶機(jī)制驗(yàn)證和分析認(rèn)知過程的記憶機(jī)制。

目前群智能算法中只存在較短感覺記憶，每次迭代根據(jù)情況進(jìn)行更新，沒有短時(shí)記憶和長(zhǎng)時(shí)記憶機(jī)制。通過在群智能算法中引入感覺記憶、短時(shí)記憶和長(zhǎng)時(shí)記憶(如圖2)，探索這些機(jī)制的引入對(duì)于哪些環(huán)境是合適的，這都有待于深入研究和驗(yàn)證。不過可以肯定的是記憶機(jī)制是進(jìn)化而來的，對(duì)于不同問題采用不同的記憶機(jī)制是提高生存技能和系統(tǒng)智能的重要途徑。心理學(xué)研究中發(fā)現(xiàn)黑猩猩的瞬時(shí)記憶能力要遠(yuǎn)遠(yuǎn)高于人類，它們能以驚人的準(zhǔn)確度記住有關(guān)圖形和順序的東西，而人類主要通過中長(zhǎng)期記憶決定自己的行為，研究結(jié)論也表明較強(qiáng)的瞬時(shí)記憶能力更有利于在惡劣和復(fù)雜自然環(huán)境生存，而人類不斷進(jìn)步發(fā)展主要得益于中長(zhǎng)期記憶形成的文化傳承。通過多種學(xué)習(xí)策略，結(jié)合長(zhǎng)期記憶來提高算法解決復(fù)雜問題的能力，對(duì)群智能算法而言，可以逐步引入各種記憶，研究各種記憶之間的轉(zhuǎn)換對(duì)于算法效能的影響，同時(shí)研究不用記憶長(zhǎng)度適于解決的問題，為給認(rèn)知科學(xué)中的記憶對(duì)于不同問題和環(huán)境下的存儲(chǔ)和轉(zhuǎn)換機(jī)制的關(guān)系研究帶來新的啟示。

圖2 認(rèn)知記憶模式

4 群智能自適應(yīng)學(xué)習(xí)和記憶調(diào)整策略

不同環(huán)境下的自適應(yīng)認(rèn)知機(jī)制研究在“基于環(huán)境的認(rèn)知研究方向”中占有重要地位［3］。人類的認(rèn)知和智力活動(dòng)必須從何環(huán)境相互作用的角度來研究才能的到充分的理解?？梢酝ㄟ^建立多層次群體和環(huán)境信息度量測(cè)度，在此基礎(chǔ)上根據(jù)自適應(yīng)模型計(jì)算出調(diào)整方案，調(diào)整個(gè)體直接學(xué)習(xí)和社會(huì)觀察學(xué)習(xí)強(qiáng)度，以及記憶長(zhǎng)度和模式，進(jìn)而研究不同環(huán)境下的認(rèn)知的自適應(yīng)調(diào)節(jié)機(jī)制和群體認(rèn)知行為［30－31］。

認(rèn)知科學(xué)通過“情境認(rèn)知”和“分布式認(rèn)知”的概念逐步形成了認(rèn)知科學(xué)的一個(gè)新的理論基礎(chǔ)——“基于環(huán)境的認(rèn)知研究”。它強(qiáng)調(diào)人類認(rèn)知與環(huán)境的交互作用關(guān)系的重要性。在傳統(tǒng)人工智能研究中長(zhǎng)期被忽略的環(huán)境和進(jìn)化的作用，正在基于環(huán)境的認(rèn)知發(fā)展中越來越得到重視。通過構(gòu)建群智能在不同環(huán)境或變化環(huán)境的自適應(yīng)學(xué)習(xí)和記憶調(diào)整策略，研究群智能的動(dòng)態(tài)自組織行為和個(gè)體之間的適應(yīng)性機(jī)制，可以對(duì)認(rèn)知科學(xué)中的基于環(huán)境的認(rèn)知機(jī)制進(jìn)行深入探討。

群智能計(jì)算根據(jù)問題不同調(diào)整個(gè)體直接學(xué)習(xí)和社會(huì)觀察學(xué)習(xí)之間的關(guān)系構(gòu)建相應(yīng)的自適應(yīng)機(jī)制，研究?jī)煞N認(rèn)知學(xué)習(xí)模式對(duì)于不同環(huán)境的認(rèn)知機(jī)制。傳統(tǒng)群智能自適應(yīng)方法主要是在算法陷入局部最優(yōu)時(shí)，加大自身學(xué)習(xí)能力，但由于自身經(jīng)驗(yàn)也已經(jīng)陷入局部最優(yōu)而使系統(tǒng)過早收斂，這種硬性的自適應(yīng)機(jī)制并不能從根本解決搜索過程中遇到的問題。

例如，可以采用如圖3的均衡策略模型或其它各種自適應(yīng)策略對(duì)自身學(xué)習(xí)和社會(huì)學(xué)習(xí)權(quán)重進(jìn)行調(diào)整，這種模型在經(jīng)濟(jì)學(xué)領(lǐng)域是均衡價(jià)格理論模型，在生物學(xué)中是種群遷移模型，利用這種自適應(yīng)模型對(duì)各種學(xué)習(xí)策略強(qiáng)度和記憶機(jī)制進(jìn)行調(diào)節(jié)，可以研究不同環(huán)境下的認(rèn)知的調(diào)節(jié)機(jī)制和群體認(rèn)知行為。當(dāng)然，自適應(yīng)策略可以借鑒其他學(xué)科和各種模型進(jìn)行構(gòu)建，模型也是問題依賴的，需要研究各種自適應(yīng)機(jī)制適于的環(huán)境，進(jìn)而對(duì)自適應(yīng)環(huán)境認(rèn)知機(jī)制進(jìn)行深入研究。

圖3 生物種群遷移模型策略模型［32］

相關(guān)研究工作依賴于對(duì)群智能算法的各種信息的度量。主要體現(xiàn)在如何定義相應(yīng)變量來表達(dá)環(huán)境中的信息，并通過這種信息根據(jù)自適應(yīng)模型調(diào)節(jié)各種策略。因此需要對(duì)群體信息進(jìn)行度量，如圖4，群智能中的信息也是多層次的，每個(gè)個(gè)體和群體都有不同的信息存儲(chǔ)和表達(dá)機(jī)制，其中包括環(huán)境中存儲(chǔ)的信息、群體當(dāng)前狀態(tài)信息、群體個(gè)體記憶信息以及對(duì)多種信息的綜合。通過構(gòu)建多層次的環(huán)境信息度量，才能據(jù)此通過自適應(yīng)模型調(diào)整不同學(xué)習(xí)機(jī)制和記憶策略，進(jìn)而研究認(rèn)知過程中各種自適應(yīng)機(jī)制是否可以有效調(diào)控等。這些問題的深入研究可以深化基于環(huán)境的認(rèn)知機(jī)制的科學(xué)認(rèn)識(shí)，進(jìn)一步揭示其中的認(rèn)知規(guī)律。

圖4 不同層次的環(huán)境信息度量

5 結(jié)論

認(rèn)知和智力活動(dòng)中的信息處理機(jī)制研究對(duì)于認(rèn)知科學(xué)具有重要的科學(xué)意義。人類對(duì)智力的研究不再只是直覺的、思辨式的、哲學(xué)式的討論。本文討論了如何利用群智能計(jì)算中的信息利用策略對(duì)認(rèn)知機(jī)制進(jìn)行研究，為認(rèn)知科學(xué)提供分析和實(shí)驗(yàn)?zāi)M的新手段;也為以計(jì)算智能為平臺(tái)深入了解認(rèn)知規(guī)律提供新啟示。同時(shí)，也將豐富群智能計(jì)算的相應(yīng)策略機(jī)制，為群智能解決各種復(fù)雜問題提供支持，進(jìn)而拓展其在計(jì)算機(jī)、通訊網(wǎng)絡(luò)、機(jī)器人技術(shù)、商業(yè)和金融、供應(yīng)鏈管理和傳輸系統(tǒng)等領(lǐng)域的應(yīng)用。

［1］KENNEDY J，EBERHART C.Swarm Intelligence［M］.San Francisco:Morgan Kauffman division of Academic Press，2001.

［2］史忠植.智能科學(xué)［M］.北京:清華大學(xué)出版社，2006.

［3］史忠植.認(rèn)知科學(xué)［M］.北京:中國科學(xué)技術(shù)大學(xué)出版社，2008.

［4］羅姆·哈瑞，魏屹東.認(rèn)知科學(xué)哲學(xué)導(dǎo)論［M］.上海:上?？萍冀逃霭嫔?，2006.

［5］魏屹東.認(rèn)知科學(xué)哲學(xué)問題研究［M］.北京:科學(xué)出版社，2008.

［6］張淑華.認(rèn)知科學(xué)基礎(chǔ)［M］.北京:科學(xué)出版社，2007.

［7］國家自然科學(xué)基金委.“十五”優(yōu)先資助領(lǐng)域論證報(bào)告集［M］.北京:原子能出版社，2002.

［8］KENNEDY J，EBERHART R.Particle swarm optimization［C］，Proc.IEEE Int.Conf.on Neural Networks，Perth，Australia，1995，1942 －1948.

［9］COLORNI A，DORIGO M，MANIEZZO V.An investigation of some properties of an ant algorithm［A］In:Proc.of the Parallel Prob2 lem Solving from Nature Conference(PPSN’92) ［C］.Brussels，Belgium:Elsevier Publishing，509－520.

［10］KENNEDY J，EBERHART R.Particle swarm optimization［C］.Proc.IEEE Int.Conf.on Neural Networks，Perth，Australia，1995，1942 －1948.

［11］NAKRANI S，TOVEY C.On honey bees and dynamic allocation in an internet server colony.Adaptive Behavior，2004，12(4):223 －240.

［12］ ROBERT R G..An Introduction to Cultural Algorithms.Proc.of the 3th annual Conf.on Evolution Programming.Sebalk，A.V.Fogel L.J，River Edge，NJ.World Scientific Publishing，1994，131－136.

［13］VESTERSTROEM J S，RIGET J，KRINK T.Division of labor in particle swarm optimization.Proceedings of the IEEE Congress on Evolutionary Computation(CEC 2002).Honolulu，Hawaii USA，2002.

［14］DORIGO M，GAMBARDELLA L，MIDDENDORF M，et al.Guest Editorial － － Special Section on Ant Colony Optimization［J］.IEEE Transactions On Evolutionary Computation，2002，6(4):317－320.

［15］ ANGELINE P.Using selection to improve particle swarm optimization［C］//Proceedings of IJCNNp99.USA，Washington，1999，84－89.

［16］李寧，劉飛，孫德寶.基于帶變異算子粒子群優(yōu)化算法的約束布局優(yōu)化研究［J］.計(jì)算機(jī)學(xué)報(bào)，2004，27(7):897－904.

［17］吳慶洪，張紀(jì)會(huì)，徐心和.具有變異特征的蟻群算法［J］.計(jì)算機(jī)研究與發(fā)展，1999，36(10):112－116.

［18］黃國銳，曹先彬，王煦法.基于信息素?cái)U(kuò)散的蟻群算法［J］.電子學(xué)報(bào)，2004，32(5):865－868.

［19］Iredi S，Merkle D，Martin Middendorf.Bi－ Criterion Optimization with Multi Colony Ant Algorithms.EMO，2001，359－372.

［20］WANG Y，XIE J Y.An adaptive ant colony optimization algorithm and Simulation［J］.J of System Simulation，2002，14(1):32－33.

［21］徐曉華，陳崚.一種自適應(yīng)的螞蟻聚類算法［J］.軟件學(xué)報(bào)，2006，17(9):1884－1889.

［22］陳峻，沈潔，秦玲，陳宏建.基于分布均勻度的自適應(yīng)蟻群算法［J］.軟件學(xué)報(bào)，2003，14(8):1379－1388.

［23］SHI Y ，EBERHART R C.Parameter Selection in Par-ticle Swarm Optimization［J］.Evolutionary Programming VII.Lecture Notes in Computer Science， Springer，1998，1447 －1471.

［24］赫然，王永吉，王青，等.一種改進(jìn)的自適應(yīng)逃逸微粒群算法及實(shí)驗(yàn)分析［J］.軟件學(xué)報(bào)，2005，16(12):2036－2045.

［25］ SHI Y，EBERHART R C.Fuzzy adaptive particle swarm optimization［C］//Proceedings of the Congress on Evolutionary Computation.Seoul，Korea，2001.

［26］CARLISLE A，DOZIER G.Adapting particle swarm optimization to dynamic environments［A］.In:Arabnia H R ，eds.Proc of Int’l Conf on Artificial Intelligence［C］.Las Vegas:CSREA Press，2000，243－492.

［27］王存睿，段曉東.改進(jìn)的基本粒子群優(yōu)化算法［J］.計(jì)算機(jī)工程，2004，30(21):35－37.

［28］段曉東，徐平，王存睿，等.動(dòng)態(tài)環(huán)境下粒子分群與種群多樣性的關(guān)系研究［J］.計(jì)算機(jī)科學(xué)，2009，36(03):161－162.

［29］DUAN X D，WANG C R.A Hybrid Algorithm Inspired by the Idea of Particle Swarm Algorithm［J］.International Journal of Information and Systems Science，2006，1(3－4):152－154.

［30］段曉東，高紅霞，劉向東，等.一種基于種群熵的自適應(yīng)粒子群算法［J］.計(jì)算機(jī)工程，2007，33(18):222－223.

［31］段曉東，王存睿，劉向東.粒子群算法及其應(yīng)用［M］.遼寧大學(xué)出版社，2007.

［32］蔡之華，龔文引，LING Charles－X.基于進(jìn)化規(guī)劃的新型生物地理學(xué)優(yōu)化算法研究［J］.系統(tǒng)工程理論與實(shí)踐，2010，30(6):1106－1112.

The Research of Information Cognitive Mechanism based－on Swarm Intelligence

DUAN Xiao －dong1，LIU Xia2，MA Yan －zhun2，YAN Shuai2
(1.College of Computer Science and Engineering，Dalian Nationalities University，Dalian Liaoning 116605，China;
2.Graduate School，Northeastern University，Shenyang Liaoning 110004，China)

Swarm Intelligence is an untraditional computational intelligence technology which is abstracted from individual cognitive behavior and law of group cognitive.We discussed how the swarm intelligence verifies the law of cognitive science and how to explore the ways of swarm intelligence with the related researches of cognitive science.This includes the information utilization and sharing mechanism of computational intelligence for individual or swarm and the information utilization mechanism with the cognitive process in different environments;the relationship among the long memory，short memory，memory structure and the model of forgotten memory with the various structures and modes in swarm intelligence and the correspondence between mechanism and environment in cognitive memory;the different self－adapting mechanisms of swarm intelligence in different environments or changing environments and something between direct learning and observational learning in social learning theory of cognitive science，the relationship between long memory and short memory in the adjustment mechanisms within the changing environment.The related researches would promote the development cognitive science and Swarm intelligence theory.

Swarm Intelligence;Cognitive Science;Learning Mechanism

TP18

A

1009－315X(2011)05－0490－06

2011－04－18;最后

2011－07－17

國家自然科學(xué)基金(61040054)。

段曉東(1963－)，男，吉林遼源人，教授，博士，優(yōu)秀學(xué)術(shù)帶頭人，主要從事人工智能與非線性信息處理技術(shù)研究。

(責(zé)任編輯 劉敏)