论文部分内容阅读
不论你在公园的长凳上歇息，还是在路边漫步，只要你留心，你看到最多的将是蚂蚁，而且在数量上有绝对优势!此刻，在地球上很可能生活着1018只蚂蚁，它们的数量无疑是地球动物之最，而它们的总质量也与人类大体相当。它们在世界各地的生态系统中发挥着举足轻重的作用。特别是在雨林地带，每公顷就生活着800万只蚂蚁，占到雨林动物总量的15％～25％。它们的作用影响着整个生物圈，是当之无愧的“陆地昆虫之王”。我们不禁要问，蚂蚁因何如此成功?
另一种“智慧”
蚂蚁从遥远的白垩纪开始，一路走来，进化为最成功的陆地生物类群之一，相当程度上靠的是“智慧”——集体的“智慧”。
对于蚂蚁，大生物学家爱德华?威尔逊曾经写道：
一个群体，就是一个超生物，由一群工蚁紧密地群聚如织地绕在蚁后旁边，行动之时，犹如合作无间的一只动物。一只蜂或其他落单的昆虫，若遇到一只在巢附近的工蚁，面对着的可就不只是另一只昆虫，它面临的除了那只工蚁外，还有那只工蚁的所有姊妹们。工蚁天性便是联合行动，保卫蚁后，控制领土，进一步地扩张其群体。工蚁犹如小小的“神风特攻队员”，为了保卫蚁巢或掌握食物来源的控制权，随时准备(甚至是渴望)赴死。它们的死亡对群体而言，如同一只动物身上掉下一根毛。
我们也可以从另一个角度来看蚁的群集体。一群工蚁在其巢边搜寻，不只是昆虫在找食物，它们是一个超生物布下的生命之网，随时准备麻痹某个丰美的食物，或自某个强敌前面撤退回缩……这些蚂蚁根据环境的变化，整个群体做出不同的变化，进退自如，甚至会出现诸如改变地貌、种植真菌(切叶蚁)、佯攻、对峙等在我们看来极富“智慧”的集体行为。
然而曾经令众多学者困惑的是，在整个行动中却不存在任何一个“元帅”或发号施令者，曾经被寄予厚望的蚁后原来也仅仅是一部生殖机器而已，根本无力指挥它的士兵，但这个群体却意外地协调生存着!那蚂蚁们又是如何对环境做出反应的呢?比如知道什么时候要主动出击，何时要退守巢穴?要知道，它们连视力都很有限，更不能像我们观察它们那样俯瞰整个战场。但研究结果却极为简单：每一只工蚁在跑动的时候会默默比较遇到同伴和敌人的频率；如果同伴的频率比较高，就进攻；如果敌人的频率比较高，那就撤退。有了这条原则，任何一只蚂蚁都不会在战场上冲得过前，而当一些处于“敏感位置”的蚂蚁开始撤退或进攻时，更多的蚂蚁则会“发现”这一变化，从而采取跟随行动，并且将这变化迅速放大、扩散出去。
就是这样一条简单的原则通过个体叠加起来，就使整个群体表现得能够“评估”战场的形势。这种按照相互默契的某种规则，各尽其责而又协调地自动地形成有序结构的行为，就是自组织(self-organization)。
“爬”在计算机里的蚂蚁
不止战斗策略，蚂蚁的觅食行为也极其吸引科学家。他们发现，蚂蚁在移动时总会留下一些“气味”，如同路标，当蚂蚁找到食物时，其他蚂蚁就可以寻着这条“路”找到食物；而且随着众多蚂蚁的加入，原来弯弯曲曲的路线竟逐渐修正成了一条快捷的直线，而且这条直线还不断被往来搬运食物的蚂蚁用气味强化!
蚁群这种能将繁琐路线通过修正“改直”的现象引起了蚁学家Marco Dorigo浓厚的兴趣。我们的物流、交通，甚至信息网络都和蚁群极为相似，如果能用类似方法来在这些纷杂的网络系统中探索最优配置、最短路径该多好啊1
1992年，Dorigo终于在他的博士论文中提出了一种大胆的仿生寻路算法，并将其命名为“蚁群算法”。在这个算法里，目标被定义成了“食物”，而计算机则源源不断地释放出一批又一批的“探路程序”来模拟蚂蚁“探子”。
这些“探子”们有一定的“视野”，它们会直线前进，但是偶尔会犯点“小错误”，稍微偏离一点前进的路线；当遇到障碍物时，还需要绕道，就这样游游荡荡，直到遇到“食物”。其实这就是一种毫无规律的探索而已，毫无价值。真正的亮点在于两个原则：它们会留下“气味”标记，而且越往前走，所留下的“气味”就越少，而这些气味成为了下一批“探子”的参考，并且“气味”越强，吸引力也越大。不过，这些“气味”如果不被后来的“探子”增强，就会慢慢“挥发”消失。不过“探子”们并不完全按“气味”前进，有时会跑偏，然后再重新回到“气味”路线上。这样，它就有机会把局部曲线修正成直线，时间越长，被修正成直线的地方也就越多，最终会获得一条最优路线!(如左图所示，其中一条路线正在被修正。)
如果存在多个目标，这套系统甚至能够从不同路线的重叠程度上估算出每个交通点可能出现的交通量，为了防止拥堵，应该如何扩充“道路”或者另寻替代路线等等。这在当代复杂的交通和通信中很有用，却又是常规计算方法极难应付的。现在，基于蚁群算法的网络路由器、交通指挥系统和物流系统已经应用。
瞧，通过众多“蚂蚁探子”们的努力，能够解决如此复杂的问题!但背后所依据的原理仅仅是一些会挥发的“气味”和一些偶然的“小错误”而已。
简单的原理，复杂的世界
由蚁群算法想开去，其实我们周围充满了这样的现象，原子之间通过几种简单的相互作用，最终构成了这个丰富多彩的世界。但是这些简单的相互作用真的能够形成复杂的结构吗?真的能用极简单的原理去分析、研究复杂的事物吗?
2005年，数学家Cliff Reiter决定用自组织的方法，通过计算机程序，模拟水分子之间的几种相互作用力，制作雪花!结果，程序运行过程中，他真的获得了和现实几乎一样的六角形“雪花”!而整个程序运行中，他只输入了两个参数。
无独有偶，我们大脑神经细胞间只有简单的电荷接触，但众多细胞组织在一起，却能使我们产生喜怒哀乐以及各种奇思妙想!现在，我们通过模拟程序，已经能够制造出真正能学习、思考的“电脑”，据说其智力水平相当于1岁小孩，虽然未免有夸张的成分，但是毋庸置疑，它比我们面前那些用各色操作系统驱动的“电脑”们要聪明得多。迟早有一天，它们将会具有我们无法企及的超级智慧，而那时，兴许我们早已抛弃了肉身，跳出衰老和死亡，把自我和意识转移到了这些超级智慧体中了。
另一种“智慧”
蚂蚁从遥远的白垩纪开始，一路走来，进化为最成功的陆地生物类群之一，相当程度上靠的是“智慧”——集体的“智慧”。
对于蚂蚁，大生物学家爱德华?威尔逊曾经写道：
一个群体，就是一个超生物，由一群工蚁紧密地群聚如织地绕在蚁后旁边，行动之时，犹如合作无间的一只动物。一只蜂或其他落单的昆虫，若遇到一只在巢附近的工蚁，面对着的可就不只是另一只昆虫，它面临的除了那只工蚁外，还有那只工蚁的所有姊妹们。工蚁天性便是联合行动，保卫蚁后，控制领土，进一步地扩张其群体。工蚁犹如小小的“神风特攻队员”，为了保卫蚁巢或掌握食物来源的控制权，随时准备(甚至是渴望)赴死。它们的死亡对群体而言，如同一只动物身上掉下一根毛。
我们也可以从另一个角度来看蚁的群集体。一群工蚁在其巢边搜寻，不只是昆虫在找食物，它们是一个超生物布下的生命之网，随时准备麻痹某个丰美的食物，或自某个强敌前面撤退回缩……这些蚂蚁根据环境的变化，整个群体做出不同的变化，进退自如，甚至会出现诸如改变地貌、种植真菌(切叶蚁)、佯攻、对峙等在我们看来极富“智慧”的集体行为。
然而曾经令众多学者困惑的是，在整个行动中却不存在任何一个“元帅”或发号施令者，曾经被寄予厚望的蚁后原来也仅仅是一部生殖机器而已，根本无力指挥它的士兵，但这个群体却意外地协调生存着!那蚂蚁们又是如何对环境做出反应的呢?比如知道什么时候要主动出击，何时要退守巢穴?要知道，它们连视力都很有限，更不能像我们观察它们那样俯瞰整个战场。但研究结果却极为简单：每一只工蚁在跑动的时候会默默比较遇到同伴和敌人的频率；如果同伴的频率比较高，就进攻；如果敌人的频率比较高，那就撤退。有了这条原则，任何一只蚂蚁都不会在战场上冲得过前，而当一些处于“敏感位置”的蚂蚁开始撤退或进攻时，更多的蚂蚁则会“发现”这一变化，从而采取跟随行动，并且将这变化迅速放大、扩散出去。
就是这样一条简单的原则通过个体叠加起来，就使整个群体表现得能够“评估”战场的形势。这种按照相互默契的某种规则，各尽其责而又协调地自动地形成有序结构的行为，就是自组织(self-organization)。
“爬”在计算机里的蚂蚁
不止战斗策略，蚂蚁的觅食行为也极其吸引科学家。他们发现，蚂蚁在移动时总会留下一些“气味”，如同路标，当蚂蚁找到食物时，其他蚂蚁就可以寻着这条“路”找到食物；而且随着众多蚂蚁的加入，原来弯弯曲曲的路线竟逐渐修正成了一条快捷的直线，而且这条直线还不断被往来搬运食物的蚂蚁用气味强化!
蚁群这种能将繁琐路线通过修正“改直”的现象引起了蚁学家Marco Dorigo浓厚的兴趣。我们的物流、交通，甚至信息网络都和蚁群极为相似，如果能用类似方法来在这些纷杂的网络系统中探索最优配置、最短路径该多好啊1
1992年，Dorigo终于在他的博士论文中提出了一种大胆的仿生寻路算法，并将其命名为“蚁群算法”。在这个算法里，目标被定义成了“食物”，而计算机则源源不断地释放出一批又一批的“探路程序”来模拟蚂蚁“探子”。
这些“探子”们有一定的“视野”，它们会直线前进，但是偶尔会犯点“小错误”，稍微偏离一点前进的路线；当遇到障碍物时，还需要绕道，就这样游游荡荡，直到遇到“食物”。其实这就是一种毫无规律的探索而已，毫无价值。真正的亮点在于两个原则：它们会留下“气味”标记，而且越往前走，所留下的“气味”就越少，而这些气味成为了下一批“探子”的参考，并且“气味”越强，吸引力也越大。不过，这些“气味”如果不被后来的“探子”增强，就会慢慢“挥发”消失。不过“探子”们并不完全按“气味”前进，有时会跑偏，然后再重新回到“气味”路线上。这样，它就有机会把局部曲线修正成直线，时间越长，被修正成直线的地方也就越多，最终会获得一条最优路线!(如左图所示，其中一条路线正在被修正。)
如果存在多个目标，这套系统甚至能够从不同路线的重叠程度上估算出每个交通点可能出现的交通量，为了防止拥堵，应该如何扩充“道路”或者另寻替代路线等等。这在当代复杂的交通和通信中很有用，却又是常规计算方法极难应付的。现在，基于蚁群算法的网络路由器、交通指挥系统和物流系统已经应用。
瞧，通过众多“蚂蚁探子”们的努力，能够解决如此复杂的问题!但背后所依据的原理仅仅是一些会挥发的“气味”和一些偶然的“小错误”而已。
简单的原理，复杂的世界
由蚁群算法想开去，其实我们周围充满了这样的现象，原子之间通过几种简单的相互作用，最终构成了这个丰富多彩的世界。但是这些简单的相互作用真的能够形成复杂的结构吗?真的能用极简单的原理去分析、研究复杂的事物吗?
2005年，数学家Cliff Reiter决定用自组织的方法，通过计算机程序，模拟水分子之间的几种相互作用力，制作雪花!结果，程序运行过程中，他真的获得了和现实几乎一样的六角形“雪花”!而整个程序运行中，他只输入了两个参数。
无独有偶，我们大脑神经细胞间只有简单的电荷接触，但众多细胞组织在一起，却能使我们产生喜怒哀乐以及各种奇思妙想!现在，我们通过模拟程序，已经能够制造出真正能学习、思考的“电脑”，据说其智力水平相当于1岁小孩，虽然未免有夸张的成分，但是毋庸置疑，它比我们面前那些用各色操作系统驱动的“电脑”们要聪明得多。迟早有一天，它们将会具有我们无法企及的超级智慧，而那时，兴许我们早已抛弃了肉身，跳出衰老和死亡，把自我和意识转移到了这些超级智慧体中了。