Aber om at løse problemer

Der er utallige computeralgoritmer, der simulerer biologisk adfærd fra springende frøer, at slå fodermad, fra gøgssøgning til optimering af myrer. De har alle noget tilfælles algoritmen opfører sig som en kollektiv intelligens, tager imod opkaldet og svaret fra en stim af fisk eller et murren af ​​stære, og alle de andre mønstre i naturen. Skrev i International Journal of Swarm Intelligence, et team fra Indien diskuterer den nyeste teknik i en unik algoritme baseret på et biologisk system - edderkoppeaben.

Edderkoppeaber har en "fusion-fission" social struktur, hvor en stor social gruppe vil dele sig i mindre horder eller omvendt afhængigt af tilgængelighed og tilgængelighed af mad. Janmenjoy Nayak fra Aditya Institute of Technology and Management i Andhra Pradesh, Indien, og kolleger har set på algoritmen til optimering af edderkoppen, som indlejrer denne adfærd for at give den mulighed for at løse ellers vanskelige problemer. SMO -algoritmer er, teamet rapporterer, især nyttig til løsning af elektrisk og elektronisk teknik, trådløst sensornetværk, mønster genkendelse, elsystem og netværk, og data mining problemer.

Deres undersøgelse af den nyeste teknik inden for SMO og dens varianter, og hvordan den med succes kan håndtere vanskelige autentiske verdensoptimeringsproblemer, bør tjene til at inspirere praktiserende læger og forskere til at innovere på dette område endnu mere. I øvrigt, SMO'ens succes antyder potentialet ved forskellig adfærd hos andre arter, såsom egernaber, vervet abe, og snabel abe, det kan også simuleres med god effekt.