Swarm Intelligence

Lecturer:

Prof. Dr. rer. nat. Rolf Wanka

Module handbook:

Swarm Intelligence

Timeframe:

V2 + Ü2, 5 ECTS

Fields of study:

  • Computer Science
  • Medical Engineering
  • IuK
  • Computational Engineering
  • Artificial Intelligence
  • … and others

Exercise group leader:

Matthias Kergaßner

Dates

  • 28.04.2022: Start of the lectures
  • 03.05.2022: Start of the exercises

Course registration:

Please join our StudOn course. This is not your exam registration, but allows us to communicate the latest information about this course.

Short description:

In this lecture the basic principles, techniques and first methods of analysis of Swarm Intelligence are shown.

Contents:

Unter Organic Computing (OC) versteht man den Entwurf und den Einsatz von selbst-organisierenden Systemen, die sich den jeweiligen Umgebungsbedürfnissen dynamisch anpassen. Diese Systeme zeichnen sich dadurch aus, dass sie die sog. Self-*-Eigenschaft besitzen, d.h. sie sind selbst-konfigurierend, selbst-optimierend, selbst-heilend, selbst-schützend, selbst-erklärend, …

Als Vorbild für solche technischen Systeme werden Strukturen und Methoden biologischer und anderer natürlicher Systeme gewählt.

Im Einzelnen werden behandelt:

  • OC-Prinzipien
    • Self-*-Eigenschaften
    • Emergenz, Autonomie, Föderation, Selbstorganisation, …
  • OC-Techniken und ihre Analyse
    • Partikelschwarmoptimierung
    • Messen von Emergenz: Websuche mit dem HITS- und dem Pagerank-Algorithmus
      Die Folien zum HITS-Algorithmus
    • Ameisen-Systeme: Berechnung kürzester Wege und Rundreisen
    • Genetische Algorithmen
  • OC-Anwendung
    • Die Small World Hypothesis und das Internet
    • Peer-to-Peer-Netzwerke
      • Napster, Gnutella
      • Das CAN-Netzwerk (Content Addressable Network)
      • Das Viceroy-Netzwerk

Literatur zum ersten Teil der Vorlesung (Prinzipien und Techniken):

  • Ch. Müller-Schloer, S. Tomforde. Organic Computing- Technical Systems for Survival in the Real World. Birkhäuser, 2018.
    [doi:10.1007/978-3-319-68477-2]
  • Ch. Müller-Schloer, Ch. von der Malsburg, R. P. Würt. Organic Computing. Informatik-Spektrum, Band 27, Nummer 4, S. 332-336.
    [doi:10.1007/s00287-004-0409-6]
  • Ch. Müller-Schloer, H. Schmeck. Organic Computing: A Grand Challenge for Mastering Complex Systems. it – Information Technology 52 (2010) 135-141. [doi:10.1524/itit.2010.0582]
  • Partikelschwarm-Forschung in Erlangen
  • I. C. Trelea. The particle swarm optimization algorithm: convergence analysis and parameter selection. Information Processing Letters 85 (2003) 317-325.
    [doi:10.1016/S0020-0190(02)00447-7]
  • M. Jiang, Y. P. Luo, S. Y. Yang. Stochastic convergence analysis and parameter selection of the standard particle swarm optimization algorithm. Information Processing Letters 102 (2007) 8-16.
    [doi:10.1016/j.ipl.2006.10.005]
  • M. Clerc. Discrete particle swarm optimization. pdf-File, zip-ed
  • M. Dorigo. V. Maniezzo. A Colorni. Ant system: an autocatalytic optimizing process. Technical Report 91-016, Politecnico di Milano, 1991. (LINK)
  • Zu ANT CYCLE:
    A Colorni. M. Dorigo. V. Maniezzo. An investigation of some properties of an “Ant algorithm”. Proc. Parallel Problem Solving from Nature Conference (PPSN), pp. 509-520, 1992.
    [pdf-File]
  • J. M. Kleinberg. Authoritative sources in a hyperlinked environment. Journal of the ACM 46 (1999) 604-632.
    [doi:10.1145/324133.324140]
  • J. Scharnow, K. Tinnefeld, I. Wegener. The Analysis of Evolutionary Algorithms on Sorting and Shortest Paths Problems. Journal of Mathematical Modelling and Algorithms 3 (2004) 349-366.
    [doi:10.1023/B:JMMA.0000049379.14872.f5]
  • Sabine Helwig. “Survival of the Fittest” – Optimierung mittels Genetischer Algorithmen
  • David E. Goldberg. Genetic Algorithms in Search, Optimization, and Machine Learning. Addison Wesley, 1989.
  • Karsten Weicker. Evolutionäre Algorithmen. Springer/Vieweg. 3. Auflage 2015.
    [doi:10.1007/978-3-658-09958-9]

Folien und Literatur zum zweiten Teil der Vorlesung (Anwendung):

Weitere Literatur:

  • A. Badr. A. Fahmy. A proof of convergence for ant algorithms. Information Sciences 160 (2004) 267-279.
    [doi:10.1016/j.ins.2003.08.018]
  • M. Clerc. J. Kennedy. The particle swarm – Explosion, stability, and convergence in a multidimensional complex space. IEEE Transactions on Evolutionary Computation 8 (2002) 58-73.
    [doi:10.1109/4235.985692]
  • Karsten Weicker. Evolutionäre Algorithmen, Teubner, 2. Aufl. 2007.
    [doi:10.1007/978-3-8351-9203-4]
  • M. Parashar. S. Hariri. Autonomic Computing – Concepts, Infrastructure, and Applications. CRC Press, 2007.

Weitere Unterlagen:

Sources in English

  • Ch. Müller-Schloer, S. Tomforde. Organic Computing- Technical Systems for Survival in the Real World. Birkhäuser, 2018.
    [doi:110.1007/978-3-319-68477-2
  • Ch. Müller-Schloer, H. Schmeck. Organic Computing: A Grand Challenge for Mastering Complex Systems. it – Information Technology 52 (2010) 135-141. [doi:10.1524/itit.2010.0582]
  • I. C. Trelea. The particle swarm optimization algorithm: convergence analysis and parameter selection. Information Processing Letters 85 (2003) 317-325.
    [doi:10.1016/S0020-0190(02)00447-7]
  • J. M. Kleinberg. Authoritative sources in a hyperlinked environment. Journal of the ACM 46 (1999) 604-632.
    [doi:10.1145/324133.324140]