Parte IV · Cap. 25 — Inteligência de Enxame
Evolutiva · Otimização distribuída · Agentes simples + regras locais. Comportamento inteligente emerge de muitos agentes simples interagindo localmente. Card:
../02-tipos-de-ia/04-evolutiva.kmd.
🎨 Figura
F-IV.25.0— O todo maior que as partes. Brief: enxame de partículas/formigas seguindo regras locais simples, formando um padrão global (caminho ótimo, formação); trilhas de feromônio estilizadas.
1. Definição e história curta
Otimização inspirada em coletivos naturais (formigas, abelhas, cardumes). Surgiu nos anos 1990 (PSO, ACO) para roteamento e logística.
2. Fundamentos
- Biologia / etologia — comportamento coletivo, estigmergia.
- Sistemas complexos — emergência, auto-organização.
- Otimização — busca distribuída por população.
- Probabilidade — regras estocásticas locais.
3. Algoritmos e arquiteturas
- PSO (particle swarm) — partículas seguem o melhor próprio e global.
- ACO (colônia de formigas) — feromônio reforça boas rotas (estigmergia).
- Boids — regras de separaçãoalinhamentocoesão (simulação de bando).
- Robótica de enxame — muitos robôs simples cooperando.
4. Insumos
- Hardware: CPU; naturalmente distribuído/paralelo.
- Dados: função objetivo + topologia do problema.
- Estruturas de dados: população de agentes, mapa de feromônio.
- Sistemas: simuladores de enxame; plataformas multi-robô.
5. Ciclo de vida especializado
| Etapa | Especialização |
|---|---|
| 0 Problema | Otimização/roteamento distribuído; coordenação multi-robô |
| 1 Dados | Definir objetivo e regras locais |
| 2 EDA | Estrutura do espaço de busca |
| 3 Modelagem | Escolher PSO/ACO; parâmetros de interação |
| 4 "Treino" | Iterar o enxame até convergir |
| 5 Avaliação | Qualidade da solução, velocidade, robustez |
| 5.5 Homologação | Estabilidade, tolerância a falhas de agentes |
| 6 Produção | Rodar o enxame (otimização ou robôs) |
| 7 Monitoramento | Convergência, falhas de agentes |
| 8 Retreino | Reajustar parâmetros/regras |
| 9 Governança | Segurança de sistemas multi-robô |
6. Capacidades, modos e modalidades
Coletivo/distribuído: roteamento (telecom, logística), otimização, coordenação multi-robô, simulação de multidões; robusto a falhas (sem ponto único).
7. Limites, riscos e ética
Convergência não garantida; ajuste de parâmetros sensível; comportamento emergente difícil de prever/controlar; segurança em enxames físicos.
8. Estado da arte e exemplos
ACOPSO em otimização e roteamento, boids em simulaçãoanimação, robótica de enxame e drones coordenados; nicho de problemas distribuídos e tolerantes a falha.
Paradigma Evolutivo completo (caps. 23–25). Com ele, a Parte IV fecha os 34 capítulos. Índice:
INDEX.kmd.