Comparação dos algoritmos de inteligência de enxames - ABC, FSS e PSO

1 Introdução

1.1 Inteligência de Enxames

Um enxame é um grande número de indivíduos, interagindo entre eles e o meio, sem um controle central ou outro que possa controlar seu comportamento. Os enxames podem ser exemplificados observando alguns animais na natureza, como abelhas e formigas; esses que estimularam a criação de alguns algoritmos com base em enxames, os quais são usados para a resolução de problemas reais complexos. A inteligência de enxames é uma área da Inteligência artificial onde são usados como modelos algumas sociedades coletivistas encontradas no meio natural, como abelhas, e inclui qualquer tentativa de projetar algoritmos ou dispositivos distribuído de solução de problemas inspirados no comportamento de sociedades animais.

1.2 Modelos de Inteligência de Enxames

Os modelos de inteligência de enxames são simulacros de sistemas naturais de enxames, onde são adaptados para que possam ser adaptados para o uso em algoritmos para resolver problemas reais. Atualmente existem diversos algoritmos em inteligência de enxames, muitos deles inspirados animais, porém também existem outros mais genéricos ou modelos inspirados em funções corporais, por exemplo. Dentre os tipos de modelos, podemos citar como exemplos: PSO (particle swarm optimization,), ACO (ant colony optimization), ABC (Artifical Bee Colony) e o FSS(Fish School Search). Histórico

1.3 PSO

Proposto por Russel Eberhart e James Kennedy em 1995, o PSO inicialmente fora usado para a solução de otimização de problemas não lineares, citando exemplos, problemas referentes a pesos e estruturas de redes neurais, composição de músicas, e aprendizado em jogos foram os alvos iniciais do algoritmo. Apesar de não levar no nome a inspiração do algoritmo, o PSO fora desenvolvido ao ser observado o comportamento de revoadas de pássaros, de como essas aves conseguem se manter em voo em formação sem que hajam colisões entre elas, e de que forma as mesmas fazem para calcular a