AI 용어집
인공지능 완전 사전
Algorithme de Banc de Poissons
Méthode d'optimisation méta-heuristique inspirée du comportement social des poissons qui nagent en banc pour trouver des solutions optimales dans un espace de recherche complexe.
Comportement d'essaimage
Phénomène collectif où des agents simples suivent des règles locales pour produire un comportement global complexe et intelligent sans coordination centrale.
Optimisation par Essaim Particulaire
Algorithme itératif où des particules se déplacent dans l'espace de recherche en suivant leur meilleure position personnelle et la meilleure position globale de l'essaim.
Intelligence en Essaim
Discipline de l'intelligence artificielle étudiant les systèmes décentralisés et auto-organisés où des agents simples produisent un comportement collectif intelligent.
Auto-organisation
Processus par lequel un système émerge spontanément d'interactions locales entre agents sans contrôle externe ou planification centralisée.
Émergence
Phénomène où des propriétés globales complexes apparaissent de l'interaction d'éléments simples suivant des règles locales, sans que ces propriétés soient présentes au niveau individuel.
Synchronisation du Banc
Alignement temporel et spatial des mouvements individuels des poissons créant un comportement de nage cohérent et coordonné du banc entier.
Règles de Reynolds
Trois règles fondamentales du comportement d'essaimage : séparation (éviter la collision), alignement (suivre la direction moyenne) et cohésion (rester groupé).
Stigmergy
Indirect coordination mechanism where agents modify the environment and react to modifications left by other agents.
Inertial Velocity
Parameter controlling a particle's tendency to maintain its previous direction in swarm optimization algorithms, balancing exploration and exploitation.
Congestion Factor
Population control mechanism in fish school algorithms simulating competition for resources and spatial distribution of agents.
Following Behavior
Strategy where less performant agents imitate the behavior of more performant agents to collectively improve the search for optimal solutions.
Lévy Movement
Stochastic displacement model characterized by frequent short flights and occasional long flights, optimizing exploration in swarm algorithms.
Predation Dynamics
Collective avoidance behavior where agents react to threats by grouping together and modifying their trajectories to maximize group survival.
Swarm Convergence
State where all agents in the swarm converge toward a solution or optimal region of the search space, indicating the end of the optimization process.
Swarm Diversity
Measure of spatial and behavioral dispersion of agents in the swarm, crucial for maintaining balance between global exploration and local exploitation.