RESUMEN: La inteligencia de enjambres ha emergido recientemente como una de las tendencias más interesantes e innovadoras en inteligencia artificial. En un sentido amplio, la inteligencia de enjambres (o swarm intelligence, SI) puede definirse como la propiedad de un sistema mediante la cual los comportamientos colectivos de agentes no sofisticados que interactúan localmente entre sí y con su entorno, provocan que surjan patrones globales funcionales coherentes. Típicamente, un sistema SI es capaz de alcanzar un sofisticado comportamiento colectivo inteligente a partir de interacciones locales entre sistemas descentralizados compuestos de agentes muy simples que se comunican entre sí (directa o indirectamente). Esos agentes no son demasiado inteligentes: obedecen reglas simples y tienen una percepción limitada. Como resultado, no pueden llevar a cabo individualmente las tareas que pretenden realizar. Es la cooperación de agentes la que aporta inteligencia al sistema, pero de una manera más bien descentralizada. La principal característica de un SI es la falta de un comportamiento central que determina la evolución del enjambre. En vez de eso, son las interacciones locales entre los agentes las que rigen el comportamiento global del enjambre. En este proyecto se pretende analizar y simular, desde un punto de vista práctico, la evolución de un enjambre a través de la cooperación de varios microcontroladores individuales utilizando un algoritmo de inteligencia de enjambre (el algoritmo bat). El sistema está diseñado para cumplir un objetivo común de manera colectiva, inteligente y eficiente. Se desarrollará un ejemplo práctico para ilustrar los fundamentos de este comportamiento colectivo y cómo mejora el desempeño de los agentes individuales en la realización de una tarea específica.
ABSTRACT: Swarm intelligence has recently emerged as one of the most exciting trends in artificial intelligence. In a broad sense, swarm intelligence (SI) can be defined as the property of a system whereby the collective behaviors of unsophisticated agents interacting locally with one another and with their environment cause coherent functional global patterns to arise. Typically, a SI system is able to reach a sophisticated intelligent collective behavior from local interactions among decentralized systems comprised of very simple agents which communicate with each other (either directly or indirectly). Those agents are not very intelligent: they obey simple rules and have a limited perception. As a result, they cannot individually carry out the tasks they intend to. It is the cooperation of agents which actually brings intelligence to the system, but in a rather decentralized way. A trademark of SI is the lack of a central behavior determining the evolution of the swarm. Instead, are those local interactions among agents which govern the global behavior of the swarm.
In this project, we aim at analyzing and simulating, from a practical standpoint, the evolution of a swarm through the cooperation of several individual single-board microcontrollers by using a swarm intelligence algorithm (the bat algorithm). The system is designed to fulfill a common objective in a collective, intelligent, and efficient way. A practical example will be developed to illustrate the fundamentals of this collective behavior and how it improves the performance of individual agents in carrying out a specific task.
