论文部分内容阅读
小块头也有大智慧
提起“仿生学”，你想到的是什么？鸡蛋壳形状的抗压房顶，鲸的流线型，晚上眼神儿不好的蝙蝠和雷达的发明？如果只是认为动物身体的形状或是某种特殊功能可以让人类拿来“山寨”一下，你就有一点out了。其实，动物的智慧也是可以让人来模仿的。
向动物学智慧？在我们印象中，似乎各种动物的智商和人完全不在一个档次上，黑猩猩在动物里算是聪明的了，可是对于幼儿园的算术题也捶胸跺脚，表示“鸭梨”很大。没错，不过虽然单只动物智力有限，可如果它们成群结队，往往能表现出令人瞠目结舌的大智慧来。
不信的话，就来看看一向被视为弱小象征的蜜蜂和蚂蚁。
最给力的花蛋在哪里
在每一群蜜蜂里，都会有三种成员：蜂王、雄蜂、工蜂。其中蜂王（其实准确地说是“蜂后”）只有一只，雄蜂有几百只，工蜂则有几万只。
蜂王是一群蜜蜂繁衍后代、延续族群必不可少的核心，但它的生活却枯燥得很，每天的工作就是和那些雄蜂交配产卵。而雄蜂们是一群“宅男”，整日“深居后宫”。寻找食物、采蜜的工作完全落在了忙碌的工蜂身上。人们发现，这些“勤劳的小蜜蜂”总是可以在以蜂巢为中心方圆几公里的范围内快速找到花蜜最好的花丛，它们是怎么做到的呢？
一群工蜂在寻找食物的时候会分成三组：侦察蜂、探索部队、不明真相的围观者。不过每次执行任务时，并没有“上级领导”指定哪只蜜蜂扮演哪个角色，完全是自发决定的；在工蜂行动部队里也没有大队长、中队长、小队长之分，每只工蜂都是“一线劳动者”。
每当蜂巢粮库里蜂蜜不够的时候，一小部分侦察蜂首先出动，其余的蜜蜂暂时留在蜂巢里待命。这些侦察蜂开始的时候在蜂巢周围漫无目标地搜索，一旦发现了一片花蜜味道尝起来还可以的花丛，就会采一些回来。除了把样品给同伴们尝一尝之外，它们还会在蜂巢一个特别的“舞池”里翩翩起舞，可能是跳起华尔兹，也可能踩起探戈，或者干脆整出街舞来。
作为围观者的那些蜜蜂，可以从侦察蜂跳舞的姿态、身体抖动的次数、摇摆的方向当中领会到蜜源所在的方向和大致距离。一部分观众会心动，“心动不如行动”，它们于是出发，成为探索部队的一员。当然，有的围观者会比较淡定，不急于飞走，多欣赏一会儿舞蹈，因为后面的节目更精彩。
侦察蜂最初发现的那丛花的附近说不定有更大的宝藏，于是探索部队的队员们会在那丛花附近开展进一步的搜寻。而如果它们找来找去，发现没有更好的蜜源了，就会放弃这个“没有前途”的地方，由探索部队“转行”为侦察蜂，去开辟新的领地。
当越来越多的侦察蜂返回，再加上一部分出发比较早的探索部队发现新的、更好的花丛，回来报信和拉“人”时，蜂巢的舞池里群蜂乱舞，剩下的围观者此时要做的就是思索一下跟谁去更好。不管舞跳得有多炫，最终还是谁带回来的花蜜样品质量最好，谁就能吸引更多的探索部队前去。
在这个过程中，有些侦察蜂和探索部队飞累了，也会飞回来休息一下，先做一段时间观众。侦察蜂、探索部队和围观者的成员和数量都是在不断变动的。随着带回蜂巢的花蜜质量越来越好，寻找最好食物的任务就会慢慢结束，逐渐地，蜂巢里所有的工蜂都会统一奔向那片最好的花丛去采蜜。
通过这样的分工合作，蜂群就可以在很短的时间内发现大片草丛里隐藏着的那个最给力的花蜜源头。
走的蚂蚁多了，便成了路
蚂蚁王国和蜜蜂王国的社会结构很相似，有蚁王、雄蚁、工蚁，工蚁里面个头大、能打仗的还可以叫兵蚁。工蚁和工蜂同样是一生劳碌的命，它们要像蜜蜂寻找花蜜一样去寻找食物。蜜蜂在空中飞，可以直达目的地，可蚂蚁一旦发现了食物，怎么把食物搬回老巢还是个问题，地面上的一些植物、残垣断壁、一汪水塘常常都会成为小小蚂蚁难以逾越的障碍。蚂蚁们必须在“迷宫”里找到一条不绕远的最短路线。
刚开始执行任务时，除了看家的以外，蚂蚁会一窝蜂从老巢中爬出，分别朝各个方向爬去。经过地毯式的搜索，其中的一只在爬过了“崇山峻岭”之后，或许会幸运地发现一大块糖或者一只蚱蜢的尸体，这只惊喜的蚂蚁会立刻沿原路打道回府，并且一边走一边洒下其他蚂蚁的触角可以感受到的“信息素”。
在其他地方找不到食物的蚂蚁在迷茫中一旦闻到了信息素，就有机会在信息素的指引下，成功奔向食物。不过它们走的路线未必和洒下信息素的那只蚂蚁完全一样，第二只蚂蚁找到食物后也会按照自己的原路返回，当然也少不了洒信息素。随后第三只、第四只……第N只蚂蚁也会找到食物并且洒下信息素，它们各自沿着不相同的路线到达食物，洒下的信息素形成了很多条岔路。
虽说“条条大路通食物”，但随后而来的蚂蚁们并不会一直这样乱走下去，到最后，所有的蚂蚁都会汇集到最理想的那条道路上，把那一大块食物搬回来。它们是怎么做到的呢？
原来，秘密就在于：信息素会挥发。一旦一只蚂蚁走了一条“兜大圈”的长路线，因为它花了太多“冤枉时间”，结果就是它之前在路上辛苦洒下的信息素挥发得所剩无几了。信息素越“淡”，引来的蚂蚁同伴越少；越是“蚁迹罕至”，信息素也就越“淡”，最后消失殆尽——在这样的“恶性循环”中，长路线被一条条“废弃”，最后剩下的那条路，走的蚂蚁数量最多，也是最短的。正可谓：“世上本没有路，走的蚂蚁多了便成了路。”
让蜜蜂飞，让蚂蚁爬
受这两种不起眼的昆虫启发，科学家分别在1992年和2005年发明了“蚁群算法”和“蜂群算法”——他们可以在电脑上编写程序，像电子宠物一样养一群虚拟的蜜蜂或者蚂蚁，可不是为了玩，而是要让它们去完成计算任务。
比如，我们要在城市里送货，一共有42个送货点，为了省油（现在汽油这么贵），要求你设计一条最短的路线，让货车从一个点出发，经过所有的点后回到起点。如果你打算列举出所有可能的路线，然后再计算哪条最短的话，我不得不满怀同情地告诉你，总共会有1.67×1049种可能性（1049即“1”后面49个“0”）！
有了这群虚拟的小蚂蚁和小蜜蜂，我们就省事多了。
如果使用蚁群算法，我们可以放出一群虚拟的“蚂蚁”在各个点之间爬来爬去，并且一路“洒信息素”，所有的“蚂蚁”最后汇集到的那一条路线自然也就是最短的连接方式。
而对于蜂群算法，可以把每一种连接方式，按照距离长短，分别看作是没有蜜的地方、花蜜质量差的花丛、花蜜好的花丛，然后让电脑模拟出侦察蜂、探索部队和看舞蹈的蜜蜂的各种举动，最后这群“虚拟蜜蜂”找到的“最佳花丛”也就是1.67×1049种可能的连接方式里最佳的那一个。
在许多需要寻找“最优解”的领域，比如计算机网络优化、交通规划、电路设计、公司管理、人脸识别、数据分析等，工程师们正利用电脑“让蜜蜂飞”或者“让蚂蚁爬”，轻而易举地得到理想中的“美味的花蜜”和“觅食捷径”。
提起“仿生学”，你想到的是什么？鸡蛋壳形状的抗压房顶，鲸的流线型，晚上眼神儿不好的蝙蝠和雷达的发明？如果只是认为动物身体的形状或是某种特殊功能可以让人类拿来“山寨”一下，你就有一点out了。其实，动物的智慧也是可以让人来模仿的。
向动物学智慧？在我们印象中，似乎各种动物的智商和人完全不在一个档次上，黑猩猩在动物里算是聪明的了，可是对于幼儿园的算术题也捶胸跺脚，表示“鸭梨”很大。没错，不过虽然单只动物智力有限，可如果它们成群结队，往往能表现出令人瞠目结舌的大智慧来。
不信的话，就来看看一向被视为弱小象征的蜜蜂和蚂蚁。
最给力的花蛋在哪里
在每一群蜜蜂里，都会有三种成员：蜂王、雄蜂、工蜂。其中蜂王（其实准确地说是“蜂后”）只有一只，雄蜂有几百只，工蜂则有几万只。
蜂王是一群蜜蜂繁衍后代、延续族群必不可少的核心，但它的生活却枯燥得很，每天的工作就是和那些雄蜂交配产卵。而雄蜂们是一群“宅男”，整日“深居后宫”。寻找食物、采蜜的工作完全落在了忙碌的工蜂身上。人们发现，这些“勤劳的小蜜蜂”总是可以在以蜂巢为中心方圆几公里的范围内快速找到花蜜最好的花丛，它们是怎么做到的呢？
一群工蜂在寻找食物的时候会分成三组：侦察蜂、探索部队、不明真相的围观者。不过每次执行任务时，并没有“上级领导”指定哪只蜜蜂扮演哪个角色，完全是自发决定的；在工蜂行动部队里也没有大队长、中队长、小队长之分，每只工蜂都是“一线劳动者”。
每当蜂巢粮库里蜂蜜不够的时候，一小部分侦察蜂首先出动，其余的蜜蜂暂时留在蜂巢里待命。这些侦察蜂开始的时候在蜂巢周围漫无目标地搜索，一旦发现了一片花蜜味道尝起来还可以的花丛，就会采一些回来。除了把样品给同伴们尝一尝之外，它们还会在蜂巢一个特别的“舞池”里翩翩起舞，可能是跳起华尔兹，也可能踩起探戈，或者干脆整出街舞来。
作为围观者的那些蜜蜂，可以从侦察蜂跳舞的姿态、身体抖动的次数、摇摆的方向当中领会到蜜源所在的方向和大致距离。一部分观众会心动，“心动不如行动”，它们于是出发，成为探索部队的一员。当然，有的围观者会比较淡定，不急于飞走，多欣赏一会儿舞蹈，因为后面的节目更精彩。
侦察蜂最初发现的那丛花的附近说不定有更大的宝藏，于是探索部队的队员们会在那丛花附近开展进一步的搜寻。而如果它们找来找去，发现没有更好的蜜源了，就会放弃这个“没有前途”的地方，由探索部队“转行”为侦察蜂，去开辟新的领地。
当越来越多的侦察蜂返回，再加上一部分出发比较早的探索部队发现新的、更好的花丛，回来报信和拉“人”时，蜂巢的舞池里群蜂乱舞，剩下的围观者此时要做的就是思索一下跟谁去更好。不管舞跳得有多炫，最终还是谁带回来的花蜜样品质量最好，谁就能吸引更多的探索部队前去。
在这个过程中，有些侦察蜂和探索部队飞累了，也会飞回来休息一下，先做一段时间观众。侦察蜂、探索部队和围观者的成员和数量都是在不断变动的。随着带回蜂巢的花蜜质量越来越好，寻找最好食物的任务就会慢慢结束，逐渐地，蜂巢里所有的工蜂都会统一奔向那片最好的花丛去采蜜。
通过这样的分工合作，蜂群就可以在很短的时间内发现大片草丛里隐藏着的那个最给力的花蜜源头。
走的蚂蚁多了，便成了路
蚂蚁王国和蜜蜂王国的社会结构很相似，有蚁王、雄蚁、工蚁，工蚁里面个头大、能打仗的还可以叫兵蚁。工蚁和工蜂同样是一生劳碌的命，它们要像蜜蜂寻找花蜜一样去寻找食物。蜜蜂在空中飞，可以直达目的地，可蚂蚁一旦发现了食物，怎么把食物搬回老巢还是个问题，地面上的一些植物、残垣断壁、一汪水塘常常都会成为小小蚂蚁难以逾越的障碍。蚂蚁们必须在“迷宫”里找到一条不绕远的最短路线。
刚开始执行任务时，除了看家的以外，蚂蚁会一窝蜂从老巢中爬出，分别朝各个方向爬去。经过地毯式的搜索，其中的一只在爬过了“崇山峻岭”之后，或许会幸运地发现一大块糖或者一只蚱蜢的尸体，这只惊喜的蚂蚁会立刻沿原路打道回府，并且一边走一边洒下其他蚂蚁的触角可以感受到的“信息素”。
在其他地方找不到食物的蚂蚁在迷茫中一旦闻到了信息素，就有机会在信息素的指引下，成功奔向食物。不过它们走的路线未必和洒下信息素的那只蚂蚁完全一样，第二只蚂蚁找到食物后也会按照自己的原路返回，当然也少不了洒信息素。随后第三只、第四只……第N只蚂蚁也会找到食物并且洒下信息素，它们各自沿着不相同的路线到达食物，洒下的信息素形成了很多条岔路。
虽说“条条大路通食物”，但随后而来的蚂蚁们并不会一直这样乱走下去，到最后，所有的蚂蚁都会汇集到最理想的那条道路上，把那一大块食物搬回来。它们是怎么做到的呢？
原来，秘密就在于：信息素会挥发。一旦一只蚂蚁走了一条“兜大圈”的长路线，因为它花了太多“冤枉时间”，结果就是它之前在路上辛苦洒下的信息素挥发得所剩无几了。信息素越“淡”，引来的蚂蚁同伴越少；越是“蚁迹罕至”，信息素也就越“淡”，最后消失殆尽——在这样的“恶性循环”中，长路线被一条条“废弃”，最后剩下的那条路，走的蚂蚁数量最多，也是最短的。正可谓：“世上本没有路，走的蚂蚁多了便成了路。”
让蜜蜂飞，让蚂蚁爬
受这两种不起眼的昆虫启发，科学家分别在1992年和2005年发明了“蚁群算法”和“蜂群算法”——他们可以在电脑上编写程序，像电子宠物一样养一群虚拟的蜜蜂或者蚂蚁，可不是为了玩，而是要让它们去完成计算任务。
比如，我们要在城市里送货，一共有42个送货点，为了省油（现在汽油这么贵），要求你设计一条最短的路线，让货车从一个点出发，经过所有的点后回到起点。如果你打算列举出所有可能的路线，然后再计算哪条最短的话，我不得不满怀同情地告诉你，总共会有1.67×1049种可能性（1049即“1”后面49个“0”）！
有了这群虚拟的小蚂蚁和小蜜蜂，我们就省事多了。
如果使用蚁群算法，我们可以放出一群虚拟的“蚂蚁”在各个点之间爬来爬去，并且一路“洒信息素”，所有的“蚂蚁”最后汇集到的那一条路线自然也就是最短的连接方式。
而对于蜂群算法，可以把每一种连接方式，按照距离长短，分别看作是没有蜜的地方、花蜜质量差的花丛、花蜜好的花丛，然后让电脑模拟出侦察蜂、探索部队和看舞蹈的蜜蜂的各种举动，最后这群“虚拟蜜蜂”找到的“最佳花丛”也就是1.67×1049种可能的连接方式里最佳的那一个。
在许多需要寻找“最优解”的领域，比如计算机网络优化、交通规划、电路设计、公司管理、人脸识别、数据分析等，工程师们正利用电脑“让蜜蜂飞”或者“让蚂蚁爬”，轻而易举地得到理想中的“美味的花蜜”和“觅食捷径”。