先以日本東京地區的鐵路系統來引入，這系統是世界上最高效、布局最為合理的系統之一。設計出這樣的系統，至少花費了頂級設計師幾十年的心血。然而，你能想象出，如此複雜的系統，有一種生物，僅僅需要26個小時，就能形成與這個東京鐵路系統高度相似的網路。這幾乎就是東京鐵路的翻版，甚至比東京鐵路更富有彈性。如此神奇智慧型的生物，就是黏菌。
大家應該知道史萊姆，史萊姆的原型生物就是黏菌。形象點來說，黏菌就是一堆無規則，可**可融合的粘液形態。當然準確的，具體的知識沒那麼簡單，有興趣的可以去看上述**。讓我感到神奇的是黏菌的智慧型：不但會走迷宮，有學習能力，甚至還能模仿人造交通網路布局，就是上述的日本東京鐵路系統。
最優路徑就是綜合考慮了多方面情況後得到的路徑。比如在乙個三角形的頂點a b c上放上燕麥，如何確保消耗最少的能量又能吃全這些燕麥呢？根據數學知識，在a bc三點之間取一點連線三地，形成的人字形線路就是最短的（黃色線段）。然而其中一條線路斷開，黏菌就不能吃到其中乙個頂點的食物。考慮到這種情況，我們就需要更換一種路徑，就是將a b c三個頂點連線起來，形成一種環形的線路。這樣距離雖然長了點，但是能保證吃到每個頂點的食物。人字形線路對應的是「斯坦納樹問題」的解，即連線各個頂點的最短路徑環。環形線路對應的「旅行商問題」，找出行徑各點回到原位置最快的方法。三個頂點問題看似簡單，那麼增加到n個頂點呢，問題的複雜程度呈指數型增加。
所以我們不難想象，設計出乙個交通網路到底有多難。而黏菌的偉大智慧型體現於，它們會考慮各方面情況，它們要找的不是最短的，而是最優的！研究員經過統計分析表明，黏菌規劃的路線幾乎滿足智慧型網路的多重眼要求，是「旅行商問題」或者「斯坦納樹問題」所尋求的最佳化路徑。這一切，全部建立在黏菌沒有神經系統、沒有大腦的前提下！
後面科學家又增加了實驗，進一步考驗黏菌。在自由的平面上放置多個食物源，觀察黏菌是否還能找出覓食的最佳路徑。果然黏菌不負眾望，它們連線各點形成的網路，幾乎就是工程裡的最佳化路徑，正如上述的模擬出的翻版日本東京鐵路系統。同時黏菌還有很強的自適應能力，撤掉其中乙個食物源，它們會根據最優化原則重新排布。
到目前為止，無腦無神經的黏菌是如何完成智慧型性網路的構建仍是未解之謎，但引起了仿生學和人工智慧科學家的廣泛關注。人們在推測，「無腦」又體現出的智慧型，會不會是開啟未來人工智恩大門的一把關鍵鑰匙。
最後，這就是神奇的黏菌智慧型了，會走迷宮，有學習能力，能仿造最優網路交通布局。簡直神奇，在網路優化，自適應選取最優路線上有很強的關聯。最後的最後，部落格中提到了《異星覺醒》電影，裡面的無腦卻又碾壓人類的卡爾文，就是黏菌本生物了吧。
python螢火蟲演算法 粒子群演算法
演算法背景 粒子群演算法 particle swarm optimization，pso 是計算智慧型領域中的一種生物啟發式方法，屬於群體智慧型優化演算法的一種，常見的群體智慧型優化演算法主要有如下幾類 1 蟻群演算法 ant colony optimization，簡稱aco 1992年提出 2 ...
C語言簡單演算法變形題（1）
本專欄將會涉及一系列簡單的演算法題及其變形題，並用c語言給出例程。不定期更新在專欄中 輸入乙個日期，判斷該日期是本年第幾天 include int days of month 12 前面有乙個 0 的目的是使得下標與月份對齊，不用再 1 intisleapyear int year if year ...
FA 螢火蟲演算法的測試及Python實現
一 python中傳遞函式 def test a,b print a,b class test def init self,fitnessfunction self.fitnessfunction fitnessfunction def initial self self.fitnessfuncti...