通过蚂蚁群体测绘实现降维，将数据映射到离散空间中

《Scientific Reports》：Ant colony mapping for dimensionality reduction to discrete spaces

　　

摘要

降维是人工智能中广泛使用的一种技术，应用领域非常广泛。它将高维的特征向量映射到低维空间中，使得新的表示形式仍保留原始数据的一些有意义的特性（即，相似的向量在新的表示中也是相似的）。本文探讨了将降维问题应用于离散空间的方法。本文提出了一种新颖的分布式、随机性的“群体智能”算法——蚁群映射（Ant Colony Mapping，简称ACOM），用于生成问题的近似解。ACOM借鉴了某些蚂蚁种类的分群行为，能够实现对象的空间聚类。在介绍了ACOM的基本原理后，分析了该算法在2D格子拓扑结构上的性能，考虑了蚂蚁的数量和问题参数的数量两个因素。为了比较算法的效果，将其与最近改进的局部搜索算法——稳态遗传算法（Steady-State Memetic Algorithm，简称SSMA）进行了对比，评估标准包括解决方案的质量和计算资源消耗。此外，还通过随机RGB基准测试比较了ACOM的退火变体以及LAS-ACOM混合算法与基于网格排序的非进化算法的性能。退火和混合算法提升了ACOM的对齐质量，但全局最优解的性能仍然更优；作为交换，ACOM采用了复杂度固定的局部操作，而非基于分配的方法所要求的立方级复杂度。