集體智慧經常使用的算法與算法的含義

集體智慧經常使用的算法

蜜蜂算法（Bees algorithm）
協同過濾
協同人力翻譯（Collaborative human interpreter）
合做創新網絡（Collaborative innovation network）
協同智能（Collaborative intelligence）
羣件和Wiki
集體行動（Collective action）
集體意識（Collective consciousness）
集體決策（Collective decision-making）
集體興奮（Collective effervescence ）
連通圖
從衆心理（Crowd psychology）
衆包
客戶互動（Customer engagement）
控制論
分佈式認知（Distributed cognition）
企業書籤（Enterprise bookmarking）
全球腦
全球意識項目（Global Consciousness Project）
羣體行爲（Group behaviour）
羣體心理（Group mind）
主持討論（Facilitation）和促進者（Facilitator）
基於人員的計算（Human-based computation）
百猴效應（Hundredth Monkey）
信息路由組（Information Routing Group）
攀比（Keeping up with the Joneses）
知識生態系統（Knowledge ecosystem）
迷因
智慧圈（Noosphere）
開放空間會議（Open-space meeting）
公開來源情報（Open source intelligence）
預測市場
偏好誘導（Preference elicitation）
推薦系統（Recommendation system）
聰明行動族
社會化商務（Social commerce）
社會信息處理（Social information processing）
激發工做（Stigmergy）
超有機體
系統智能（Systems intelligence）
羣體智能（Swarm Intelligence）
羣體的智慧

一些算法的含義

PageRank算法
   基本思想：若是網頁T存在一個指向網頁A的鏈接，則代表T的全部者認爲A比較重要，從而把T的一部分重要性得分賦予A。這個重要性得分值爲：PR（T）/C(T)。其中PR（T）爲T的PageRank值，C(T)爲T的出鏈數，則A的PageRank值爲一系列相似於T的頁面重要性得分值的累加。優勢：是一個與查詢無關的靜態算法，全部網頁的PageRank值經過離線計算得到；有效減小在線查詢時的計算量，極大下降了查詢響應時間。不足：人們的查詢具備主題特徵，PageRank忽略了主題相關性，致使結果的相關性和主題性下降；另外PageRank有很嚴重的對新網頁的歧視。

   分級聚類算法：
   分級聚類經過接二連三地將最爲類似的羣組兩兩合併，來構造出一個羣組的層級結構。在每次迭代的過程當中，分級聚類算法會計算每兩個羣組間的距離，並將距離最近的兩個羣組合併成一個新的羣組。這個過程一直重複下去，直到只剩一個羣組時則完成分組。可是因爲分級聚類每次都要計算羣組間的距離，因此計算量比較大。

螞蟻算法，是一種用來在圖中尋找優化路徑的機率型算法。它由Marco Dorigo於1992年在他的博士論文中提出，其靈感來源於螞蟻在尋找食物過程當中發現路徑的行爲。蟻羣算法是一種模擬進化算法，初步的研究代表該算法具備許多優良的性質。針對PID控制器參數優化設計問題，將蟻羣算法設計的結果與遺傳算法設計的結果進行了比較，數值仿真結果代表，蟻羣算法具備一種新的模擬進化優化方法的有效性和應用價值。