ソース情報
- リポジトリ
- ffsshhttiikk/opencode-agents-skills
- ソースの最終更新活動
- 2026年2月28日 22:55
- 検出された SKILL.md の言語
- 英語
- スター
- 3
- フォーク
- 2
インストール方法
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
ソースファイルを確認
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
SKILL.md を表示中
SKILL.md
ソースの指示 · 読み取り専用プレビュー- name
- swarm-intelligence
- description
- Swarm intelligence algorithms
- license
- MIT
- compatibility
- opencode
- metadata
- {"audience":"machine-learning-engineers","category":"artificial-intelligence"}
## What I do
- Implement swarm optimization
- Design particle swarm systems
- Build ant colony algorithms
- Create collective intelligence
- Optimize using swarm behavior
## When to use me
Use me when:
- Distributed optimization
- Routing problems
- Collective robotics
- Emergent behavior systems
## Key Concepts
### Particle Swarm Optimization (PSO)
```python
import numpy as np
class ParticleSwarm:
def __init__(self, n_particles, n_dims, func):
self.n_particles = n_particles
self.func = func
# Initialize particles
self.positions = np.random.uniform(-10, 10, (n_particles, n_dims))
self.velocities = np.random.uniform(-1, 1, (n_particles, n_dims))
# Personal best
self.personal_best_pos = self.positions.copy()
self.personal_best_val = np.array([self.func(p) for p in self.positions])
# Global best
best_idx = np.argmin(self.personal_best_val)
self.global_best_pos = self.personal_best_pos[best_idx].copy()
self.global_best_val = self.personal_best_val[best_idx]
def update(self, w=0.7, c1=1.5, c2=1.5):
r1, r2 = np.random.random((2, self.n_particles, 1))
# Update velocities
cognitive = c1 * r1 * (self.personal_best_pos - self.positions)
social = c2 * r2 * (self.global_best_pos - self.positions)
self.velocities = w * self.velocities + cognitive + social
# Update positions
self.positions += self.velocities
# Evaluate and update personal bests
current_vals = np.array([self.func(p) for p in self.positions])
improved = current_vals < self.personal_best_val
self.personal_best_pos[improved] = self.positions[improved]
self.personal_best_val[improved] = current_vals[improved]
# Update global best
best_idx = np.argmin(self.personal_best_val)
if self.personal_best_val[best_idx] < self.global_best_val:
self.global_best_pos = self.personal_best_pos[best_idx].copy()
self.global_best_val = self.personal_best_val[best_idx]
def optimize(self, n_iterations):
for _ in range(n_iterations):
self.update()
return self.global_best_pos, self.global_best_val
```
### Ant Colony Optimization
- Pheromone-based path finding
- Probabilistic solution construction
- Global and local pheromone updates
- Used for: TSP, VRP, routing
### Swarm Applications
- **ACO**: Routing, scheduling
- **PSO**: Function optimization
- **Artificial Bee Colony**: Optimization
- **Firefly Algorithm**: Clustering
GitHubで見る