蚁群与集成学习之间的同构功能：第二部分——弱可学习性的强度与提升范式

在本系列的第一部分中，我们建立了蚁群决策与随机森林学习之间的严格数学同构，证明方差通过去相关实现的降低是生物群体与计算群体共享的普遍原理。在这里我们转向互补机制：通过自适应加权实现偏差降低。正如提升算法依次关注困难实例，蚁群也通过信息素介导的招募动态放大成功的觅食路径。我们证明这些过程在数学上是同构的，建立了弱可学习性基本定理在群体决策中的直接对应。我们开发了AdaBoost自适应重加权与蚁群招募动态之间的形式映射，证明提升的边界理论对应于群体决策的稳定性，并通过全面的模拟展示实施自适应招募的蚁群实现了与提升算法相同的偏差降低收益。这完成了群体智能的统一理论，揭示方差降低（第一部分）和偏差降低（第二部分）都是支配生物与计算系统中集体智能的同一底层数学原理的表现。