M2M算法模型——一种类人，灵活、高效的新型算法设计模型

1、何为M2M算法模型？

经过亿万年的进化，大自然中蕴含着大量精妙的结构和智慧，这常常给仿生学予灵感去解决大量的实际问题。而人类作为进化过程中最为出色的个体，其思维模式与解决问题的方法更是值得研究与借鉴。对人类的认知思维方式的研究和模拟是一个富有挑战性的课题，引起国内外学者的广泛关注。

M2M模型（Macro to Micro Model）正是这样一种模仿人类思维方式与解决问题方法的一种全新的算法设计模型，在解决问题时，先从宏观出发，排除一些不必要考虑的因素，锁定一个更窄的问题规模，然后从粒度更细的层次解决问题。利用M 2M 模型所设计的算法，具有共享预处理、高度并行性等特征。基于M2M模型的最近邻问题，凸包问题和寻径问题在串行架构下与传统的算法比较，速度方面均有不同程度的提高。此外，最近点对问题、TSP问题、聚类问题和碰撞检测等问题均可以利用M2M模型设计出高效的算法。

M2M VS KDTree


KDNN VS M2MNN


M2MCH VS Others

 

2 、国内外研究状况

研究人类认知思维规律，模拟人类认知思维方法并应用于提高计算机智能一直是人工智能学科研究的热点。许多学者从生物体结构、遗传学原理或心理学模型出发研究人类智能的计算方法，而M2M算法模型则是从模仿人类思维方式出发研究人的认知过程。从这个角度来看M2M模型与粒计算（Granular Computing）的思想同源。它们都描述了一个自顶向下（Top-down design）的分层（Multiple levels）的解决方案。解决问题的时候都采取在各抽象层次之间逐步细化(Step-wise refinement)的过程 [Z