集体智慧常用的算法

蜜蜂算法（Bees algorithm）
协同过滤
协同人力翻译（Collaborative human interpreter）
合作创新网络（Collaborative innovation network）
协同智能（Collaborative intelligence）
群件和Wiki
集体行动（Collective action）
集体意识（Collective consciousness）
集体决策（Collective decision-making）
集体兴奋（Collective effervescence ）
连通图
从众心理（Crowd psychology）
众包
客户互动（Customer engagement）
控制论
分布式认知（Distributed cognition）
企业书签（Enterprise bookmarking）
全球脑
全球意识项目（Global Consciousness Project）
群体行为（Group behaviour）
群体心理（Group mind）
主持讨论（Facilitation）和促进者（Facilitator）
基于人员的计算（Human-based computation）
百猴效应（Hundredth Monkey）
信息路由组（Information Routing Group）
攀比（Keeping up with the Joneses）
知识生态系统（Knowledge ecosystem）
迷因
智慧圈（Noosphere）
开放空间会议（Open-space meeting）
公开来源情报（Open source intelligence）
预测市场
偏好诱导（Preference elicitation）
推荐系统（Recommendation system）
聪明行动族
社会化商务（Social commerce）
社会信息处理（Social information processing）
激发工作（Stigmergy）
超有机体
系统智能（Systems intelligence）
群体智能（Swarm Intelligence）
群体的智慧

一些算法的含义

PageRank算法
    基本思想：如果网页T存在一个指向网页A的连接，则表明T的所有者认为A比较重要，从而把T的一部分重要性得分赋予A。这个重要性得分值为：PR（T）/C(T)。其中PR（T）为T的PageRank值，C(T)为T的出链数，则A的PageRank值为一系列类似于T的页面重要性得分值的累加。优点：是一个与查询无关的静态算法，所有网页的PageRank值通过离线计算获得；有效减少在线查询时的计算量，极大降低了查询响应时间。不足：人们的查询具有主题特征，PageRank忽略了主题相关性，导致结果的相关性和主题性降低；另外PageRank有很严重的对新网页的歧视。

分级聚类算法：
    分级聚类通过连续不断地将最为相似的群组两两合并，来构造出一个群组的层级结构。在每次迭代的过程中，分级聚类算法会计算每两个群组间的距离，并将距离最近的两个群组合并成一个新的群组。这个过程一直重复下去，直到只剩一个群组时则完成分组。但是由于分级聚类每次都要计算群组间的距离，所以计算量比较大。

蚂蚁算法，是一种用来在图中寻找优化路径的机率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种模拟进化算法，初步的研究表明该算法具有许多优良的性质。针对PID控制器参数优化设计问题，将蚁群算法设计的结果与遗传算法设计的结果进行了比较，数值仿真结果表明，蚁群算法具有一种新的模拟进化优化方法的有效性和应用价值。