群体智能与人工生命

群体智能和人工生命是正在迅速发展的新兴研究领域.它们通过对自然界生命现象的模拟,在不同层次上揭示生命现象和进化规律,为复杂系统的复杂行为建模与仿真提供了新的思路.本文分别对人工生命和群体智能进行了综述,分析了两者的区别与联系,并对人工生命和群体智能的未来发展趋势进行了展望.     

基于复杂适应系统的蚂蚁群体智能研究

蚁群算法是一种基于群体智能的算法,蚂蚁群体智能有广泛的实际应用,该智能有其本身的优点,但同时也存在群体迷失的问题.首先简单介绍蚂蚁群体智能、复杂适应系统和涌现,然后利用复杂适应系统和涌现对蚂蚁群体智能的特点和运行机制进行分析,最后用这些特点来分析蚂蚁群体智能中的群体迷失现象产生的条件和原因,并提出相应对策.     

基于群体智能框架理念的遗传算法总体模式描述

在各类群体智能算法中，不同的智能体群往往具有不同的外在表现形式，但他们所表现出来的智能计算模式具有相对的统一性．为了验证这一理念并从宏观的视角来研究群体智能理论，对群体智能中各类智能计算模式进行总结提炼，提出了群体智能计算的一种内在统一的总体框架模型，并以遗传算法为例加以具体论述与验证，给出了基于群体智能框架理念的遗传算法总体模式描述．     

基于多智能体的新型遗传算法及其在复杂系统中的应用研究

通过对简单遗传算法及其研究现状的分析研究，及对复杂系统与简单遗传 算法特点的比较分析，针对简单遗传算法的不足，提出了一种基于多智能体的新型遗传算法，定义了新型遗传算法中的环境、智能体结构、遗传算子、目标/评估函数和流程图，最后用一个测试函数和复杂环境下的多峰函数对它进行了验证分析. 结果表明，新型遗传算法具有明显的优点和优势，特别适合于复杂系统中的问题求解．     

IIFD：面向复杂过程系统的集成化智能诊断方法

本文针对复杂过程故障诊断问题，引入智能工程技术，提出了基于知识的集成化智能诊断的方法，文中对集成化智能方法的原理、软件结构、组成及实现等问题进行了较详细的讨论，最后简单介绍了一个在微机上实现的集成化智能原型系统。     

一种基于群体智能的客户行为分析算法

提出了一种基于群体智能的客户行为分析算法．首先将客户的消费模式作为平面上的一个点随机分布于平面区域内；然后依据基于群体智能的聚类方法，选用由小到大的群体相似系数进行聚类分析；最后，在平面区域内采用递归算法收集聚类结果，获得不同消费特征的客户群体．文中还提出了算法的并行策略，提高了算法对大数据量的适应性．该文以电信移动客户话费数据作为实验数据，并将算法结果与其它经典聚类算法的结果进行比较分析．分析结果表明：这种基于群体智能的客户行为分析算法能够满足客户聚类和分类的要求，特别是在大客户分析及一对一营销中特别客户的分析方面该算法有直观、类别特征明显等特点．     

协作机器人学的研究现状与发展

随着机器人向系统应用的方向发展，提出了由多机器 人构成的群体或社会的组织与控制问题．多机器人协作问题已成为机器人学研究领域的热点 之一．其中基于分布式人工智能中多智能体系统理论，研究多机器人协作问题正受到普遍关 注．本文对协作机器人学的研究现状进行了综述，并展望了其未来的发展．     

月球漫游车关键技术初探

参考国外月球探测的现状,对月球车所涉及的关键技术问题进行了深入地分析与探 讨,提出了开发我国月球漫游车系统的具体实施方案．并针对月面的复杂环境,提出了建立 一套智能传感系统的思想,从而为实现漫游车在月面复杂、未知的环境中的自主导航与控制 提供了理论依据．     

基于Agent技术的智能交通线控系统仿真环境研究

面向Agent技术综合和发展了分布技术和面向对象技术，适用于在功能或地理上分布的复杂自治系统的分析与设计。建立了基于Agent技术的智能交通线控系统仿真环境。结果表明，将Agent技术引入智能交通线控系统，可有效提高系统的动态环境适应性和自治性，降低系统设计与实现的复杂性。     

智能配电网通信技术发展综述

智能电网的建设有利于解决能源危机和气候变暖等问题。在智能电网的研究中,智能配电网是研究的重点。要实现智能配电网,必须建立双向、高速、集成、可靠的通信系统。本文就智能配电网通信系统的发展进行了一个总结,介绍了配电网的通信现状与智能配电网对通信系统的要求,以及现有的通信系统的通信技术、标准和协议,通信系统在智能配电网中的应用,并在上述基础上,提出了未来智能配电网通信系统的发展方向。     

编译群体智能系统应用程序:以全分布式智能建筑系统为例

群体智能系统通过邻居个体的信息交互实现群体级别的应用任务,具有良好的鲁棒性和灵活性.与此同时,大多数开发人员难以对分布式、并行的个体交互机制进行描述.一些高级语言允许用户以串行思维方式、从系统全局角度来编程并行的群体智能计算任务,而无需考虑通信协议、数据分布等底层交互细节.但面向用户、全局声明式的群体智能系统应用程序与个体并行执行逻辑存在的巨大语义差距,使得编译过程复杂进而导致应用程序开发效率不高.本文提出了一个编译系统及其支撑工具,支持将高级的群体智能系统应用程序转换为安全、高效的分布式实现.该编译系统通过并行信息识别,计算划分,交互信息生成技术,将面向系统全局、串行编程的群体智能应用程序编译为面向个体独立执行的并行目标代码,从而使用户不必了解个体间的复杂交互机制.设计了一种标准化中间表示,将复杂群体智能计算任务转换为群体智能算子和输入输出变量组合而成的标准化语义模块序列,其以独立于平台的形式表示源程序信息,屏蔽了目标硬件平台的异构性.在一个群体智能系统案例平台中部署和测试了该编译系统,结果表明该系统能够有效将群体智能应用程序编译为平台可执行的目标代码并提升应用程序开发效率,其生成的代码在一系列基准测试中具有比现有编译器更好的性能.     

Development of efficient identification scheme for nonlinear dynamic systems using swarm intelligence techniques

This paper outlines the basic concept and principles of two simple and powerful swarm intelligence tools: the particle swarm optimization (PSO) and the Bacterial Foraging Optimization (BFO). The adaptive identification of an unknown plant has been formulated as an optimization problem and then solved using the PSO and BFO techniques. Using this new approach efficient identification of complex nonlinear dynamic plants have been carried out through simulation study.     

群体智能研究综述

群体智能利用群体的优势,在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方案提供了新的思路。首先阐述了群体智能的研究现状,包括典型的蚂蚁群优化算法、粒子群优化算法、群体机器人以及算法的应用。在此基础上,对今后的研究趋势进行了分析和展望：对群体智能系统底层机制的研究以及群体机器人的研究将是今后研究的重点,具有重大意义和广阔前景。     

群智能算法应用于MAS系统协作的探讨

多智能体系统(MAS)理论是目前人工智能领域的热点问题之一,群智能算法是一种并行式问题求解方法.就如何将群智能方法引入MAS研究中进行了探讨.首先对MAS理论的研究现状和发展趋势进行调研,综合考虑MAS中需要解决的问题和群智能算法的优点,认为两者具有结合应用的可行性.然后具体针对MAS协作方法研究中的通信瓶颈、意图解释机制、冲突消解等几类问题进行重点讨论和分析,就如何应用群智能算法进行了探讨,提出了初步的解决要点.     

On model design for simulation of collective intelligence

The study of collective intelligence (CI) systems is increasingly gaining interest in a variety of research and application domains. Those domains range from existing research areas such as computer networks and collective robotics to upcoming areas of agent-based and insect-based computing; also including applications on the internet and in games and movies. CI systems are complex by nature and (1) are effectively adaptive in uncertain and unknown environments, (2) can organise themselves autonomously, and (3) exhibit ‘emergent’ behaviour. Among others, multi-agent systems, complex adaptive systems, swarm intelligence and self-organising systems are considered to be such systems. The explosive wild growth of research studies of CI systems has not yet led to a systematic approach for model design of these kinds of systems. Although there have been recent efforts on the issue of system design (the complete design trajectory from identifying system requirements up to implementation), the problem of choosing and specifying a good model of a CI system is often done implicitly and sometimes even completely ignored. The aim of this article is to bring to the attention that model design is an essential as well as an integral part of system design. We present a constructive approach to systematically design, build and test models of CI systems. Because simulation is often used as a way to research CI systems, we particularly focus on models that can be used for simulation. Additionally, we show that it is not necessary to re-invent the wheel: here, we show how existing models and algorithms can be used for CI model design. The approach is illustrated by means of two example studies on a (semi-automated) multi-player game and collaborative robotics.     

从集群智能角度分析协同驾驶:综述和展望

协同驾驶是集群智能技术的典型应用之一.和集群机器人相比,协同驾驶既有集群智能技术的共性问题,也有特性问题.对协同驾驶与集群机器人对比研究,有助于更好理解协同驾驶问题的内在难点,也有助于推动集群智能技术的发展,完善复杂系统科学.本文从集群智能研究的角度出发,对协同驾驶进行反思综述.本文首先介绍协同驾驶的研究背景和意义,然后从集群智能的角度进一步分析协同驾驶和集群机器人的区别,接着介绍协同驾驶的关键技术,并着重强调协同规划在协同驾驶中的特殊性与重要性,最后分析了世界各国协同驾驶发展现状,并针对现阶段我国协同驾驶发展的难点提出一些建议,同时对协同驾驶的未来进行展望.     

Time-varying Algorithm for Swarm Robotics

Ever since the concept of swarm intelligence was brought out, a variety of control algorithms for swarm robotics has been put forward, and many of these algorithms are stable enough and efficient. Most of the researches only take an invariable controller which functions through the whole stage into consideration, the situation in which controller changes over time is rarely taken into account. However, there are limitations for invariable controller dominated algorithms in practical situation, which makes them unable to meet changing environment. On the contrary, variable controller is more flexible and can be able to adapt to complex environment. Considering such advantages, a time-varying algorithm for swarm robotics is presented in this paper. The algorithm takes time as one of the independent variables so that the controller is no longer fixed through the time, but can be changed over time, which brings more choices for the swarm robot system. In this paper, some relevant simulations are designed to test the algorithm. Different control strategies are applied on the same flock during the time, and a more complex, flexible and practical control effect is acquired successfully.      

群智能在多智能体系统中的应用研究进展

群智能算法是受群居性昆虫群体的集体行为启发而设计的分布式问题求解方法,将它应用到多智能体系统,旨在提高系统的鲁棒性、灵活性和自适应性。以群智能在多智能体系统中的应用为线索,首先介绍群智能的核心机制,然后从多智能体系统通信机制、协作技术、学习问题及体系结构建立这几个方面总结群智能理论在多智能体系统中的已有工作。最后分析和讨论了群智能方法在多智能体系统应用中存在的问题,并提出今后的工作展望。     

一种分布式智能核心结构及其系统应用

为支持群体智能体系的结构和计算,智能核心采用内部线程通道分层结构、外部多节点分层、联邦节点结合的3层模式,集成联邦形式模型、集中化并行模型和博弈对抗模型,形成支持群体智能体系的多样化分布式人工智能（artificial intelligence, AI)模型的计算系统。该系统可提高群体智能体系的底层能力,提供易用性高、兼容性好和能解决复杂多智能体问题的核心结构,提高分布式AI的系统水平。     

Development of a desktop swarm robot system based on pheromone communication

Complex and adaptive population behavior emerges in social insects. In ants, in particular, pheromone communication is the key to understanding their swarm intelligence. This article proposes a swarm robot system based on pheromone communication, and reports on the current status of the development of our robot system. We believe that the system could be used in swarm robotics and complex systems education.