自然界中的生物群體通過個體自主決策和簡單信息交互, 經過演化, 最終使整個群體宏觀上湧現出自組織性、協作性、穩定性及對環境的適應性.
群體智能 (swarm intelligence, SI) 正是受群居性動物集體行為啟發, 用於設計問題求解算法和分佈式系統的理論與方法. 2016年8月, 美國國防部國防科學委員會發布了 Autonomy, 指出“未來人工智能戰爭不可避免”. 2017年7月, 美國情報高級研究計劃局發佈了 Artificial Intelligence and National Security, 再次指出“人工智能技術是國家安全的顛覆性技術”. 2017年7月, 國務院發佈了《新一代人工智能發展規劃》, 文中共21次提到“群體智能”, 並多次提及 “群體認知” “群體感知” “協同與演化” “群體集成智能” 等概念. 2018年10月, 科技部啟動的《科技創新2030–“新一代人工智能”重大項目指南》中, 明確將 “群體智能” 列為人工智能領域的5大持續攻關方向之一. 2020年1月, 中國科學院發佈的《2019年人工智能發展白皮書》中, 也將 “群體智能技術” 列為了8大人工智能關鍵技術之一.為了更好地將群體智能的最新研究成果介紹給讀者, 《中國科學: 信息科學》組織出版了“群體智能專題”. 經過高質量、高效率的同行評議, 該專題共錄用了9篇學術論文, 涵蓋了計算機、自動化、電子通信、人工智能、航空航天等學科領域, 展示了我國學者在群體智能建模、理論及應用等方面的研究現狀和創新成果▼
陸軍工程大學的王金龍院士等聚焦以自組織網狀網為代表的無人機集群通信網絡, 結合群體智能理論和認知無線電技術, 建立了面向無人機集群的群體智能協同通信模型, 並對基於群體智能的多域立體協同感知技術進行了研究和展望.
群體通信場景示意圖
國防科技大學的王懷民院士等聚焦群體化軟件開發方法, 從群體協作基礎環境、機制模型和支撐技術等方面, 討論了基於群體智能的群體化軟件開發服務環境關鍵要素及開源實踐，分析了群智軟件開發所面臨的技術挑戰.
軟件迭代演化中的群體化方法
北京航空航天大學的段海濱、瀋陽飛機設計研究所的範彥銘等提出並建立了用於分析群體智能行為模式的群體熵概念和模型, 並以鴿群實驗數據為例進行了仿真分析,為定量分析群體智能行為提供了一個新的重要工具.
群體熵的組成
陸軍工程大學的張婷婷、東南大學的宋愛國和中電28所的藍羽石等通過對集群無人系統的三層動態系統自適應結構建模, 分析了無人系統節點之間的相互依賴關係, 可有效預測未來時刻節點的系統結構, 以實現提前預警和智能決策.
集群無人系統3層結構
清華大學的朱紀洪等提出了一種基於蟻群算法的多無人機自主控制方法, 開發了基於螞蟻群體智能的無人空戰仿真平臺系統, 以提高無人機集群在空戰中的成功率.
多無人機協同攻擊
南京大學的陶先平等以現實戰場環境為背景, 對通信拒止及包含兩方對抗的戰場環境中的目標搜尋問題進行了建模, 構建了對抗仿真平臺, 通過在仿真平臺上的實驗驗證, 探索了現有經典強化學習方法在該問題上的適用性.
戰場仿真環境示意圖
中國地質大學(武漢)的龔文引、清華大學的王凌等提出了一種基於改進環形拓撲結構的混合人工蜂群算法, 通過選擇7種代表性方法的實驗對比分析, 驗證了所提算法在找根率和成功率上的優越性.
基於下標的和改進的環拓撲比較
北京航空航天大學的任章、北京電子工程總體研究所的王蒙一等提出了一種拓撲切換的集群系統分佈式分組時變編隊跟蹤控制方法, 考慮了拓撲切換和外部擾動同時存在情況下對系統穩定性的影響, 並設計了一種分佈式控制協議.
集群系統的狀態軌跡與部分時刻的狀態信息
華南理工大學的黃翰、電子科技大學中山學院的梁椅輝等針對高清圖像前景遮罩提取的大規模組合優化問題, 提出了一種基於分組協同的群體競爭優化算法, 提高了高清圖像前景遮罩的提取精度.
高清圖像前景遮罩提取的對比結果. (a) 帶標定區域的原圖; (b) 標定區域對應的三分圖; (c) GC-CSO 算法的前景遮罩提取結果; (d) CC-PSO 算法的前景遮罩提取結果; (e) CC-DE-S 算法的前景遮罩提取結果
閱讀更多 智能前沿技術 的文章
