導(dǎo)語

自然界里蟻群搬運、魚群轉(zhuǎn)向、鳥群編隊，看似各自為戰(zhàn)，但卻能涌現(xiàn)出高度有序的集群行為。本期讀書會從生物集群出發(fā)，用更統(tǒng)一的視角理解群體智能是怎么從簡單的局部規(guī)則中涌現(xiàn)：既介紹常見的多主體建模方法，解釋感知范圍、交互拓?fù)浜驮肼暼绾斡绊懻w形態(tài)，也會結(jié)合實驗與數(shù)據(jù)驅(qū)動研究，說明模型如何復(fù)現(xiàn)不同的集體運動。最后把這些思路落地到工程里，看看集群機器人和多無人系統(tǒng)如何借鑒生物機制，并展望用機器學(xué)習(xí)和大模型從大規(guī)模數(shù)據(jù)中反推交互規(guī)則，推動更可解釋、可控的人工群體智能。

本期將由北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院韓戰(zhàn)鋼教授主講，于2026年1月17日下午14:00-16:00北京門頭溝集智谷（First青年電影中心）線下進(jìn)行，有意線下參會的集智學(xué)員可在報名本期讀書會，加入學(xué)員群后獲得線下參會資格。

內(nèi)容簡介

本次分享聚焦集群智能與多主體系統(tǒng)的建模與分析，從自然集群到人工群體的統(tǒng)一刻畫出發(fā)，梳理關(guān)鍵概念、代表性模型和若干面向未來的研究方向。報告基于蟻群、魚群、鳥群等典型生物集群，提煉群體在信息匯聚、協(xié)同決策、環(huán)境適應(yīng)與魯棒性方面的功能特征，并結(jié)合近年來面向魚群等體系的精細(xì)實驗與數(shù)據(jù)驅(qū)動研究，利用統(tǒng)計物理學(xué)中的相變與臨界態(tài)理論，對系統(tǒng)在從無序到有序演化過程中的整體狀態(tài)進(jìn)行嚴(yán)謹(jǐn)?shù)亩糠治?，展示利用動力系統(tǒng)建模和統(tǒng)計物理工具對集體相位、臨界行為和響應(yīng)模式進(jìn)行定量描述的路徑。

在方法層面，討論以多主體動力學(xué)為核心的集群建?？蚣?，涵蓋基于位置與速度的行為規(guī)則模型、感知區(qū)域模型以及社會力模型，分析局部相互作用結(jié)構(gòu)、感知拓?fù)渑c噪聲強度對宏觀涌現(xiàn)結(jié)構(gòu)和動力學(xué)階段的影響。進(jìn)一步結(jié)合來源于生物實驗的數(shù)據(jù)驅(qū)動建模工作，說明如何通過交互強度和控制參數(shù)的整定，在模型層面再現(xiàn)多種集體運動形態(tài)與群體功能優(yōu)勢。

面向工程應(yīng)用，分享以集群機器人和多無人系統(tǒng)為代表的相關(guān)研究進(jìn)展，展示生物啟發(fā)模型向分布式控制策略與群體協(xié)同算法的遷移路徑，涉及編隊保持、任務(wù)分配、區(qū)域覆蓋等典型問題，并簡要介紹部分實驗實現(xiàn)。最后，討論利用機器學(xué)習(xí)與大模型挖掘大規(guī)模生物集群數(shù)據(jù)中隱含交互規(guī)則的前景，以及其與多主體建模、遺傳算法和神經(jīng)網(wǎng)絡(luò)等方法的潛在耦合，為構(gòu)建具有可解釋性和可調(diào)控性的人工群體智能勾畫一個大綱。

分享大綱

內(nèi)容1 集群：從自然集群到人工群體的統(tǒng)一視角

• 1.1 關(guān)鍵概念與問題框架：個體—交互—涌現(xiàn)—功能（信息匯聚、協(xié)同決策、適應(yīng)性、魯棒性）

• 1.2 典型生物案例導(dǎo)入：蟻群/魚群/鳥群的群體功能與可觀測現(xiàn)象

• 1.3 代表性研究方向概覽：機制解釋 vs 可控設(shè)計 vs 可遷移工程化

內(nèi)容2 數(shù)據(jù)驅(qū)動建模：從生物實驗到模型參數(shù)與交互規(guī)則

• 2.1 精細(xì)實驗與軌跡數(shù)據(jù)：可觀測量、數(shù)據(jù)質(zhì)量與預(yù)處理要點

• 2.2 交互強度與控制參數(shù)識別：參數(shù)整定如何復(fù)現(xiàn)多種集體運動形態(tài)

• 2.3 功能優(yōu)勢的模型化驗證：效率、穩(wěn)定性、適應(yīng)性等指標(biāo)評估

內(nèi)容3 工程遷移：集群機器人與多無人系統(tǒng)的分布式協(xié)同

• 3.1 生物啟發(fā)到控制策略：從局部規(guī)則到分布式控制律的轉(zhuǎn)譯

• 3.2 典型任務(wù)：編隊保持、任務(wù)分配、區(qū)域覆蓋

• 3.3 實驗實現(xiàn)與系統(tǒng)挑戰(zhàn)：通信約束、延遲、異質(zhì)性、可靠性

核心概念

集群智能 Swarm Intelligence

多主體動力學(xué) Multi-agent Dynamics

多主體建模 Agent-Based Modeling

涌現(xiàn)與集體相位 Emergence & Collective Phases

相變與臨界態(tài) Phase Transitions & Criticality

局部相互作用與感知拓?fù)?Local Interactions & Sensing Topology

數(shù)據(jù)驅(qū)動建模 Data-driven Modeling

分布式控制與群體協(xié)同 Distributed Control & Collective Coordination

可解釋與可調(diào)控的人工群體智能 Interpretable & Controllable Artificial Collective Intelligence

主講人介紹

主講人：韓戰(zhàn)鋼，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院二級教授，校系統(tǒng)分析與集成實驗室主任，國務(wù)院學(xué)位委員會系統(tǒng)科學(xué)評議組成員，聯(lián)合國教科文組織復(fù)雜系統(tǒng)數(shù)字校園副主席，兼任多個學(xué)術(shù)團體理事。

他長期致力于系統(tǒng)科學(xué)的基礎(chǔ)理論研究，建立了演化算法收斂復(fù)雜性理論，系統(tǒng)地研究自然與人工集群系統(tǒng)，生物集群行為的現(xiàn)象和對稱破缺機制，機器人集群的自組織協(xié)同，以及多智能體在其他領(lǐng)域的應(yīng)用。

他的研究得到多項國家自然科學(xué)基金項目、科技部重大專項和企事業(yè)單位支持，研究成果得到同行高度評價。

研究方向：復(fù)雜系統(tǒng)理論，信息的功能性應(yīng)用，基于 agent 建模，信息網(wǎng)絡(luò)，遺傳算法，蟻群，魚群，機器人群體實驗。

個人主頁：https://sss.bnu.edu.cn/t/~zhan

參考文獻(xiàn)

1. Reynolds C W. Flocks, herds and schools: A distributed behavioral model[C]//Proceedings of the 14th annual conference on Computer graphics and interactive techniques. 1987: 25-34.

2. Vicsek T, Czirók A, Ben-Jacob E, et al. Novel type of phase transition in a system of self-driven particles[J]. Physical review letters, 1995, 75(6): 1226.

3. Helbing D, Molnar P. Social force model for pedestrian dynamics[J]. Physical review E, 1995, 51(5): 4282.

4. Lin G, Escobedo R, Li X, et al. Experimental evidence of stress-induced critical state in schooling fish[J]. PRX Life, 2025, 3(3): 033018.

5. Wang W, Escobedo R, Sanchez S, et al. Collective phases and long-term dynamics in a fish school model with burst-and-coast swimming[J]. Royal Society Open Science, 2025, 12(5): 240885.

6. Xue T, Li X, Lin G Z, et al. Tuning social interactions’ strength drives collective response to light intensity in schooling fish[J]. PLoS computational biology, 2023, 19(11): e1011636.

7. Lin G, Han Z, Shee A, et al. Noise-induced quenched disorder in dense active systems[J]. Physical review letters, 2023, 131(16): 168301.

8. Wang W, Escobedo R, Sanchez S, et al. The impact of individual perceptual and cognitive factors on collective states in a data-driven fish school model[J]. PLoS computational biology, 2022, 18(3): e1009437.

9. Xue T, Li X, Chen X, et al. Machine learning phases in swarming systems[J]. Machine Learning: Science and Technology, 2023, 4(1): 015028.

10. Zheng Y, Han Z. Experimental Implementation of Collective Motion based on Swarm Robotic Control[C]//2020 15th IEEE Conference on Industrial Electronics and Applications (ICIEA). IEEE, 2020: 1526-1531.

11. Ali Z A, Zhangang H. Multi-unmanned aerial vehicle swarm formation control using hybrid strategy[J]. Transactions of the Institute of Measurement and Control, 2021, 43(12): 2689-2701.

12. 王偉嘉, 鄭雅婷, 林國政, 等. 集群機器人研究綜述[J]. 機器人, 2020, 42(2): 232-256.

13. Ying N, Wang W, Fan J, et al. Climate network approach reveals the modes of CO2 concentration to surface air temperature[J]. Chaos: An Interdisciplinary Journal of Nonlinear Science, 2021, 31(3).

報名讀書會：

「群體智能：從自然涌現(xiàn)到人機共創(chuàng)」

集智俱樂部聯(lián)合北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院韓戰(zhàn)鋼教授、暨南大學(xué)計算傳播研究中心趙甜芳副教授、新疆大學(xué)物理科學(xué)與技術(shù)學(xué)院玉素甫·艾比布拉副教授等學(xué)者，共同發(fā)起本次，嘗試用一條普適的線索，把自然界的鳥群蟻群、人類社會的集群行為、以及人工智能時代的多智能體與群智優(yōu)化，放在同一張地圖上重新理解。讀書會自2026年1月17日開始，安排在每周六下午 14:00–16:00，歡迎所有對群體智能如何涌現(xiàn)、如何被理解、以及如何被設(shè)計，感興趣的朋友一起加入：帶著問題來，帶著更有趣的問題去。

報名方式：

第一步：微信掃碼填寫報名信息。

（掃碼報名參加讀書會）

第二步：填寫信息后，付費報名。如需用支付寶支付，請在PC端進(jìn)入讀書會頁面報名支付：

第三步：添加運營助理(Swarma Assitant)微信，拉入對應(yīng)主題的讀書會社區(qū)（微信群）。

PS：為確保專業(yè)性和討論的聚焦，本讀書會謝絕脫離讀書會主題和理論生態(tài)學(xué)問題本身的空泛的哲學(xué)和思辨式討論；如果出現(xiàn)討論內(nèi)容不符合要求、經(jīng)提醒無效者，會被移除群聊并對未參與部分退費。

第一期線下參會方式

線下地點：北京門頭溝集智谷（First青年電影中心）

時間：2026年1月17日（周六）下午14:00-16:00

活動參與說明與邀請

一、報名與費用

集智讀書會成員：免收茶水最低消費。

非讀書會成員：歡迎公開報名，現(xiàn)場最低消費58元

二、集智VIP專屬禮遇

為感謝VIP會員的支持，我們已為您預(yù)留前排VIP專座與集智手沖咖啡一杯，恭候您的光臨。

（掃碼報名參加讀書會）

直播信息

加入社區(qū)后可獲得的資源

完整權(quán)限包括：線上問答、錄播回看、資料共享、社群交流、信息同步、共創(chuàng)任務(wù)獲取積分等。