群智能（簡體書）

《群智能》是一部關于群智能方法及其應用的專業書籍。第一部分導論介紹群智能、優化和群機器人的生物學基礎，以及在新一代通信網絡中的應用。優化和群機器人學是現今群智能原理應用非常成功的兩個領域。第二部分的章節包含群智能研究的一些具體實例，例如，機器人行為的演變、粒子群動態優化、有機計算和生產網絡中的非集中式流量。書中的八章相對獨立，讀者可以根據自己的研究領域和興趣選擇其中相應的章節閱讀。《群智能:介紹與應用》適合以人工智能、通信網絡或生物信息學為研究方向的理工科大學研究生和教師閱讀，也可供相關研究領域的科研人員參考。

作者：（德國）布盧姆（Christian Blum） （德國）梅克萊（Daniel Merkle（Eds.） 譯者：龍飛

龍飛，湖南常德人，1984年生，2005年畢業于南京大學，獲理學學士學位。同年進入清華大學直接攻讀博士學位。2006年赴德國漢堡大學進行多模交互的相關研究。2007年以訪問學生身份進入美國耶魯大學進行計算機網絡技術相關研究，為期15個月。曾參與國家863項目、國家自然科學杰出青年基金和多項國家自然科學基金項目的研究。主要研究方向為衛星網絡路由、路由協議設計與優化，對云計算和多模態交互等領域也有所涉及。在國內外發表SCI和EI檢索論文10余篇，并著有專著1部。

《群智能:介紹與應用》是由國防工業出版社出版的。

第一部分 導論
　第1章 群智能的生物學基礎
1.1 概述
1.2 分散式決策
1.2.1 在何處搜尋
1.2.2 探索與開發
1.2.3 尋找新巢穴
1.3 群體遷移
1.3.1 遷移中的蜜蜂
1.3.2 蝗蟲
1.3.3 摩門蟋蟀
1.4 結語
參考文獻
　第2章 群智能優化
2.1 概述
2.2 蟻群優化
2.2.1 蟻群優化的起源
2.2.2 蟻群優化：整體描述
2.2.3 最近的趨勢
2.3 粒子群優化
2.3.1 粒子群優化：簡介
2.3.2 最近的趨勢
2.4 群智能在優化中應用的更多實例
2.4.1 受勞力劃分啟發的應用
2.4.2 基於螞蟻的聚類和排序
2.4.3 其他應用
參考文獻
　第3章 群機器人
3.1 概述
3.2 什麼是群機器人
3.2.1 系統級別特性
3.2.2 突出特性
3.2.3 協作機制
3.3 研究方向
3.3.1 設計
3.3.2 建模和分析
3.3.3 機器人
3.3.4 問題
3.4 結論
參考文獻
　第4章 受昆蟲社會集體行為啟發的下一代互聯網路由協議：概述
4.1 概述
4.1.1 本章的組織
4.2 網絡路由概論和挑戰
4.3 網絡路由協議的分類特性
4.4 從昆蟲社會到網絡路由協議
4.4.1 蟻群中的最短路徑行為和元啟發蟻群優化
4.4.2 從蜂群中得到的有用想法
4.5 蟻群優化路由協議
4.5.1 總體結構和ACO路由協議的屬性
4.5.2 AutNet：無連接網絡的主要參考算法
4.5.3 ABC：面向連接網絡的主要參考算法
4.5.4 有線無連接網絡的路由算法
4.5.5 有線面向連接網絡的路由算法
4.5.6 QoS網絡路由算法
4.5.7 無線移動Ad Hoc網絡算法
4.6 受蜂群行為啟發的路由協議
4.6.1 有線無連接網絡的蜂窩算法
4.6.2 其他基於蜂窩的有線網絡算法
4.6.3 無線移動Ad-hoc網絡的蜜蜂Ad-hoc算法
4.6.4 MANET中其他基於蜜蜂Ad-hoc的算法
4.7 結論以及對SI路由的未來展望
參考文獻
第二部分 應用
　第5章 演化、自組織和群機器人
5.1 概述
5.2 自組織行為的演化設計
5.2.1 設計問題
5.2.2 自組織行為的演化
5.2.3 文獻中的群體演化機器人學
5.3 演化群組機器人的研究
5.3.1 群機器人實驗工具：群機器人
5.3.2 同步
5.3.3 協調運動
5.3.4 避開孔洞
5.4 結語
參考文獻
　第6章 粒子群動態優化問題
6.1 概述
6.2 粒子群優化
6.3 解決動態環境中的挑戰
6.3.1 變化檢測
6.3.2 存儲更新
6.3.3 多樣化消失問題
6.3.4 重多樣化
6.3.5 排斥
6.3.6 動態網絡拓撲
6.4 多群和形態
6.4.1 量子粒子
6.4.2 多群PSO
6.4.3 基於形態的PSO
6.4.4 改進局部收斂
6.5 實驗結果
6.5.1 移動峰值基準和實驗設置
6.5.2 優化群型號
6.5.3 MPSO中的量子粒子
6.5.4 SPSO中的量子分佈
6.5.5 調整群數量
6.5.6 比較MPSO和SPSO
6.6 總結
參考文獻
　第7章 一種基於代理的自組織生產方法
7.1 概述
7.1.1 問題的定義
7.1.2 本章的構成
7.2 與以前文獻的聯繫
7.2.1 材料處理元件是生產網絡的一部分
7.2.2 傳輸和緩衝系統基於代理的模型
7.2.3 作為“社會”行為基礎的相互作用
7.2.4 運輸和緩衝模型的組成和性能
7.3 模型組成概述
7.3.1 對通道預期循環時間的動態預測
7.3.2 通道中可能障礙的動態預測
7.3.3 帶回轉功能的尋徑和障礙最小緩存自動檢測
7.3.4 初始運動
7.3.5 下一通道的避障選擇
7.4 傳送和緩衝系統之間相關性的數學抽象
7.5 模型系統中元件運動的描述
7.6 仿真環境中模型的實現
7.7 尋徑作為元件之間相互作用的基礎
7.7.1 權重參數βpath的改變導致從最快路徑的偏離
7.7.2 按預期到達目的地所需時間Z的改變導致從最快路徑的偏離
7.7.3 阻滯
7.7.4 團結協作與各自為戰
7.7.5 一般特徵
7.8 討論
參考文獻
　第8章 有機計算與群智能
8.1 概述
8.2 有機計算系統的實例
8.3 群控制應激
8.3.1 螞蟻群聚
8.3.2 群有效性和聚類方法
8.3.3 反聚類
8.4 帶移動元素的OC系統
8.4.1 細胞自動機模型
8.4.2 移動模型
8.4.3 簡單環境下的實驗
8.4.4 複雜環境下的實驗
8.4.5 總結
8.5 最終評語
參考文獻

5.3.4避開孔洞
第3個案例研究將向大家展示建立在上述協同運動研究結果基礎上的一系列實驗。在這一案例中，我們也研究機器人單元形成一個機器人組時存在的協調問題。另外，機器人單元裝有能用于交流的聲信號系統。我們要求機器人單元完成的任務就是探索一個有洞的場地，而機器人單元有掉入場中地洞的可能。個體機器人單元由于感知設備有限而不能避開孔洞。相反，為了在場地中安全地行進，機器人組則能有效利用物理連接和成員間的相互通信。通信在社會型群體領域是一個很重要的方面：譬如昆蟲能利用不同形式的通信手段，這些通信形式已成為群體活動的常規機制了。同樣，在群機器人學中，通信也通常應用于群體協調運動中。
我們向大家演示的實驗主要做出了兩大貢獻。我們探查機器人之間不同的通信協議（也就是沒有信號，包括手動信號和演進了的信號），然後我們向大家展示完全演進了的方法能有最佳的表現。這一結果與我們的設想一致，即演化產生的系統比通過傳統設計方式產生的系統要更加有效（見5.2.2小節）。這些實驗的另外一個重要貢獻就是在真實機器人身上測試演進發展了的控制器。我們將說明演化的控制器產生的自組織系統非常魯棒。盡管演化中使用的模擬模型和真實機器人單元之間有著巨大的差別，但演化的控制器同樣能用于真實機器人單元的測試。1-實驗設置
避開孔洞的任務是設計用來研究機器人組的群體導航策略的。機器人被置于有孔洞并可能掉人其中的場地中，要完成避開孔洞的任務，首先必須解決兩個問題：?機器人單元要連貫運動就必須協調一致地行動；?為了改變一致的運動方向，孔洞存在的信息就必須傳達給整個群體。我們研究比較機器人單元之間3種不同的通信方式。在第一個研究計劃中（這個計劃稱為直接相互作用計劃，即DI），機器人單元僅通過一個作用于另一個身上的推力或者拉力來相互通信。第二個和第3個計劃運用了兩重聲信號的直接通信方式。在第二個計劃中（稱為直接通信計劃，即Dc），機器人單元在感知到孔洞的存在後發出一種聲調。