【正文】 類的創(chuàng)新實際上都離不開這兩樣?xùn)|西，多樣性保證了系統(tǒng)的創(chuàng)新能力，正反饋保證了優(yōu)良特性能夠得到強化，兩者要恰到好處的結(jié)合。通過上面的原理敘述和實際操作，我們不難發(fā)現(xiàn)螞蟻之所以具有群體智能行為，完全歸功于它的簡單行為規(guī)則，而這些規(guī)則綜合起來具有下面兩個方面的特點：多樣性和正反饋。 這種優(yōu)化過程的本質(zhì)在于：（1）選擇機制：信息素越多的路徑，被選擇的概率越大。也就是說，當(dāng)程序最開始找到目標的時候，路徑幾乎不可能是最優(yōu)的，甚至可能是包含了無數(shù)錯誤的選擇而極度冗長的。 　?。?）蟻群算法具有較強的魯棒性。 　?。?）蟻群算法是一種正反饋的算法。當(dāng)算法開始的初期，單個的人工螞蟻無序的尋找解，算法經(jīng)過一段時間的演化，人工螞蟻間通過信息激素的作用，自發(fā)的越來越趨向于尋找到接近最優(yōu)解的一些解，這就是一個無序到有序的過程。在系統(tǒng)論中，自組織和它組織是組織的兩個基本分類，其區(qū)別在于組織力或組織指令是來自于系統(tǒng)的內(nèi)部還是來自于系統(tǒng)的外部，來自于系統(tǒng)內(nèi)部的是自組織，來自于系統(tǒng)外部的是他組織。蟻群算法是一種模擬進化算法。當(dāng)螞蟻沿著一條路到達終點以后會馬上返回來，這樣，短的路螞蟻來回一次的時間就短，這也意味著重復(fù)的頻率就快，因而在單位時間里走過的螞蟻數(shù)目就多，灑下的信息素自然也會多，自然會有更多的螞蟻被吸引過來，從而灑下更多的信息素……；而長的路正相反，因此，越來越多地螞蟻聚集到較短的路徑上來，最短的路徑就近似找到了。 　　當(dāng)然，在有一只螞蟻找到了食物的時候，其他螞蟻會沿著信息素很快找到食物的。螞蟻究竟是怎么找到食物的呢？在沒有螞蟻找到食物的時候，環(huán)境沒有有用的信息素，那么螞蟻為什么會相對有效的找到食物呢？這要歸功于螞蟻的移動規(guī)則，尤其是在沒有信息素時候的移動規(guī)則。(5) 避障規(guī)則： 如果螞蟻要移動的方向有障礙物擋住，它會隨機的選擇另一個方向，并且有信息素指引的話，它會按照覓食的規(guī)則行為。否則看是否有信息素，并且比較在能感知的范圍內(nèi)哪一點的信息素最多，這樣，它就朝信息素多的地方走，并且每只螞蟻多會以小概率犯錯誤，從而并不是往信息素最多的點移動。(2) 環(huán)境： 螞蟻所在的環(huán)境是一個虛擬的世界，其中有障礙物，有別的螞蟻，還有信息素，信息素有兩種，一種是找到食物的螞蟻灑下的食物信息素，一種是找到窩的螞蟻灑下的窩的信息素。最優(yōu)路徑上的激索濃度越來越大。路徑越長，釋放的激索濃度越低。這是因為螞蟻在尋找路徑時會在路徑上釋放出一種特殊的信息素。最后，經(jīng)過一段時間運行，可能會出現(xiàn)一條最短的路徑被大多數(shù)螞蟻重復(fù)著。事實上，每只螞蟻并不是像我們想象的需要知道整個世界的信息，他們其實只關(guān)心很小范圍內(nèi)的眼前信息，而且根據(jù)這些局部信息利用幾條簡單的規(guī)則進行決策，這樣，在蟻群這個集體里，復(fù)雜性的行為就會凸現(xiàn)出來。但是如果我們用手劃過螞蟻的行進隊伍，干擾了螞蟻的信息素，螞蟻就會失去方向感，到處亂爬。若我們是能從他們身上學(xué)習(xí)到一些什么的話，也將是一件非常有益的事請。例如在行星探測、煤礦、火山口等高危環(huán)境下作業(yè)以及在水下作業(yè)等需要遠程操作的的場合；在需要短時間內(nèi)完成災(zāi)難搜索、營救以及危險物品清除的場合等；在軍事領(lǐng)域，無人偵察機甚至無人戰(zhàn)斗機、無人潛航器、無人戰(zhàn)車、排雷機器人、巡航導(dǎo)彈等智能武器已經(jīng)出現(xiàn)并將發(fā)揮重要作用。多機器人系統(tǒng)編隊控制與單個機器人相比： （1） 可以顯著提高系統(tǒng)的效率，大大節(jié)約時間。多自主機器人系統(tǒng)的編隊控制是目前控制和機器人研究領(lǐng)域的研究熱點之一。單個機器人的傳感器獲取信息的能力是有限的，如果多個機器人保持一定的隊形，而每個機器人的傳感器負責(zé)獲取自己周圍的環(huán)境信息，這樣就可以保證比較完整的獲得機器人群體當(dāng)前活動區(qū)域內(nèi)的環(huán)境信息，對于實現(xiàn)偵查、搜尋、排雷及安全巡邏等任務(wù)是有利的。 編隊控制問題主要包括隊形形成和隊形控制兩個問題。 這篇文章提出個一種新的基于混合控制的方法來解決路徑追蹤問題。這樣，在狀態(tài)依賴的轉(zhuǎn)換規(guī)律的作用下，所有的載具最終都處在路徑上，并且整體的向前運動。對于靠近路徑的載具，他們能感知路徑以及更多的靠經(jīng)路徑的其他載具，這樣，它們的主要目標就是沿著路徑運動，并且實現(xiàn)期望的編隊。然而，由于受限的傳感距離以及通信容量，并不是所有的載具都有可能一直知道目標路徑以及它的鄰居。 最近幾年，協(xié)調(diào)路徑追蹤已經(jīng)成為了一個熱門話題，由于軍事方面的應(yīng)用，以前關(guān)于這個問題的研究局限于機器人，航天器等等。2009年，Ying Lan等[12]研究了協(xié)調(diào)路徑跟蹤問題，也就是操作一群分散的自主體聚集到一條給定的路徑上，實現(xiàn)一個交互式的編隊。2009年，Wei Ding等[11]研究了平面內(nèi)的群體自主體的分層追趕策略。這個控制器是基于對目標追蹤這個任務(wù)和交互機器人的協(xié)調(diào)這個任務(wù)去耦。他們提出了一種基于混合控制的新方法和協(xié)調(diào)跟蹤目標的可達性規(guī)范。對于一個自主式移動機器人網(wǎng)絡(luò)，其中只有兩位領(lǐng)導(dǎo)者知道規(guī)定的速度，而其他的追隨者與固定的兩個鄰居以一種自適應(yīng)控制率形成特定的三角形編隊，因此無需知道鄰居的速度。在一個有向無環(huán)圖中沒有鄰居的自主體是領(lǐng)導(dǎo)者而其他的是追隨者。2007年M. Cao等[6]研究了運動自主體的三角形編隊問題。每個自主體都將以自己所有鄰居自主體的形心為目標移動，他們證明在這個戰(zhàn)略下視野恰當(dāng)?shù)脑捤凶灾黧w將最終收斂到一點。循環(huán)追趕是一個每個自主體都按順序追趕下一個自主體的局部戰(zhàn)略，它是沒有中心并要求最低數(shù)量的通訊線路（自主體的鏈接），以實現(xiàn)編隊。顯然，這些群體中個體的智商都很低，那么它們是如何完成這些精密的群體行為的呢？基于此，就有了對多機器人的編隊控制的研究，用數(shù)量眾多的功能簡單的機器人來模擬生物的群體運動。但是人們往往更希望了解群體能夠形成或具有各種各樣能力、行為的機理，并建立恰當(dāng)?shù)臄?shù)學(xué)模型來說明、演繹這種能力與行為以及群體行為形成的機理，再通過計算來預(yù)測并調(diào)控群體的行為。除了在一個公共點會合客觀事實，收斂的另一個重要原因是：如果收斂到一個點是可行的，那么更多的普通編隊也是可以實現(xiàn)的，這是可以證明的。同年，一些研究人員[3]調(diào)查了多主體系統(tǒng)的分布算法。2004年，Jadbabaie [2]等人明確表達了一個Reynolds設(shè)置的二維版本同時研究出了一個控制戰(zhàn)略。系統(tǒng)科學(xué)家對這種計算機模擬的呈現(xiàn)現(xiàn)象力圖給出嚴格的理論解釋。Con=共同，sensus=感覺,Consensus=共同的感知，共同的認識，共謀。每只鳥的局部的控制戰(zhàn)略都由三部分組成：分離，控制避免擁擠；隊列，控制與相鄰的鳥保持接近的平均航向；凝聚，控制與相鄰的鳥保持接近的平均位置。當(dāng)人們觀察自然現(xiàn)象時很容易發(fā)現(xiàn)鳥群、魚群并沒有一個統(tǒng)一指揮系統(tǒng)，依靠個別鳥之間的聯(lián)系以及一些本能的反應(yīng)形成一定的飛行隊形，達到運動的一致性。另一方面，該研究的重大進展將會幫助人類不斷完善、發(fā)展新技術(shù)。群體所形成的活動能力、戰(zhàn)斗力。自然界以及人類社會呈現(xiàn)的群體行為是與個體屬性有關(guān)，但群體表現(xiàn)的行為、功能往往絕非個體能力的總和，人類的社會活動說明了這個事實。自然界以及人類社會的活動都可以看作是由個體組成的群體行為。生物界有著種類繁多的動植物及物質(zhì)存在，它們在漫長的進化過程中，為了求得生存與發(fā)展，逐漸具備了適應(yīng)自然界變化的本領(lǐng)。人類生活在自然界中，與周圍的生物作“鄰居”，這些生物各種各樣的奇異本領(lǐng)，吸引著人們?nèi)ハ胂蠛湍７?。生物個體可以是細菌，昆蟲，鳥，魚等。這類群體行為的例子在自然界中有很多，例如，鳥能成群結(jié)隊的飛翔雨遷徙，魚群能聚集在一起有序地在不同的江海區(qū)域修養(yǎng)、生息、繁衍生殖。保證了族群在惡劣的自然環(huán)境和與生物種群的爭斗中繁衍生息。近年來，群體的協(xié)同控制研究直接為多移動機器人系統(tǒng)，無人駕駛飛行器群、軍事應(yīng)用中的戰(zhàn)術(shù)編隊、調(diào)控，交通系統(tǒng)的控制、對突發(fā)事件的應(yīng)對、傳染病的防治、生態(tài)的維護、可持續(xù)發(fā)展戰(zhàn)略的制定與提供理論指導(dǎo)。一致性問題在分布式計算科學(xué)方面早有研究。通過計算機模擬可以發(fā)現(xiàn)這些無統(tǒng)一指揮的群體通過個體之間的相互交換信息以及本能的反應(yīng)，最終會形成有序的、協(xié)調(diào)一致的行為。在中文文獻中將它譯為一致性。根據(jù)作者的了解，第一批用嚴格的數(shù)學(xué)方法給出一類群體行為一致問題的數(shù)學(xué)描述，并給出實現(xiàn)這類群體一致性的精確條件的論文大約出現(xiàn)于2002~2004年間。他們證明了編隊?wèi)?zhàn)略的航向，在一定的假設(shè)條件下（圖代表的自主體與另一個鄰居總是連接，或者定期連接），結(jié)果是所有的自主體匯聚到了一個共同的航向。一組模擬機器人形成近似圓形和簡單多邊形，使用每個機器人本身的情況來定位自己，例如，最遠和最近的機器人是哪個。用系統(tǒng)的科學(xué)的觀點與方法研究群體行為目前僅處于起步階段。到目前為止，在各種復(fù)雜的群體行為中，對群體行為的一致性及可實現(xiàn)性的條件，科學(xué)家們研究的比較深入，已經(jīng)形成了相對完整的系統(tǒng)理論，而對更復(fù)雜行為的數(shù)學(xué)理論，除了個別例子及一些特殊情況，一般來說，還沒有系統(tǒng)的理論結(jié)果。 基礎(chǔ)編隊2004年Zhiyun Lin等[5]研究了三種編隊?wèi)?zhàn)略：循環(huán)追趕編隊、星型無向圖編隊和星型有向圖編隊。眾所周知自主體在這個戰(zhàn)略下收斂到一點，他們?nèi)匀辉谘芯烤庩牥l(fā)展的動機是解決碰撞是否會出現(xiàn)的問題。同樣星型有向圖編隊的自主體最初排列成一個逆時針方向的星形編隊或順時針方向的星形編隊。它實現(xiàn)了三個運動自主體組成三角形編隊同步運動。領(lǐng)導(dǎo)者以不斷變化的速度編隊運動，追隨者知道與鄰居間的相對位置和領(lǐng)導(dǎo)者的速度。一組任意的幾何圖案都可以由兩個領(lǐng)導(dǎo)者與N個追隨者通過特定的鄰居關(guān)系與指定的跟隨編隊實現(xiàn)。當(dāng)自主體遠離目標時它們會接近目標，然后切換到協(xié)調(diào)移動狀態(tài)，最終自主體們環(huán)繞在目標四周并在相互之間保持相等的角距離來合作地捕獲目標。經(jīng)過證明，一群自主移動智能體協(xié)作的估計目標的速度，然后漸漸形成一個正多邊形的編隊，保持移動目標在他們的圖心。通過了一個簡單的兩層追趕策略形成了多種多樣的編隊，包括集合、勻速圓周運動、復(fù)雜的圓周運動、同軸圓周運動、同軸對數(shù)螺線運動。一個新的混合控制策略被用來解決由于感知范圍不足導(dǎo)致鄰居隨著時間的推移可能會改變的問題：每個自主體的狀態(tài)空間以與目標路徑的相對位置分化為幾個區(qū)域。協(xié)調(diào)路徑追蹤的控制