第13章　群体智能理论

13.1 群体智能定义

群体智能（Collective Intelligence）是由多个具有相对独立状态、能力、行为和决策能力的智能个体，在共同环境、任务、目标或约束条件下，通过信息共享、任务分工、关系建立、行为协同、集体决策和反馈调整形成的整体智能能力。

群体智能的核心并不是“个体数量增加”，而是多个个体之间形成了新的结构关系。

单一个体可以表示为：

个体 → 感知 → 状态 → 判断 → 决策 → 行为

多个个体形成群体后，则产生：

个体₁ + 个体₂ + …… + 个体ₙ → 信息关系 → 任务关系 → 行为关系 → 协同结构 → 群体行为

因此，群体智能不是多个个体智能的简单相加。

可以表示为：

$CI≠∑i=1nIiCI \neq \sum_{i=1}^{n} I_i$

其中：

$CICI$ ：群体智能（Collective Intelligence）；
$IiI_i$ ：第 $ii$ 个个体的智能能力；
$nn$ ：群体中的个体数量。

群体智能还受到个体之间关系结构的影响：

$CI=F(I1,I2,…,In,R,G,C,M,Fb)CI=F(I_1,I_2,\ldots,I_n,R,G,C,M,F_b)$

其中：

$IiI_i$ ：个体智能；
$RR$ ：个体之间的关系；
$GG$ ：群体目标；
$CC$ ：环境与约束条件；
$MM$ ：任务分工与协同方法；
$FbF_b$ ：群体反馈；
$FF$ ：群体智能形成函数。

因此，群体智能的核心结构可以概括为：

多个个体 → 信息共享 → 任务分工 → 协同 → 集体决策 → 群体行为 → 群体反馈

进一步形成：

个体智能 → 个体关系 → 群体结构 → 群体能力 → 群体行为

群体智能是智能合成理论中的重要智能来源，因为它研究的不仅是“一个智能体如何智能”，还研究：

多个智能个体如何通过结构关系形成新的整体智能。

13.2 个体与群体

群体智能的基本组成单位是个体。

个体（Individual）是群体中具有独立身份、状态、属性、能力和行为的基本智能实体。

可以表示为：

$Ii=(Oi,Ai,Si,Ri,Ki,Mi,Bi,Fi)I_i=(O_i,A_i,S_i,R_i,K_i,M_i,B_i,F_i)$

其中：

$OiO_i$ ：个体对象；
$AiA_i$ ：个体属性；
$SiS_i$ ：个体状态；
$RiR_i$ ：个体关系；
$KiK_i$ ：个体知识；
$MiM_i$ ：个体方法；
$BiB_i$ ：个体行为；
$FiF_i$ ：个体反馈。

群体（Group）则是多个个体及其关系、目标、任务和环境条件形成的整体结构。

$G=(I,R,T,C,S,F)G=(I,R,T,C,S,F)$

其中：

$I={I1,I2,…,In}I=\{I_1,I_2,\ldots,I_n\}$ ：个体集合；
$RR$ ：个体之间的关系集合；
$TT$ ：任务集合；
$CC$ ：环境和约束条件；
$SS$ ：群体状态；
$FF$ ：群体反馈。

因此：

个体 → 个体状态

个体 + 个体 → 个体关系

多个个体 + 多个关系 → 群体结构

群体结构形成以后，个体行为会受到群体状态和其他个体行为的影响。

形成：

个体状态 → 信息交换 → 他者状态 → 自身判断 → 行为调整

因此，群体中的个体不是孤立运行的。

可以表示为：

$Si(t+1)=F(Si(t),Ii,Ri,G,Sg,C)S_i(t+1)=F(S_i(t),I_i,R_i,G,S_g,C)$

其中：

$Si(t)S_i(t)$ ：个体当前状态；
$IiI_i$ ：个体自身信息；
$RiR_i$ ：个体关系；
$GG$ ：群体目标；
$SgS_g$ ：群体状态；
$CC$ ：环境条件。

群体智能由此形成一个重要特征：

个体保持相对独立 → 个体之间产生关系 → 关系影响个体 → 个体行为影响群体 → 群体状态反过来影响个体。

这构成了群体智能的基本闭环。

13.3 信息共享

信息共享（Information Sharing）是群体个体之间交换对象、属性、状态、位置、任务、环境、结果和其他有效信息的过程。

信息共享是群体形成整体认知的重要基础。

单一个体拥有：

$KiK_i$

多个个体的信息集合为：

$KG={K1,K2,…,Kn}K_G=\{K_1,K_2,\ldots,K_n\}$

通过信息共享，群体可以形成：

$KG∗=Merge(K1,K2,…,Kn)K_G^*=Merge(K_1,K_2,\ldots,K_n)$

其中：

$KiK_i$ ：个体 $ii$ 的信息；
$KG*K_G^*$ ：群体共享信息结构；
$MergeMerge$ ：信息合并规则。

信息共享过程可以表示为：

个体感知 → 信息形成 → 信息发送 → 信息接收 → 信息匹配 → 信息更新 → 群体状态形成

信息共享的对象可以包括：

对象信息

属性信息

状态信息

空间信息

任务信息

环境信息

危险信息

资源信息

行为结果

反馈信息

因此，群体信息结构可以表示为：

$InfoG={O,A,S,P,T,R,E,F}Info_G=\{O,A,S,P,T,R,E,F\}$

其中：

$OO$ ：对象信息；
$AA$ ：属性信息；
$SS$ ：状态信息；
$PP$ ：空间信息；
$TT$ ：任务信息；
$RR$ ：关系信息；
$EE$ ：环境信息；
$FF$ ：反馈信息。

信息共享还存在信息一致性问题。

不同个体可能获得不同信息：

$Ki≠KjK_i\neq K_j$

群体需要通过共享和比较形成有效信息：

个体信息 → 信息比较 → 信息验证 → 信息合并 → 群体信息

因此，群体智能中的信息共享不是简单的数据传输，而是一个结构化的信息形成过程。

进一步可以形成：

个体信息 → 信息关系 → 群体知识 → 群体判断 → 群体行为

13.4 任务分工

任务分工（Task Allocation）是群体根据个体能力、状态、位置、资源和任务需求，将整体任务划分为多个子任务，并将不同子任务分配给适合的个体执行的过程。

群体任务可以表示为：

$T={t1,t2,…,tm}T=\{t_1,t_2,\ldots,t_m\}$

个体集合为：

$I={i1,i2,…,in}I=\{i_1,i_2,\ldots,i_n\}$

任务分工的核心问题是建立：

$Assign:I×T→AAssign:I\times T\rightarrow A$

其中：

$II$ ：个体集合；
$TT$ ：任务集合；
$AA$ ：任务分配结果；
$AssignAssign$ ：任务分配规则。

任务分工通常需要考虑：

任务需求 + 个体能力 + 个体状态 + 空间位置 + 资源条件 + 时间约束

因此可以建立任务匹配评价：

$Score(i,t)=w1C+w2D+w3S+w4P-w5RScore(i,t)=w_1C+w_2D+w_3S+w_4P-w_5R$

其中：

$CC$ ：个体能力与任务需求的匹配程度；
$DD$ ：距离或位置适合程度；
$SS$ ：个体当前状态；
$PP$ ：任务执行效率；
$RR$ ：风险或资源成本；
$w1,…,w5w_1,\ldots,w_5$ ：评价权重。

最佳任务分配可以表示为：

$i∗=arg⁡max⁡iScore(i,t)i^*=\arg\max_i Score(i,t)$

任务分工形成：

整体目标 → 任务分解 → 子任务 → 能力分析 → 个体匹配 → 任务分配 → 个体执行

多个子任务进一步形成：

任务₁ → 个体₁

任务₂ → 个体₂

任务₃ → 个体₃

最终：

子任务执行 → 子结果 → 结果组合 → 整体任务完成

因此，任务分工使群体产生一种新的能力：

整体任务复杂度 > 单个个体能够独立完成的任务范围。

群体通过任务分解降低整体任务执行复杂度。

13.5 群体协同

群体协同（Collective Coordination）是多个个体根据共同目标、相互状态、任务关系、空间关系和环境条件，对自身行为进行协调，使多个个体的行为形成具有整体性的过程。

群体协同可以表示为：

$C=F(I,R,G,T,S,E,B)C=F(I,R,G,T,S,E,B)$

其中：

$II$ ：个体集合；
$RR$ ：个体关系；
$GG$ ：共同目标；
$TT$ ：任务结构；
$SS$ ：群体状态；
$EE$ ：环境；
$BB$ ：个体行为集合。

协同过程：

目标形成 → 任务分解 → 信息共享 → 个体状态检测 → 行为协调 → 动作执行 → 群体状态变化

群体协同并不意味着所有个体执行相同动作。

相反，真正有效的协同可能表现为：

不同个体 + 不同能力 + 不同任务 + 不同行为 → 同一整体目标

例如：

个体A负责检测

个体B负责移动

个体C负责操作

个体D负责反馈

共同形成：

检测 → 移动 → 操作 → 反馈 → 任务完成

因此，协同的核心不是动作相同，而是：

目标一致 + 关系协调 + 任务互补 + 时序协调 + 状态匹配

群体协同可以形成一个动态循环：

个体行为 → 群体状态 → 信息共享 → 协同调整 → 个体行为调整 → 新群体状态

这是一种典型的群体动态结构。

13.6 集体决策

集体决策（Collective Decision-Making）是多个个体根据共享信息、个体判断、任务目标、评价规则和群体状态，对多个候选方案进行比较并形成整体决策的过程。

单一个体决策为：

$Di=f(Si,Ki,G,Mi)D_i=f(S_i,K_i,G,M_i)$

群体决策则为：

$DG=f(D1,D2,…,Dn,KG,G,SG,R)D_G=f(D_1,D_2,\ldots,D_n,K_G,G,S_G,R)$

其中：

$DiD_i$ ：个体决策；
$KGK_G$ ：群体共享知识；
$GG$ ：群体目标；
$SGS_G$ ：群体状态；
$RR$ ：个体之间的决策关系。

候选方案集合为：

$M={m1,m2,…,mk}M=\{m_1,m_2,\ldots,m_k\}$

每个个体可以对方案进行评价：

$Scorei(mj)Score_i(m_j)$

群体综合评价可以表示为：

$ScoreG(mj)=∑i=1nqiScorei(mj)Score_G(m_j)=\sum_{i=1}^{n}q_iScore_i(m_j)$

其中：

$qiq_i$ ：第 $ii$ 个个体在当前决策中的权重；
$Scorei(mj)Score_i(m_j)$ ：个体 $ii$ 对方案 $mjm_j$ 的评价；
$ScoreG(mj)Score_G(m_j)$ ：群体对方案 $mjm_j$ 的综合评价。

最终：

$m∗=arg⁡max⁡mj∈MScoreG(mj)m^*=\arg\max_{m_j\in M}Score_G(m_j)$

但是集体决策并不一定要求所有个体意见完全一致。

因此还需要：

意见形成 → 意见共享 → 差异检测 → 冲突识别 → 权重评价 → 综合判断 → 集体决策

当存在冲突时：

个体判断A ≠ 个体判断B

系统需要进一步判断：

信息是否不同？

状态是否不同？

评价标准是否不同？

目标是否不同？

个体能力是否不同？

由此形成：

判断差异 → 差异原因检测 → 冲突分类 → 协调 → 决策

因此，集体决策是群体智能中非常重要的高级结构。

13.7 群体行为

群体行为（Collective Behavior）是多个个体在共同目标、环境、关系和协同规则作用下形成的整体行为。

群体行为不是个体行为简单叠加。

可以表示为：

$BG=F(B1,B2,…,Bn,R,G,C,T)B_G=F(B_1,B_2,\ldots,B_n,R,G,C,T)$

其中：

$BGB_G$ ：群体行为；
$BiB_i$ ：个体行为；
$RR$ ：个体关系；
$GG$ ：群体目标；
$CC$ ：环境条件；
$TT$ ：时间与行为顺序。

群体行为形成过程：

群体状态 → 任务分配 → 个体决策 → 个体行为 → 行为关系 → 协同 → 群体行为

群体行为具有几个重要特征。

第一，整体性。

多个个体行为形成一个整体结果：

个体行为₁ + 个体行为₂ + …… + 个体行为ₙ → 群体行为

第二，动态性。

群体行为随着个体状态变化：

状态变化 → 行为变化 → 群体结构变化

第三，关系性。

个体行为受到其他个体影响：

个体状态 → 个体关系 → 行为调整

第四，环境性。

群体行为受到环境条件影响：

环境变化 → 群体状态变化 → 个体行为变化 → 群体行为变化

因此可以形成：

$BG(t+1)=Update(BG(t),ΔI,ΔR,ΔS,ΔC)B_G(t+1)=Update(B_G(t),\Delta I,\Delta R,\Delta S,\Delta C)$

其中：

$BG(t)B_G(t)$ ：当前群体行为；
$ΔI\Delta I$ ：个体变化；
$ΔR\Delta R$ ：关系变化；
$ΔS\Delta S$ ：状态变化；
$ΔC\Delta C$ ：环境变化。

群体行为由此成为一个持续变化的动态结构。

13.8 群体反馈

群体反馈（Collective Feedback）是群体行为产生结果后，根据整体结果、个体结果、环境变化和任务完成程度，对群体状态、任务分工、协同关系和行为方法进行重新评价和调整的过程。

群体反馈可以表示为：

$FG=f(RG,G,SG,C)F_G=f(R_G,G,S_G,C)$

其中：

$FGF_G$ ：群体反馈；
$RGR_G$ ：群体实际结果；
$GG$ ：目标；
$SGS_G$ ：群体状态；
$CC$ ：环境条件。

群体反馈过程：

群体行为 → 结果 → 结果检测 → 目标比较 → 偏差计算 → 协同调整 → 再次行为

如果目标结果为 $GG$ ，实际结果为 $RR$ ，则：

$Δ=G−R\Delta=G-R$

当：

$∣Δ∣>θ|\Delta|>\theta$

其中 $θ\theta$ 为允许误差阈值，则需要调整群体结构。

可能调整的对象包括：

任务分工

个体角色

信息共享

行为顺序

决策规则

协同关系

参数

形成：

结果 → 偏差 → 原因分析 → 调整 → 再执行

群体反馈还可以形成群体经验：

群体行为 → 结果 → 反馈 → 比较 → 经验 → 方法更新

进一步：

群体经验 → 群体知识 → 新任务 → 新分工 → 新协同

由此，群体智能形成持续演化：

群体行为 → 群体反馈 → 群体学习 → 群体结构调整 → 新群体行为

13.9 群体智能提取

群体智能提取（Collective Intelligence Extraction）是指从多个智能个体形成的群体活动中，识别、分解、提取和标准化具有智能价值的信息共享结构、任务分工结构、协同结构、集体决策结构、群体行为结构和反馈结构，并将其转化为可以计算、比较、组合和合成的智能结构。

这是群体智能进入IST的关键环节。

群体智能不能只提取“群体做了什么”，还需要提取：

为什么形成这种行为？

哪些个体参与？

个体之间有什么关系？

如何共享信息？

如何分配任务？

如何进行协同？

如何形成集体决策？

如何根据结果进行调整？

因此，群体智能提取可以表示为：

群体智能 → 个体识别 → 关系识别 → 信息结构提取 → 任务结构提取 → 协同结构提取 → 决策结构提取 → 行为结构提取 → 反馈结构提取 → 标准化

建立群体智能结构：

$CIS=(I,R,G,T,K,D,B,F)CIS=(I,R,G,T,K,D,B,F)$

其中：

$II$ ：个体集合；
$RR$ ：个体关系；
$GG$ ：群体目标；
$TT$ ：任务结构；
$KK$ ：群体信息与知识；
$DD$ ：集体决策；
$BB$ ：群体行为；
$FF$ ：群体反馈。

进一步统一到IST结构：

$CIS=(O,A,S,R,C,K,M,B,P,F)CIS=(O,A,S,R,C,K,M,B,P,F)$

其中：

$OO$ ：对象；
$AA$ ：属性；
$SS$ ：状态；
$RR$ ：关系；
$CC$ ：场景与条件；
$KK$ ：知识；
$MM$ ：方法；
$BB$ ：行为；
$PP$ ：参数；
$FF$ ：反馈。

由此，群体智能可以被转换为统一智能结构。

13.9.1 群体智能提取过程

完整过程可以表示为：

群体智能来源 → 群体观察 → 个体识别 → 状态识别 → 关系识别 → 信息共享识别 → 任务分工识别 → 协同识别 → 决策识别 → 行为识别 → 反馈识别 → 结构分解 → 智能提取 → 结构标准化

其中最重要的是关系提取。

因为群体智能的特殊价值主要来自：

个体之间的关系

即：

个体 → 信息关系

个体 → 任务关系

个体 → 空间关系

个体 → 决策关系

个体 → 行为关系

个体 → 反馈关系

因此，群体智能与个体智能之间的重要区别可以表示为：

个体智能：个体内部结构

群体智能：个体内部结构 + 个体之间关系结构

这使群体智能成为IST中一种特殊的结构化智能来源。

13.9.2 群体智能优势评价

群体智能的优势可以从多个维度评价：

$AdvG=w1I+w2D+w3C+w4R+w5A-w6KAdv_G=w_1I+w_2D+w_3C+w_4R+w_5A-w_6K$

其中：

$II$ ：信息整合能力；
$DD$ ：任务分工能力；
$CC$ ：协同能力；
$RR$ ：集体反应能力；
$AA$ ：整体适应能力；
$KK$ ：协调成本；
$w1,…,w6w_1,\ldots,w_6$ ：评价权重。

由此可以判断某种群体智能结构是否具有提取价值。

当：

$AdvG>θAdv_G>\theta$

则进入智能优势候选集合。

形成：

群体智能 → 优势检测 → 优势评价 → 结构提取 → 结构优化 → 标准化

13.9.3 群体智能与个体智能的关系

个体智能与群体智能并不是两个完全独立的体系。

二者形成：

个体智能 → 个体行为 → 个体关系 → 群体结构 → 群体智能

同时：

群体智能 → 群体状态 → 个体状态 → 个体判断 → 个体行为

因此形成双向循环：

个体 → 群体 → 个体 → 群体

这可以称为个体—群体智能循环结构。

其基本模型为：

$Ii(t+1)=F(Ii(t),G(t),R(t),E(t))I_i(t+1)=F(I_i(t),G(t),R(t),E(t))$ $G(t+1)=F(I1(t),I2(t),…,In(t),R(t),E(t))G(t+1)=F(I_1(t),I_2(t),\ldots,I_n(t),R(t),E(t))$

即：

个体状态形成群体状态

同时：

群体状态影响个体状态

这构成群体智能的动态基础。

13.9.4 群体智能进入智能合成

群体智能提取后，可以与人类智能、动物智能、机器智能和人工设计智能进行匹配。

例如：

人类规划能力

动物空间能力

群体任务分工能力

机器高速计算能力

→ 结构匹配

→ 能力组合

→ 冲突检测

→ 结构协调

→ 智能合成

由此形成新的人工智能结构。

例如，一个复杂机器人系统可以形成：

人类式任务规划结构

→ 群体式任务分工结构

→ 动物式空间运动结构

→ 机器式参数控制结构

→ 反馈结构

→ 新智能系统

这说明群体智能并不是只能用于研究群体本身。

它真正进入IST后的意义是：

提取群体智能中的组织机制 → 将组织机制转化为人工结构 → 与其他智能结构组合 → 形成新的智能能力。

本章形成的群体智能模型

本章建立群体智能的基本结构：

个体 → 信息共享 → 任务分工 → 群体协同 → 集体决策 → 群体行为 → 群体反馈

进一步形成完整闭环：

多个个体 → 个体状态 → 信息共享 → 任务分工 → 行为协调 → 集体决策 → 群体行为 → 结果 → 群体反馈 → 状态更新 → 再协同

群体智能结构可以统一表示为：

$CollectiveIntelligence=Individual+Information+Task+Coordination+Decision+Behavior+FeedbackCollectiveIntelligence= Individual+ Information+ Task+ Coordination+ Decision+ Behavior+ Feedback$

其中各部分分别代表：

Individual → 个体结构

Information → 信息共享结构

Task → 任务分工结构

Coordination → 协同结构

Decision → 集体决策结构

Behavior → 群体行为结构

Feedback → 群体反馈结构

群体智能进入IST后的完整流程为：

群体智能来源 → 智能观察 → 个体识别 → 关系识别 → 优势识别 → 结构分解 → 结构提取 → 结构评价 → 结构优化 → 标准化 → 智能匹配 → 智能组合 → 智能合成

工程映射

在工程系统中，可以建立：

CollectiveIntelligenceStructure

其主要结构包括：

groupId
individuals
relations
goals
tasks
sharedInformation
taskAssignments
coordinationRules
decisionStructures
behaviorStructures
parameters
feedbackStructures
groupState

个体可以由：

IntelligentIndividual

表示。

信息共享可以由：

InformationSharingStructure

表示。

任务分工可以由：

TaskAllocationStructure

表示。

协同可以由：

CollectiveCoordinationStructure

表示。

集体决策可以由：

CollectiveDecisionStructure

表示。

群体行为可以由：

CollectiveBehaviorStructure

表示。

群体反馈可以由：

CollectiveFeedbackStructure

表示。

进一步建立管理类：

CollectiveIntelligenceManager

CollectiveInformationManager

TaskAllocationManager

CoordinationManager

CollectiveDecisionManager

CollectiveBehaviorManager

CollectiveFeedbackManager

CollectiveIntelligenceExtractor

CollectiveIntelligenceAnalyzer

CollectiveIntelligenceOptimizer

工程运行过程为：

Individual Objects → Group Formation → Information Sharing → Task Allocation → Coordination → Collective Decision → Collective Behavior → Feedback → Group State Update

数据库可以建立：

collective_intelligence_groups
collective_intelligence_individuals
collective_intelligence_relations
collective_intelligence_information
collective_intelligence_tasks
collective_intelligence_task_assignments
collective_intelligence_coordination
collective_intelligence_decisions
collective_intelligence_behaviors
collective_intelligence_parameters
collective_intelligence_feedback
collective_intelligence_structures

这些结构最终可以与IST的智能结构库连接：

群体智能结构库 → 智能优势库 → 智能结构匹配库 → 智能组合库 → 智能合成系统

这样，群体智能就从理论描述转化为可以被计算机表示、存储、分析、匹配、评价和组合的工程对象。

本章总结

群体智能研究的是多个智能个体如何通过关系形成整体智能。

本章建立了群体智能的核心结构：

个体 → 信息共享 → 任务分工 → 群体协同 → 集体决策 → 群体行为 → 群体反馈

其中，个体是基础，信息是连接，任务分工是组织，协同是运行，集体决策是选择，群体行为是结果，群体反馈是调整。

群体智能最重要的理论特征，是其智能价值不仅存在于个体内部，而且存在于：

个体之间的关系结构

因此：

个体智能 = 个体内部智能结构

群体智能 = 个体智能结构 + 个体关系结构 + 群体运行结构

群体智能进一步形成：

个体 → 关系 → 群体 → 群体行为 → 群体反馈 → 个体调整

构成：

个体—群体双向智能循环

在智能合成理论中，群体智能的价值进一步表现为：

群体智能 → 智能优势 → 结构提取 → 结构标准化 → 结构匹配 → 能力组合 → 智能合成

因此，IST的智能来源体系已经从：

人类智能

扩展到：

动物智能

再扩展到：

群体智能

形成三类不同的智能结构来源：

人类智能 → 抽象、知识、推理、规划、决策

动物智能 → 感知、空间、运动、平衡、反应、适应

群体智能 → 信息共享、任务分工、协同、集体决策、群体行为

三者并不是相互替代，而是可以进入同一个智能结构体系：

人类智能结构 + 动物智能结构 + 群体智能结构

→ 结构匹配

→ 优势互补

→ 结构组合

→ 冲突检测

→ 结构协调

→ 智能合成

由此，第13章进一步证明了智能合成理论的一个重要基本思想：

智能不仅存在于个体之中，也存在于个体之间的关系、组织和协同之中。

因此，智能合成理论研究的对象不能局限于单一个体，而必须同时研究：

个体智能 → 群体智能 → 关系智能 → 组织智能 → 合成智能

这为后续研究环境适应智能、机器智能以及人工设计智能提供了理论基础。

第13章 群体智能理论

第13章 群体智能理论

13.1 群体智能定义

13.2 个体与群体

13.3 信息共享

13.4 任务分工

13.5 群体协同

13.6 集体决策

13.7 群体行为

13.8 群体反馈

13.9 群体智能提取

13.9.1 群体智能提取过程

13.9.2 群体智能优势评价

13.9.3 群体智能与个体智能的关系

13.9.4 群体智能进入智能合成

本章形成的群体智能模型

工程映射

本章总结