1、“..... 群体智能研究应用 随着群体智能理论和研究算法的进步成熟，已经将其应用到些工程优化 问题中，并且已取得了明显的效果。文献采用对神经网络进行了优化，并 利用其设计了电力变压器的智能保护机制。文献利用实现了对各种连 续和离散控制变量的优化，从而达到了控制核电机组电流稳定输出电压的目的 。蚁群优化算法为解决组合优化问题提供了新思路，并很快被应用到其它组合优化问题中。比较典型的应用研究包括网络路由优化数据挖掘以及些经典 的组合优化问题蚁群算法在电信路由优化中己取得了非常显著的应用成果。 公司和英国电信公司在年代中后期都开展了这方面的研究，设计了蚁 群路由算法。和提出将蚁巢分类模型应用于数据聚 类分析。其基本思想是将待聚类数据随机地散布到个二维平面内，然后将虚 拟蚂蚁分布到这个空间内，并以随机方式移动......”。

2、“.....若运动路径附近的数据与背负的数据相似性高于 设置标准则将其放置在该位置，然后继续移动，重复上述数据搬运过程。按照这 样的方法可实现对相似数据的聚类。吴斌等人又在简化分类模型的基础上系统 地提出了种基于群体智能的聚类算法。 蚁群算法的研究应用 蚁群算法，简称是最近几年才提出来的种新 型的模拟进化算法。它是由意大利学者等人受到人们对自然界中真实蚁群 集体行为的研究成果的启发而首先提出来的。⋯蚁群算法的应用进展以蚁群算 法为代表的群智能已成为当今分布式人工智能研究的个热点，许多源于蜂 群和蚁群模型设计的算法己越来越多地被应用对象和主体有很多的相似之处，它们都是实体的属 性和行为的封装。并且对于面向对象和基于主体建模来说，实体及其交互关系的 描述是个共同的核心问题。由于两者之间有很多的相似性......”。

3、“.....计算机工作者通过对社会性昆虫的模拟产生了 系列对于传统问题的新的解决方法，这些研究就是群体智能的研究。群体智能作 为个新兴领域自从世纪年代出现以来引起了多个学科领域研究人员的关 注，已经成为人工智能以及经济社会生物等交叉学科的热点和前沿领域。群体智 能中的群体指的是组相互之间可以进行直接 通信或者间接通信通过改变局部环境的主体，这组主体能够合作进行分布问题 求解，群体智能指的是无智能或者仅具有相对简单智能的主体通过合作表现出更 高智能行为的特性其中的个体并非绝对的无智能或只具有简单智能,而是与群 体表现出来的智能相对而言的。当群个体相互合作或竞争时，些以前不存在 于任何单独个体的智慧和行为会很快出现。群体智能的提出由来已久,人们很早 以前就发现,在自然界中,有的生物依靠其个体的智慧得以生存......”。

4、“.....在这些群体生物中,单个个体没有很高的智能,但个体之 间可以分工合作相互协调,完成复杂的任务,表现出比较高的智能。它们具有高 度的自组织自适应性，并表现出非线性涌现的系统特征。 群体中相互合作的个体是分布式的，这样更能够适应当前网络环境下的工作 状态没有中心的控制与数据，这样的系统更具有鲁棒性，不会由于个或者 几个个体的故障而影响整个问题的求解。可以不通过个体之间直接通信而是通 过非直接通信进行合作，这样的系统具有更好的可扩充性。由于系统中个体的增 加而增加的系统的通信开销在这里十分小。系统中每个个体的能力十分简单，这 样每个个体的执行时间比较短，并且实现也比较简单，具有简单性。因为具有这 些优点，虽说群集智能的研究还处于初级阶段，并且存在许多困难，但是可以预等人在研 究该问题的基础之上提出了类模拟自然界蚁群觅食行为的模拟进化算法 蚁群算法......”。

5、“..... 国内外研究现状 群体算法研究 群体智能研究起源于对社会性昆虫如蚂蚁蜜蜂等的群体行为的研究。现 有的对群体智能的研究，大都是从种有大量个体表现出来的群体行为出发， 从它们的群体行为中提取模型，为这些行为建立些规则，从而提出算法，应用 于解决实际中的问题。群智能理论研究领域有两种主要的算法蚁群算法 和微粒群算法。前者是对蚂蚁群落食物采集过程的模拟，已成功应用于许多离散优化问题。微粒群算法也是起源于对简单社会系统的模拟，最初是模拟鸟 群觅食的过程，但后来发现它是种很好的优化工具。 蚁群算法 蚂蚁个体在觅食过程中，会在自己经过的路径留下信息素，后面的蚂蚁个体 通过感知信息素的浓度来决定自己的路径。由于信息素随时间挥发，所以比较短 的路径上信息素浓度也比较大。因此......”。

6、“.....为解决各种寻优问题提供了种新的方法。意大利学者用于 求解问题，以后有用于求解二次分配问题皇后问题函数优化问题背包 问题。 微粒群优化算法 由和在年提出的，是种基于种群寻 优的启发式搜索算法，该算法源于对鸟群鱼群觅食行为的模拟。首先初始化 群随机粒子随机解，然后通过迭代寻找最优解，每次迭代中，粒子通过跟踪两 个极值个体极值和全局极值来更新自己的速度和位置。应用在函数的优化问 题，神经网络的训练。 群体机器人 群体智能最初被应用于描述细胞机器人系统。通过对蚂蚁等社会性昆虫行为 研究，发现了社会性昆虫的自组织自组装能力。布鲁塞尔自由大学的 领导的项目，其目标是建立个由多个类似于昆虫且简 言群集智能的研究代表了以后计算机研究发展的个重要方向。 随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛......”。

7、“.....遗传算法,模拟退火算法，群集智能， 蚁群算法,粒子群算等等。蚁群算法只是其中的种。人工智能计算也有人称之 为软计算，是们受自然生物界规律的启迪，根据其原理，模仿求解问题 的算法。从自然界得到启迪，模仿其结构进行发明创造，这就是仿生学。这是我们向自然界学习的个方面。另方面，我们还可以利用仿生原理进行设计包 括设计算法，这就是智能计算的思想。 群体智能的研究涉及到生物学心理学社会学控制理论决策理论等领 域个体行为是构成群体行为的基础，个体之间的组织结构个体行为之间的关 系和群体行为的涌现机制是研究群体行为的关键要素。目前主要研究仿生的群体 优化算法，群体组织内部的通信机制及其应用方面，如微粒群算法蚁群算法 群体机器人等。群体智能应用于解决大多数优化问题或者能够转化为优化求解的 问题......”。

8、“..... 集群是生物中常见的种生存现象。大自然中可以看到成群结队的大雁鱼 以及蚂蚁等动物，他们会暂时或永久的聚集成群。蚂蚁算法是由意大利学者 ,,等人于二十世纪九十年代提出的种新型 的模拟进化算法。经过研究发现，蚂蚁在觅食的过程中通过种称之为信息素 的物质相互传递信息。更具体地，蚂蚁在运动过程中能够在其所 经过的路径上留下信息素，而且在运动过程中能够感受到这种信息素的存在及其 强度，并以此指导自己的运动方向。蚂蚁倾向于朝着信息素浓度高的方向前进， 因此，由大量蚂蚁组成的蚁群的行为便表现出种信息的正反馈现象路径 上走过的蚂蚁越多，则后来者选择该路径的概率就越大。蚁群就是通过个体之间 这种信息交换机制来彼此协作达到搜索食物的目的。和中的智能就是大量个体在无中心控制的情况下体现出来的宏观有序 的行为......”。

9、“.....没有涌现现象， 就无法体现出智能。因此，涌现是群体智能系统的本质特征。只知道孤立的个体 行为并不能了解整个系统的情况，仅仅研究孤立的部分无法有效地研究整体性 质，因此，对涌现现象的研究必须既研究各个部分，又研究各个部分之间的相互 作用。遗传算法之父约翰霍兰在文献中对涌现现象进行了较为深入的 探索。他认为涌现现象的本质是由小生大，由简入繁，并且把细胞组成生命 体，简单的走棋规则衍生出复杂的棋局等现象都视为涌现现象。他认为神经网络 元胞自动机等可以算作涌现现象的模型。群体智能的涌现现象与系统论和复杂系 统中阐述的涌现本质上是相同的，它是基于主体的涌现。年霍夫施塔特对基 于主体的涌现作了描述，整个系统的灵活的行为依赖于相对较少的规则支配的大 量主体的行为。研究群体智能系统，要弄清涌现现象的普遍原理，建立由简单规 则控制的模型来描述涌现现象的规律......”。