·318 工程科学学报，第39卷，第3期 一定结构形式进行三维空间排列，且在飞行过程中可 交互、整体的自组织性等特点与无人机自主集群编队 保持稳定队形，并能根据外部情况和任务需求进行队 协调控制的局部性、分布式和鲁棒性等要求有着紧密 形动态调整，以体现整个机群的协调一致性.虽然无 的契合之处“，因此，研究鸟群群集飞行机制，并将 人机集群编队飞行可提高系统性能，但多个飞行器并 其映射到无人机集群系统中，是解决无人机集群编队 存也导致了一些新的问题，比如系统协调管理的 协调自主控制问题的一条切实可行的途径 难度提升，系统整体状态的不确定性增加，系统对通信 的依赖性加大，因此设计合理高效的无人机集群编队 1鸟群群集飞行 协调自主控制算法至关重要. 1.1鸟群群集机制 生物群集行为是自然界中存在的一种普遍现象， 鸟类群集过程（如图1所示)中存在的有组织飞 是群居性生物群体为适应生存环境，历经长期演化后 行大致可分为两种方式回，一种多为大型鸟类所采用 与生俱来的生存本领可。而在众多生物群集行为中， 的线性编队(line formation)飞行，另一种多为小型鸟 鸟群群集行为是一种较易观察，且具有较高研究价值 类所采用的群集编队(cluster formation)飞行，本文主 的生物学现象.从结果来看，鸟群通过个体决策，最终 要关注鸟群群集编队飞行方面的研究.采用群集编队 使得整个鸟群从宏观上涌现出自组织性、协作性、稳定 飞行方式的鸟类并不具备较高的个体智能，但其行动 性及对环境的适应性.无人机自主集群的目的则是通 高度协调一致，可在飞行过程中同步、快速的改变飞行 过分布式决策实现能够自组织、协调性好和鲁棒性强 方向，对于鸟类群集编队飞行过程中如何协调一致的 的编队飞行.由于鸟群群集行为去中心化的邻近个体 内在成因近些年来一直为相关研究者所关注 图1自然界中的鸟群群集行为（图片来自摄图网，作者分别为makammos2.303和psdave) Fig.I Collective flight behaviors in natural bird flocks (the two images are respectively from makammos2303 and tpsdave in 699pic.com) 2008年，Ballerini等a利用计算机视觉技术记录 保证整个鸟群的总自旋，即鸟群间的交互信息主要为 了欧椋鸟群中特定个体的三维位置，并发现鸟群中个 邻近个体的转向幅度，而非邻近个体的飞行方向.同 体分布存在各向异性，且该种特性仅出现在距其最近 年，Pearce等n给出了一种鸟群群集编队形成原因的 的6~7个个体范围内，从而推测在规模巨大的欧椋鸟 新观点：鸟群中的个体通过对由暗色的鸟和其背后的 群中，个体采用拓扑距离(topological distance)交互方 明亮天空所形成的图案构成视觉线索做出反应，来维 式，即与其最近的6~7个个体进行交互，而非传统认 持一个理想的鸟群不透明度. 为的模式距离(metric distance)交互方式（与特定空间 2014年，Nagy等4利用GPS设备获取鸽群的 范围内的个体相互作用)，进而可知每个个体的拓扑 飞行轨迹，并通过求取不同时刻鸽子间的速度内积获 交互范围会随着群体分布密度的降低而升高.2010 得速度关联程度.研究发现，鸽群中的个体除头鸽外， 年，Cavagna等u利用立体成像技术得到了欧椋鸟群 其余跟随者也存在相应的飞行领导等级(light leader- 的高精度空间位置信息，以研究大规模鸟群对外界扰ship rank),位于低级的个体其行为不仅会受到头鸽的 动的响应情况.研究发现，个体间的相互作用强度随 影响，也会受到其等级之上个体的影响，而往往来自于 着个体间距离的增加按照一个指数很小的幂函数衰 临近上级个体的影响更为直接迅速.该复杂多层网络 减，即单个个体的行为可间接影响到很远距离以外的 结构比之其他网络结构（平等类型或者双层结构）的 其他个体，因而个体的间接感知范围远大于个体的直 明显优势在于，信息传递更高效迅速。层级网络结构 接交互范围.4年后，Attanasi等回进一步发现鸟群中 是个体不断优化自身利益的结果，鸟群中的个体会依 的每个个体具有自旋属性，可通过对比彼此的自旋来 据具体任务和情景使用不同的层级结构.鸽群中目前工程科学学报，第 39 卷，第 3 期 一定结构形式进行三维空间排列，且在飞行过程中可 保持稳定队形，并能根据外部情况和任务需求进行队 形动态调整，以体现整个机群的协调一致性． 虽然无 人机集群编队飞行可提高系统性能，但多个飞行器并 存也导致了一些新的问题［3--4］，比如系统协调管理的 难度提升，系统整体状态的不确定性增加，系统对通信 的依赖性加大，因此设计合理高效的无人机集群编队 协调自主控制算法至关重要． 生物群集行为是自然界中存在的一种普遍现象， 是群居性生物群体为适应生存环境，历经长期演化后 与生俱来的生存本领［5］． 而在众多生物群集行为中， 鸟群群集行为是一种较易观察，且具有较高研究价值 的生物学现象． 从结果来看，鸟群通过个体决策，最终 使得整个鸟群从宏观上涌现出自组织性、协作性、稳定 性及对环境的适应性． 无人机自主集群的目的则是通 过分布式决策实现能够自组织、协调性好和鲁棒性强 的编队飞行． 由于鸟群群集行为去中心化的邻近个体 交互、整体的自组织性等特点与无人机自主集群编队 协调控制的局部性、分布式和鲁棒性等要求有着紧密 的契合之处［6--8］，因此，研究鸟群群集飞行机制，并将 其映射到无人机集群系统中，是解决无人机集群编队 协调自主控制问题的一条切实可行的途径． 1 鸟群群集飞行 1. 1 鸟群群集机制 鸟类群集过程( 如图 1 所示) 中存在的有组织飞 行大致可分为两种方式［9］，一种多为大型鸟类所采用 的线性编队( line formation) 飞行，另一种多为小型鸟 类所采用的群集编队( cluster formation) 飞行，本文主 要关注鸟群群集编队飞行方面的研究． 采用群集编队 飞行方式的鸟类并不具备较高的个体智能，但其行动 高度协调一致，可在飞行过程中同步、快速的改变飞行 方向，对于鸟类群集编队飞行过程中如何协调一致的 内在成因近些年来一直为相关研究者所关注． 图 1 自然界中的鸟群群集行为( 图片来自摄图网，作者分别为 makammos2303 和 tpsdave) Fig． 1 Collective flight behaviors in natural bird flocks ( the two images are respectively from makammos2303 and tpsdave in 699pic． com) 2008 年，Ballerini 等［10］利用计算机视觉技术记录 了欧椋鸟群中特定个体的三维位置，并发现鸟群中个 体分布存在各向异性，且该种特性仅出现在距其最近 的 6 ～ 7 个个体范围内，从而推测在规模巨大的欧椋鸟 群中，个体采用拓扑距离( topological distance) 交互方 式，即与其最近的 6 ～ 7 个个体进行交互，而非传统认 为的模式距离( metric distance) 交互方式( 与特定空间 范围内的个体相互作用) ，进而可知每个个体的拓扑 交互范围会随着群体分布密度的降低而升高． 2010 年，Cavagna 等［11］利用立体成像技术得到了欧椋鸟群 的高精度空间位置信息，以研究大规模鸟群对外界扰 动的响应情况． 研究发现，个体间的相互作用强度随 着个体间距离的增加按照一个指数很小的幂函数衰 减，即单个个体的行为可间接影响到很远距离以外的 其他个体，因而个体的间接感知范围远大于个体的直 接交互范围． 4 年后，Attanasi 等［12］进一步发现鸟群中 的每个个体具有自旋属性，可通过对比彼此的自旋来 保证整个鸟群的总自旋，即鸟群间的交互信息主要为 邻近个体的转向幅度，而非邻近个体的飞行方向． 同 年，Pearce 等［13］给出了一种鸟群群集编队形成原因的 新观点: 鸟群中的个体通过对由暗色的鸟和其背后的 明亮天空所形成的图案构成视觉线索做出反应，来维 持一个理想的鸟群不透明度． 2014 年，Nagy 等［14--15］利用 GPS 设备获取鸽群的 飞行轨迹，并通过求取不同时刻鸽子间的速度内积获 得速度关联程度． 研究发现，鸽群中的个体除头鸽外， 其余跟随者也存在相应的飞行领导等级( flight leader￾ship rank) ，位于低级的个体其行为不仅会受到头鸽的 影响，也会受到其等级之上个体的影响，而往往来自于 临近上级个体的影响更为直接迅速． 该复杂多层网络 结构比之其他网络结构( 平等类型或者双层结构) 的 明显优势在于，信息传递更高效迅速． 层级网络结构 是个体不断优化自身利益的结果，鸟群中的个体会依 据具体任务和情景使用不同的层级结构． 鸽群中目前 · 813 ·