第1期 吴虎胜，等：群智能新研究：角色-匹配的狼群劳动分工 ·131· 体-环境交互规则为基础，由个体感知到的任务 问题设计相关因子来弥补单一交互规则的不足。 需求刺激和个体响应刺激的内部阈值来共同决定 角色-匹配狼群劳动分工模型与前述2种模 个体是否执行任务。蜂群激发-抑制模型以个体一 型既同根同源（均属于群智能劳动分工方法体 个体交互规则为基础，个体内生长激素（激发 系)，又有其自身特点。表1通过比较分析，列出 剂)和同伴对其传递的保幼激素（抑制剂）来调节 其发育情况，进而直接影响其执行任务的类型。 了狼群角色-匹配模型、蚁群刺激-响应模型和蜂 单一的交互规则尽管简单，却很难反应群体真实 群激发-抑制模型3种群智能劳动分工模型的对 的行为组织影响因素，因此，实际应用中需根据 比情况。 表13种群智能劳动分工模型的比较分析 Table 1 Analogical analysis of three swarm intelligent labor division models 模型 生物原型 多态类型 交互方式 基本要素 刺激-响应模型 蚁群 形态行为多型 个体-环境 任务刺激强度、个体响应阈值、任务执行概率 激发一抑制模型 蜂群 时间行为多型 个体-个体 个体发育激发剂、个体发育抑制剂、个体生理年龄 任务对个体的虚拟吸引力、个体对任务的 角色匹配模型 狼群 角色行为多型“个体-个体”+“个体-环境 虚拟排斥力、个体角色状态 由表1可以看出，群智能劳动分工模型都是 于非结构、大规模、不可预测的动态优化、动态调 基于对不同生物群体劳动分工机制的深入分析而 度和分配问题却越来越显出颓势。以蚁群的刺激 建立的，一定程度上能模拟实现生物群体通过个 -响应和蜂群的激发-抑制为代表的群智能劳动 体的局部感知和交互反应作用进而涌现整体的自 分工方法，基于自然生物群体的劳动分工行为， 组织行为。群体任务分配的优化与协调基于个体 强调基于局部的交互式作用（元机制：刺激-响 对环境的动态反应来实现。其中的交互机制是决 应、激发-抑制、角色-匹配)，具有良好的动态适 定其动态反应和决策的基础，角色-匹配狼群劳 应性，显示出广阔的应用前景。 动分工模型同源于自然群体的生物学行为分析， 本文基于对狼群生物学行为的深人剖析，研 以自然狼群中真实存在的“个体-环境”+“个体 究狼群如何依靠多样化的智能行为，得以在严酷 -个体”交互规则为基础，以虚拟吸引力和虚拟排 的环境中成功生存和进化。分析得出其多样化的 斥力分别量化评价2种交互方式，由虚拟力的相 群体智能行为的完成，归因于高效的劳动分工、 对作用来实现个体角色转换和任务调整。其“个 信息感知与交互、环境学习与认知、主动响应变 体-个体”+“个体-环境”的交互方式既能使个体 行为快速适应环境或任务变化，又能保证对群体 化的能力。同时，本文阐述了蚁群刺激-响应，蜂 内部扰动的动态响应。 群激发-抑制，狼群角色-匹配3种群智能劳动分 目前，蜂群刺激-响应模型和蚁群激发-抑制 工模型的同根同源性和差异性，所研究的角色 模型均已被成功应用于任务分配、空间分配、区 匹配狼群劳动分工模型具有角色行为多型特点， 域覆盖、时间分配等领域03。相关应用也表明， 该项研究提供了一种柔性化的自底向上(bottom- 相对于其他方法，这些模型具有计算简单、无需 up)的普适性群智能方法，为复杂系统任务分配 迭代、动态适应性强等诸多优势，对动态环境下 问题研究提供了一种新思路。 的复杂系统分配问题的即时响应求解具有新的启 今后的研究主要从机理分析和应用扩展2个 发意义。 方面着手：1)角色-匹配的狼群劳动分工模型还 处于初步探索阶段，其中涉及的多Agent交互机 5结束语 理、协作分配机制、问题适用性、求解复杂度等方 令人惊叹的生物群智能给予了人类很多启 面还有待深入研究：2)将重点关注任务分配现实 示。蚁群优化算法、粒子群优化算法、蜂群优化 问题的应用，潜在应用领域包括军事领域的群机 算法等即是启发于生物群智能，基于迭代寻优、 器人协同搜索、目标跟踪、围捕、搜救和察打任务 关联求解思路的群智能优化方法在求解静态优化 分配，工业生产领域的机器任务调度，物流领域 和有限动态优化问题时取得了较好的效果。但对 的车辆任务调配等。体−环境交互规则为基础，由个体感知到的任务 需求刺激和个体响应刺激的内部阈值来共同决定 个体是否执行任务。蜂群激发−抑制模型以个体− 个体交互规则为基础，个体内生长激素 (激发 剂) 和同伴对其传递的保幼激素 (抑制剂) 来调节 其发育情况，进而直接影响其执行任务的类型。 单一的交互规则尽管简单，却很难反应群体真实 的行为组织影响因素，因此，实际应用中需根据 问题设计相关因子来弥补单一交互规则的不足。 角色−匹配狼群劳动分工模型与前述 2 种模 型既同根同源 (均属于群智能劳动分工方法体 系)，又有其自身特点。表 1 通过比较分析，列出 了狼群角色−匹配模型、蚁群刺激−响应模型和蜂 群激发−抑制模型 3 种群智能劳动分工模型的对 比情况。 表 1 3 种群智能劳动分工模型的比较分析 Table 1 Analogical analysis of three swarm intelligent labor division models 模型 生物原型 多态类型 交互方式 基本要素 刺激−响应模型 蚁群 形态行为多型 个体−环境 任务刺激强度、个体响应阈值、任务执行概率 激发−抑制模型 蜂群 时间行为多型 个体−个体 个体发育激发剂、个体发育抑制剂、个体生理年龄 角色匹配模型 狼群 角色行为多型 “个体−个体”+“个体−环境” 任务对个体的虚拟吸引力、个体对任务的 虚拟排斥力、个体角色状态 由表 1 可以看出，群智能劳动分工模型都是 基于对不同生物群体劳动分工机制的深入分析而 建立的，一定程度上能模拟实现生物群体通过个 体的局部感知和交互反应作用进而涌现整体的自 组织行为。群体任务分配的优化与协调基于个体 对环境的动态反应来实现。其中的交互机制是决 定其动态反应和决策的基础，角色−匹配狼群劳 动分工模型同源于自然群体的生物学行为分析， 以自然狼群中真实存在的“个体−环境”+“个体 −个体”交互规则为基础，以虚拟吸引力和虚拟排 斥力分别量化评价 2 种交互方式，由虚拟力的相 对作用来实现个体角色转换和任务调整。其“个 体−个体”+“个体−环境”的交互方式既能使个体 行为快速适应环境或任务变化，又能保证对群体 内部扰动的动态响应。 目前，蜂群刺激−响应模型和蚁群激发−抑制 模型均已被成功应用于任务分配、空间分配、区 域覆盖、时间分配等领域[30-33]。相关应用也表明， 相对于其他方法，这些模型具有计算简单、无需 迭代、动态适应性强等诸多优势，对动态环境下 的复杂系统分配问题的即时响应求解具有新的启 发意义。 5 结束语 令人惊叹的生物群智能给予了人类很多启 示。蚁群优化算法、粒子群优化算法、蜂群优化 算法等即是启发于生物群智能，基于迭代寻优、 关联求解思路的群智能优化方法在求解静态优化 和有限动态优化问题时取得了较好的效果。但对 于非结构、大规模、不可预测的动态优化、动态调 度和分配问题却越来越显出颓势。以蚁群的刺激 −响应和蜂群的激发−抑制为代表的群智能劳动 分工方法，基于自然生物群体的劳动分工行为， 强调基于局部的交互式作用 (元机制：刺激−响 应、激发−抑制、角色−匹配)，具有良好的动态适 应性，显示出广阔的应用前景。 本文基于对狼群生物学行为的深入剖析，研 究狼群如何依靠多样化的智能行为，得以在严酷 的环境中成功生存和进化。分析得出其多样化的 群体智能行为的完成，归因于高效的劳动分工、 信息感知与交互、环境学习与认知、主动响应变 化的能力。同时，本文阐述了蚁群刺激−响应，蜂 群激发−抑制，狼群角色−匹配 3 种群智能劳动分 工模型的同根同源性和差异性，所研究的角色− 匹配狼群劳动分工模型具有角色行为多型特点， 该项研究提供了一种柔性化的自底向上 (bottom￾up) 的普适性群智能方法，为复杂系统任务分配 问题研究提供了一种新思路。 今后的研究主要从机理分析和应用扩展 2 个 方面着手：1) 角色−匹配的狼群劳动分工模型还 处于初步探索阶段，其中涉及的多 Agent 交互机 理、协作分配机制、问题适用性、求解复杂度等方 面还有待深入研究；2) 将重点关注任务分配现实 问题的应用，潜在应用领域包括军事领域的群机 器人协同搜索、目标跟踪、围捕、搜救和察打任务 分配，工业生产领域的机器任务调度，物流领域 的车辆任务调配等。 第 1 期 吴虎胜，等：群智能新研究：角色−匹配的狼群劳动分工 ·131·