内容简介
本书总结了自然界多种昆虫社会性行为的数学模型和受其启发而得到的智能算法和系统，验证了由自治性涌现和分布式机制代替传统控制，预编程和集中式机制的可能，为利用集群智能解决实际问题提供了新思路。本书可作为集群智能课程的入门教材，也可作为集群智能领域研究者的快速入门参考书。
作者简介
李杰，北京理工大学教授，兵器科学与技术武器系统总体方向博士生导师，军委科技委首席专家。1997年毕业于北京理工大学机电工程系获工学博士学位，并进入北京理工大学机电工程系工作。长期从事智能微小型巡飞器设计、信息感知与处理、引信智能化技术等方面研究，正在承担军委科技委、火箭军/陆军/空军“十三五”在智能化微小型巡飞器领域多个预先研究项目。以获奖人获国防科学技术二等奖3项，三等奖3项，申请及授权国家或国防发明专利40余项。
前言
近五年来，类比昆虫群落的方法成为求解问题的一个热点，该方法强调分布式、简单个体之间的直接/间接交互、灵活性和鲁棒性，已经成功应用于组合优化、通信网络和机器人领域。越来越多的研究者对这一形成人工智能、集群智能的方法产生兴趣，其中集群智能是指一系列简单个体所涌现出来的集体智能。研究人员有充分的理由发现集群智能的强大吸引力，即当世界复杂到人类个体无法理解时、当信息多到会威胁我们生命时、当软件系统变得难以处理而无法控制时，集群智能提供了另外一种设计“智能”系统的方法。在该“智能”系统中，自治、涌现和分布式机制代替控制、预编程和集中式机制。然而，集群智能领域在很大程度上依赖于零散的知识，并且没有尝试将所有零散知识综合在一起。因此，本书首次将集群智能领域的知识进行总结，并给出有序调研的完美时机。一方面，我们不仅有足够的资料来辅助有关集群智能图书的出版；另一方面，研究人员日渐浓郁的兴趣和将社会昆虫群落功能原理与人工系统设计原理明确联系起来的潜在有用性，都是促使我们出版本书的缘由。本书的每一章均围绕一个生物学示例展开描述，例如觅食、分工、尸体聚集、幼虫分拣、筑巢和合作运输。本书首先对上述示例进行描述，当存在模型时对其进行建模，并类比其机制来设计算法、多智能体系统和集群机器人。由于生物学建模和工程同等重要，所以尽管本书的写作方式显得与众不同，但希望读者能发现我们所做工作的有趣性和有用性。当然，本书的成功出版少不了许多人的帮助和关心。我们要感谢罗纳德·C.阿金（Ronald C.Arkin）,浅间一（Hajime Asama）,约翰·S.贝（John S.Bay）,斯科特·卡玛津（Scott Camazine），路易斯·德纳堡（Louis Deneubourg），巴勃罗·富内斯（Pablo Funes），西尔万·介朗（Sylvain Guérin），弗洛里安·埃诺（Florian Hénaux），阿兰·赫茨（Alain Hertz），克劳斯·罗纳德·库贝（Claus Ronald Kube），帕斯卡莱·孔茨（Pascale Kuntz），阿尔切里奥·马丁诺利（Alcherio Martinoli），乔丹·波拉克（Jordan Pollack），安德鲁·罗素（Andrew Russell），多米尼克·斯奈尔斯（Dominique Snyers）和张洪（Hong Zhang）为我们提供有价值的文章，在发表之前分享他们的结果或传达他们的热情。特别感谢贝恩德·布尔恩海默（Bernd Bullnheimer），达妮埃莱·科斯塔（Daniele Costa）,詹尼·迪卡罗（Gianni Di Caro），托马斯·施蒂茨勒（Thomas Stützle）以及马可·威宁（Marco Wiering）阅读并评论了本书的初稿；感谢埃丽卡·珍（Erica Jen）和圣达菲研究所的支持；感谢IRIDIA实验室所有研究者的友谊；感谢菲利普·斯梅茨（Philippe Smets）和于格·贝尼尼（Hugues Bersini）对于马尔科·多里戈（Marco Dorigo）研究工作的支持；感谢格雷格·奇里克吉安（Greg Chirikjian），奈杰尔·R.弗兰克斯（Nigel R.Franks），巴勃罗·富内斯，欧文·霍兰（Owen Holland），细川一夫（Kazuo Hosokawa），克劳斯·罗纳德·库贝, 阿尔切里奥·马丁诺利, 乔丹·波拉克和吉田英一（Eiichi Yoshida）对书中图片及其他方面给予的帮助。后，要感谢我们灵感的来源：路易斯·德纳堡。马尔科·多里戈谨感谢米兰理工大学的研究生阿尔贝托·科洛尔尼（Alberto Colorni）和维托里奥·曼尼佐（Vittorio Maniezzo），是他们为蚁群优化做出了研究；感谢卢卡·甘巴尔代拉（Luca Gambardella）和吉安尼·迪卡洛（Gianni Di Caro），他们以其前沿的想法和编程技巧为本书中部分研究的成功做出了巨大贡献。感谢米兰理工大学人工智能和机器人项目组（the Artificial Intelligence and Robotics Project）所有成员的支持（期间马尔科·多里戈展开了关于蚁群优化的研究）；此外，特别感谢马尔科·索马尔维科（Marco Somalvico），安德烈亚·博纳里尼（Andrea Bonarini）以及马尔科·科隆贝蒂（Marco Colombetti）。此外，埃里克·博纳博（Eric Bonabeau）非常感谢圣达菲研究所对其阶段性研究奖学金的支持，埃里克·博纳博和盖伊·特洛拉兹（Guy Theraulaz）从GIS（Groupement dIntérêt Scientifique）科学奖获得了资助。盖伊·特洛拉兹是国家科学研究中心（Centre National pour la Recherche Scientifique，CNRS）的负责人。 马尔科·多里戈得到了比利时科学研究基金会FNRS的职业认证。后，如果没有龙达·巴特勒维拉(Ronda ButlerVilla)，玛丽莉·麦金尼斯(Marylee McInnes)以及德利娅·乌利瓦里(Della Ulibarri)的帮助和照顾，本书将一文不值。埃里克·博纳博，马尔科·多里戈和盖伊·特洛拉兹敬上
目录
第1章 简介 1.1 社会性昆虫 1.2 社会性昆虫群落的集体行为建模 1.2.1 建模与设计 1.2.2 社会性昆虫群落中的自组织 1.2.3 共识主动性（Stigmergy） 1.3 交互建模 1.4 从算法到机器人 1.5 阅读导引 第2章 蚂蚁觅食行为在通信网络中的应用：组合优化和路由 2.1 概述 2.2 蚁群觅食策略 2.2.1 自然界中的优化：二元桥实验 2.2.2 自然界中的优化：子巢穴间的“交通网络” 2.2.3 行军蚁的狩猎模式 2.3 蚁群优化算法：旅行商问题 2.3.1 蚂蚁系统 2.3.2 蚁群系统 2.3.3 基于蚂蚁系统或蚁群系统的其他方法 2.4 蚁群优化：二次分配问题 2.4.1 蚂蚁系统应用于二次分配问题 2.4.2 混合蚂蚁系统 2.4.3 ASQAP算法的扩展 2.5 蚁群算法在优化领域中的其他应用 2.5.1 ASJSP：一种用于作业车间调度问题的ACO算法 2.5.2 ANTCOL：用于图形着色问题的ACO算法 2.5.3 ASVRP：针对车辆路径问题的ACO算法 2.5.4 HASSOP：顺序排序问题的ACO算法 2.5.5 ASSCS：短公共序列问题中的ACO算法 2.6 关于ACO算法的几点思考 2.6.1 ACO算法和神经网络 2.6.2 ACO算法和进化算法 2.6.3 连续优化 2.7 电信网络中的应用 2.7.1 ABC：电话网络中的路由 2.7.2 ANTNET：数据通信网络中的路由 2.7.3 一种基于蚂蚁系统的蚂蚁路由算法 2.7.4 约束条件与讨论 2.7.5 在网络环境中查找信息 2.8 要点谨记 第3章 劳力分工和任务分配 3.1 概述 3.2 社会性昆虫中的劳力分工 3.3 响应阈值 3.3.1 引言 3.3.2 响应阈值：简介和实验证明 3.3.3 单任务模型 3.3.4 模型分析：确定性方程 3.3.5 多任务模型 3.3.6 “紧急”任务接续模型 3.4 专一化 3.5 多智能体系统中的差异化和自适应任务分配 3.5.1 多智能体系统或机器人群体中的差异化 3.5.2 自适应任务分配 3.5.3 与“竞标”算法的联系 3.6 要点谨记 第4章 墓地结构、育雏分选、数据分析和图分割 4.1 概述 4.2 墓地结构和育雏分选 4.3 一种墓地聚类和育雏分选的模型 4.3.1 聚类 4.3.2 分类 4.3.3 空间熵及其变体 4.4 探索性数据分析 4.5 图分割 4.6 机器人应用 4.6.1 介绍 4.6.2 示例 4.6.3 其他工作 4.6.4 从聚类到分类 4.6.5 发展设想 4.7 要点谨记 第5章 自组织与模板：在数据分析和图形分区中的应用 5.1 概述 5.2 自组织和模板的相互作用 5.3 建造蚁后房的一种“反应扩散”模型 5.4 细胸蚁属albipennis蚂蚁巢壁建造 5.5 应用 5.5.1 数据分析 5.5.2 图像分割 5.6 要点谨记 第6章 筑巢和自组装 6.1 概述 6.2 社会性昆虫的筑巢行为 6.2.1 定量的共识主动性：共识主动性和自组织 6.2.2 定性/离散的共识主动性 6.3 自组装模型 6.3.1 模型 6.3.2 仿真 6.3.3 分析 6.3.4 探索建筑结构的空间 6.4 生物学之外的应用 6.4.1 简介 6.4.2 自组装机器人 6.4.3 建筑设计 6.4.4 不断发展的功能 6.5 要点谨记 第7章 昆虫和机器人的合作运输 7.1 概述 7.2 蚂蚁对猎物的协同运输 7.2.1 单独运输与合作运输 7.2.2 从独立到合作运输 7.2.3 招募行为 7.2.4 合作运输中的协调 7.2.5 合作运输中参与者的数量 7.2.6 死锁和恢复 7.3 集群机器人合作运输 7.3.1 简介 7.3.2 基本模型及其实现 7.3.3 停滞后恢复：模型和机器人实现 7.4 要点谨记 第8章 结语 参考文献