从群体智能到多无人机自主控制

1、系统与控制纵横 2014年第2期76 漫谈系统与控制 从群体智能到多无人机自主控制 段海滨 北京航空航天大学飞行器控制一体化技术国家级重点实验室 自然界一直是人类创造力的丰富源泉，人类 认识事物的能力来源于与自然界的相互作用之 中。自然界中的许多自适应优化现象不断给人以 启示：生物体和自然生态系统可通过自身的演化 就使许多在人类看起来高度复杂的问题最终得到 完美的解决。本文首先介绍自然界中典型的群 体行为，包括群居性的昆虫（蚂蚁、蜜蜂）、 鸟、鱼以及细菌。自然界中广泛存在着协调有 序的大规模群体运动行为，为群体智能（Swarm Intelligence, SI）的产生与发展提供了丰富的思 想源泉。然后，介绍了群体智能的基本概念、特 征以及目前存在的两个主要研究领域。接着， 从生物群体谈到了多无人机（Unmanned Aerial Vehicles, UAVs）的自主控制，分析了无人机自主 控制的基本内涵和自主能力等级划分，阐述了群 体智能与多无人机自主控制之间的映射关系。最 后，简要介绍了国内外多无人机自主控制方面的 代表性进展。 一、自然界中典型的群体行为 自然界中的个体聚集时往往能

2、够形成协调、 有序，甚至令人感到震撼的运动场景1。比如在 宏观上，天体（恒星、行星、星云等）之间的聚 集形成星系的运动，大气层中的水汽聚集形成大 气运动。在生物界，水中成群游动的鱼，纷乱而 有序地随着洋流和食物忽东忽西，整齐划一地行 进；而当鱼群遇到攻击的时候，倏忽聚散，展现 出十分严密的分工协作；欧椋鸟在迁徙过程中往 往会聚集成巨大的队形，有时甚至会包含上百万 只鸟，庞大的鸟群集体翱翔，在空中形成动态激 荡又迷幻的场景。在微观上，细菌等微生物以及 人类的黑色素细胞也会进行群集运动。总之，无 论是在生命体，还是在非生命体的世界中，都广 泛存在着类似的大规模群体运动场景，这些由大 量相互联系的、不断运动的个体组成的系统表现 出了丰富多彩的群集行为。 1、 蚂蚁 蚂蚁是一种既渺小而又平常的社会性昆虫。 尽管蚂蚁个体比较简单，但整个蚂蚁群体却表现 为一个高度机构化的社会组织，在许多情况下能 完成远远超过蚂蚁个体能力的复杂任务2, 3。自然 界中的蚂蚁在环境中释放出一种化学刺激物 信息素。通过信息素的作用，蚁群能够找到食物 源和巢穴之间的最短路径。蚂蚁不仅可以检测出 信息素的含量，而且可以根据

3、信息素的浓度确定 其前进的方向。信息素随时间的推移逐渐挥发， 蚂蚁走过的路径上信息素浓度会不断得到加强， 进而促使更多蚂蚁选择该路径。大量的蚂蚁个体 通过这种简单的信息交流，实现了正反馈的信息 学习机制，因而能够快速找到从食物源到巢穴的 2014 No.2 All About Systems and Control 77 图1 蚂蚁群体 图2 蜜蜂群体 图3 鸟群 系统与控制纵横 2014年第2期78 最短路径（如图1所示）。 2、 蜜蜂 生物学家K. Frisch教授发现，虽然自然界中 各社会阶层的蜜蜂只能完成单一的任务，但是 蜜蜂通过摇摆舞、气味等多种信息交流方式，使 得整个蜂群总是能很自如地发现优良蜜源（或花 粉），实现自组织行为4，K. Frisch教授也正是 靠他研究蜜蜂行为取得的成果而获得了1973年的 诺贝尔生理学和医学奖。蜂巢中的一部分蜜蜂作 为采蜜蜂，它们不断并随机地在蜂巢附近寻找蜜 源5,6。如果这些采蜜蜂发现了花蜜超过某个阈值 的蜜源，则飞回蜂巢并用摇摆舞告知其他蜜蜂。 摇摆舞是蜜蜂之间交流信息的一种基本形式，它 传达了有关蜂巢周围蜜源的重要信息（如蜜源方 向及离

4、巢距离等），其他蜜蜂利用这些信息准 确评价蜂巢周围的蜜源质量。当采蜜蜂跳完摇摆 舞之后，就与巢中的一些同伴一起飞回原先找到 的蜜源采蜜。跟随采蜜蜂的蜜蜂数量取决于蜜源 质量。以这种方式，蜂群能快速且有效地找到花 蜜。蜜蜂采蜜通常要先判断蜜源质量。如果在采 集该蜜源之后，其花蜜质量仍然很高，它们会回 到蜂巢继续通过摇摆舞招募更多的同伴去采蜜 （如图2所示）。 3、 鸟 在众多类型的生物群集行为中，鸟群有组织 的群集飞行行为是一种最容易观察，同时又极具 研究价值的生物学现象7, 8。鸟群在迁徙或者归巢 中飞行得十分协调，时而向左，时而旋转，时而 如万马腾空跳跃，在空中呈现出蔚为壮观的景象 （图3）。鸟群在作“V”字形飞行时，把翅膀放 在同伴飞行产生的气流之上，可以很大程度上节 省体力。在鸟群中常由一只或几只有经验的头鸟 带路，头鸟凭借其丰富的经验为鸟群提供食源、 水源等的可靠信息。大量鸟类集合在一起的时 候，要比单独一只或少量鸟聚集时更容易发现敌 害。在鸟群飞行或栖息时，只要有一只鸟发现敌 害，它就会很快将这个信息以一传十、十传百的 方式传递给所有的鸟，鸟群就会立即采取应急的 对策，或者迅

5、速逃跑，或者一起鸣叫，将敌害吓 退。总之，鸟群在群体飞行中，通过个体间的交 互作用，在集体层面上呈现出具有自组织性、协 作性和群体的稳定性以及对环境的适应能力的有 序行为，并达到共同抵御捕食者、更高效地搜索 （a） （b） （c） 图4 鸟群的行为规则：(a)分离；(b)速度匹配；(c)聚集 2014 No.2 All About Systems and Control 79 资源或捕食和加强整体决策能力的效果（如图3所 示）。 通过对鸟群迁徙行为的观察，C.Reynolds认为 鸟能感知周围一定范围内邻近个体的飞行信息9， 在每一时刻做出的飞行决策都要遵循三条简单的 行为规则，即避免碰撞、速度一致、以及向群体 中心聚集（如图4所示）。 4、 鱼 鱼在单独游动时是盲目的，捕食和躲避攻击 都是缺乏保证。而在鱼群中，只要有一条鱼发现 了食物，整群鱼都会得到信息，体现出了集体觅 食的效果（如图5所示）。而当有捕食者接近的时 候，鱼群边缘的鱼就会有快速逃避的行动，并带 动整个鱼群产生倏忽的散聚1。研究发现，鱼是 通过观察同伴身体两侧的侧线，来调节自己的游 向和速度，进而维持相互之间的适当距离，

6、以此 便形成了整个鱼群特定的自组织方式。对于捕食 者来说，大量鱼群的聚集既是个诱惑，又是个陷 阱。鱼群闪动的鳞光，会起到干扰和分散捕食者 注意力的效果；同时，当近处的鱼快速逃避的时 候，会使捕食者误以为远处的鱼还未发觉，但是 鱼群内部的侧线反馈机制使远处的鱼逃避更快， 使得捕食者很难捕捉住食物。 5、 细菌 细菌在营养猎求与繁殖中同样不是以单个细 胞进行，细菌之间也存在信息交流，即“群体感 应”，这使得细菌具有协调的生理行为10。作为 一个整体，细菌迁移至一个更加舒适的环境或营 养更为充足的地方，需要探测附近是否有“敌 友”时，每个细菌个体都会向周围环境中释放一 个分子。敌人或朋友在感应到这些分子之后，便 会前来“应战”或“聚会”。成员越多，自然就 越容易引来敌人或朋友（如图6所示）。烦扰人类 几个世纪的霍乱、肺炎，以及食物中毒，就是各 种细菌召唤朋友聚会的后果。 各种细菌在自己的 地盘上各司其职，相互配合，促进细菌群体的稳 定。 二、什么是群体智能？ 自然界的各种群体现象表现出了分布式、协 调、自组织、稳定、智能涌现等特点，而群体智 能的概念正是来自对自然界中生物群体的观察， 图5

7、鱼群 系统与控制纵横 2014年第2期80 指的是受群居性动物集体行为启发，用于设计问 题求解算法和分布式系统的理论与方法2。 M. Millonas教授在研究群居动物的行为时， 系统性提出了群体智能行为应该遵循的五条基本 原则11，分别为：（1）邻近原则，群体能够进行 简单的空间和时间计算；（2）品质原则，群体能 够响应环境中的品质因子；（3）多样性反应原 则，群体的行动范围不应该太窄；（4）稳定性原 则，群体不应在每次环境变化时都改变自身的行 为；（5）适应性原则，在所需代价不太高的情况 下，群体能够在适当的时候改变自身的行为。这 些原则说明实现群体智能的智能主体必须能够在 环境中表现出自主性、反应性、学习性和自适应 性等智能特性，而群体智能的核心即为由众多简 单个体组成的群体能够通过相互之间的简单合作 来实现某一功能，完成某一任务。 群体中不存在中心控制，生物个体间的相互 合作是分布式的，因而它更能够适应当前网络环 境下的工作状态，并且具有较强的鲁棒性，即不 会由于某一个或某几个个体出现故障而影响整个 群体的稳定。群体中的每个成员都只能感知局部 信息，不能直接拥有全局信息，并且群

8、体中每个 个体的能力或遵循的行为规则非常简单，因而群 体智能实现起来更加简单方便。群体中的各成员 之间有时会通过非直接通信的方式进行合作，因 而随着个体数目的增加，通信开销的增幅较小， 也就具备了较好的扩展性。 现有的对群体智能的研究，大都是从某种由 大量生物个体表现出的群体行为出发，从中提取 模型或者建立规则，进而提出算法解决实际问 题。群体智能研究的一个热点研究领域是以蚁 群、鸟群等为生物基础所提出的蚁群优化算法12 和粒子群优化算法13为代表，这类算法侧重于个 体解之间的交互，通过不断的交互、调整对解空 间的适应，找到问题更好的解，主要用于连续域 和离散域的各类优化问题的求解14。另一个群体 智能的热点研究领域则包括了多运动体系统（如 地面机器人、智能车辆、无人机、卫星、无人艇 等）的分布式自主协调控制，受群体智能的启 发，借鉴生物群体的智慧，将群体智能应用到多 运动体系统智能自主控制中，通过设计合适的分 布式自主控制算法，使整个多运动体系统自主呈 图6 细菌群体 2014 No.2 All About Systems and Control 81 现出协调有序的智能行为15,

9、16, 17。 如今，群体智能已经成为一个备受关注的研 究热点和前沿性课题，近些年一直有大量有价值 的研究成果陆续发表在许多国际知名学术期刊上 (包括顶级国际期刊Nature和Science)， 从而使群体智能展现出勃勃生机和广阔的发展前 景。 三、从生物群体映射到无人机群体 通过模拟蚁群、鸟群、蜂群、鱼群等生物群 体智能行为，而形成的多平台分布式自组织控制 方面的研究，采用了自底向上的数据驱动和建模 方法，将简单对象聚成大集合，通过简单平台主 体的协调合作来实现全局的智能行为，从而具有 了生物群体那样的协调、鲁棒等优势。构成群体 的智能平台可以是机器人、智能车辆、水面或水 下舰艇，也可以是无人机、人造卫星等，其中多 无人机集群的智能控制尤其受到人们的重视18。 美军著名的“虫群”战术就是受到了蚂蚁群 体行为的启发，目的是使战场上各个分散行动的 小组为了同样一个目标各显神通，最快最早成功 的那个小组的行动模式将马上被推广到全军行 动，“虫子”可以是蚂蚁、蜜蜂，也可以是无人 机、智能车辆或是步兵。在“虫群”战术的指引 下，美陆军提出了无人机的“蜂群”战术。在未 来战争上，携带导弹、制导炸弹等空战武器的无 人机群通过数据链或者卫星信道可获得同一目标 坐标并对同一目标实施饱和攻击，就形成了一个 可遮蔽一定空域的火力群“蜂群”。敌方对 无人机群难以全部定位和摧毁，因而对“蜂群” 所实施的饱和攻击难以全面防御；同时，“蜂 群”在饱和攻击中较容易突破严密的防御体系， 对敌关键目标实施致命打击。 无人机是一种有动力、可控制、能携带多种 任务设备、执行多种任务，并能重复使用的无人 飞行器，也是一种充分利用信息技术革命成果而 发展的高性能信息化平台。无人机不仅可广泛用 于通讯、气象、灾害监测、农业、地质、交通 等多个民用领域，而且还可应用于智能监控和侦 察、人工干扰、诱饵、网点通信、对敌防空压 制、攻击机/巡航导弹防御、目标攻击、空空作 战、边境巡逻等军事领域。无人机的“自动控 制”与“自主控制”的主要区别就在于：“自动 控制”是系统精确地按照程序执行任务，而系统 本身并没有选择与决策的能力；而“自主控制” 则需要无人机自身在必要的时刻做出决策19。因 此，无人机自主控制

《从群体智能到多无人机自主控制》由会员suns****4568分享，可在线阅读，更多相关《从群体智能到多无人机自主控制》请在金锄头文库上搜索。