|1.1 群体智能概述|

群体智能这一概念最早出现在1989年，用于描述细胞机器人系统，是研究人员受自然界中各类生物群体集群行为的启发而提出的。生物群体由多个单一智能体构成，并且展现出了单一智能体不具备的集体智能（collective intelligence） [1]，群体智能的相关算法包括蚁群优化（ant colony optimization,ACO）算法、粒子群优化（particle swarm optimization,PSO）算法等。

群体智能有以下几个特点。

① 群体智能的控制是分布式的，不存在中心控制，更能够适应当前环境下的工作状态，并且具有较强的鲁棒性，即不会由于某一个或几个个体出现故障而影响群体对整个问题的求解。

② 群体中的每个个体都能够改变环境，这是个体之间间接通信的一种方式，这种方式被称为激发工作。群体智能可以通过间接通信的方式进行信息的传输与合作，并且随着个体数量的增加，通信开销的增幅较小，因而具有较好的可扩充性。

③ 群体中每个个体的能力或遵循的行为规则非常简单，因而群体智能的实现比较方便，具有简单性的特点。

④ 群体表现出来的复杂行为是通过简单个体的交互过程涌现出来的智能，因此，群体智能具有自组织性[2]。群体智能可以在适当的进化机制引导下通过个体交互以某种涌现形式发挥作用，这是个体以及可能的个体智能难以做到的。