生物、机器与社会的群体智能——11所高校联合发起的群体智能读书会

导语

如果你对这些反直觉但极有用的现象感兴趣——从蚁群搭桥、鱼群同步、到无人机集群表演、集群机器人协作、群智优化与多智能体系统、网络舆论建模研究等——欢迎加入「群体智能」读书会：我们用动物—人类—机器三条线，希望把群体智能的涌现这件事讲清楚、讲透彻；用物理学、数理逻辑、多主体建模、计算传播等多学科视角，去追问同一个核心：集群何以比个体更聪明？群体智能又在何时涌现？

集智俱乐部联合北京师范大学系统科学学院韩战钢教授、暨南大学计算传播研究中心赵甜芳副教授、新疆大学物理科学与技术学院玉素甫·艾比布拉副教授等来自11所高校的学者，共同发起本次「群体智能」读书会，尝试用一条普适的线索，把自然界的鸟群蚁群、人类社会的集群行为、以及人工智能时代的多智能体与群智优化，放在同一张地图上重新理解。读书会自2026年1月17日开始，安排在每周六下午 14:00–16:00，欢迎所有对群体智能如何涌现、如何被理解、以及如何被设计，感兴趣的朋友一起加入：带着问题来，带着更有趣的问题去。

蚂蚁群体能把钢琴搬运几何难题解决掉，而人类会出现三个和尚没水喝的尴尬处境——这不是搞笑段子，而是一篇发表在PNAS的跨物种对照实验结论：单个蚂蚁不理解全局，却能通过局部信息的互动产生短期集体记忆，让集群表现随规模提升而变强，涌现出群体智能；人类个体更聪明，但集群协作高度依赖沟通，一旦规模太大，就会被低效沟通拖累。

难道是人类智慧不如蚂蚁？当然不是。真正的分水岭不在于个体的大脑有多聪明，而在于集群如何涌现出智能。亚里士多德曾说过整体大于部分之和；安德森用一句More is Different概括涌现——规模足够大、系统内存在非线性相互作用，会涌现无法在个体层面出现的新规律；图灵也提醒过我们：世界的智慧常常不在个体，而在规则与连接；2024年诺贝尔物理学奖授予Hopfield与Hinton，表彰他们在人工神经网络方面的奠基性工作——神经网络的本质，恰恰就是许多简单单元在相互作用中形成整体能力的集群计算，正如Hopfield所说：

“Computational propertiesemergeascollective phenomenaof large systems withsimple components.”

所以蚂蚁并不是更有智慧，它只是更擅长把简单规则叠加成可扩展的协作；人类也不是不擅长协作，而是我们的集群性能更取决于沟通机制与组织结构——连接模式合适，一群个体才会真正变成一个系统。

如果你对这些反直觉但极有用的现象感兴趣——从蚁群搭桥、鱼群同步、到无人机集群表演、集群机器人协作、群智优化与多智能体系统、网络舆论建模研究等——欢迎加入「群体智能」读书会：我们用动物—人类—机器三条线，希望把群体智能的涌现这件事讲清楚、讲透彻；用物理学、数理逻辑、多主体建模、计算传播等多学科视角，去追问同一个核心：集群何以比个体更聪明？群体智能又在何时涌现？

集智俱乐部联合北京师范大学系统科学学院韩战钢教授、暨南大学计算传播研究中心赵甜芳副教授、新疆大学物理科学与技术学院玉素甫·艾比布拉副教授等来自11所高校的学者，共同发起本次「群体智能」读书会，尝试用一条普适的线索，把自然界的鸟群蚁群、人类社会的集群行为、以及人工智能时代的多智能体与群智优化，放在同一张地图上重新理解。

读书会自2026年1月17日开始，安排在每周六下午14:00–16:00，欢迎所有对群体智能如何涌现、如何被理解、以及如何被设计，感兴趣的朋友一起加入：带着问题来，带着更有趣的问题去。

读书会背景

群体智能，无论在自然系统、生物系统、人工系统还是社会系统中，总是反复出现：集群在信息汇聚、协同决策与环境适应上的能力，常常能在某些条件下优于个体，它既存在于鸟群、蚁群、蜂群等生物系统，也正在快速渗透到人类社会与人工智能的多种场景之中。

但这也带来一组更本质、更值得追问的问题：

1. 鸟群齐飞、蚁群筑巢的自然智慧，如何被“翻译”成无人机集群、智能电网的人工系统？

2. 既能抱团攻坚复杂任务，又能自适应感知环境，智能集群算法的玄机何在？

3. 为何集群近临界态被认为是系统稳定性与适应性的关键？如何识别这种特殊的状态？

4. 集群临界态与哥德尔不完备定理背后的数理逻辑，如何为集群研究打开新视角？

5. 当成千上万的智能体需要协同工作，“大规模群智优化”如何避免各自为战？

6. 多任务并行处理已成常态，“分布式群智优化”如何让不同智能体各尽其责？

7. “昂贵优化”中的昂贵到底指什么？如何突破这种昂贵限制？

8. 群智进化优化与个体强化学习，如何合作攻克“复杂路径优化”难题？

9. 网络传播的集群演化与调优，能否帮助我们更好地控制信息扩散、遏制谣言传播？

10. 统计物理、系统科学、人工智能的跨界合作，为群体智能研究带来哪些惊喜？

正是在这样的背景下，我们发起本次「群体智能」读书会：希望汇聚物理学、数学、系统科学、计算机科学与社会科学等多元视角，围绕群体智能的机制、模型、理论与应用展开跨学科讨论。读书会将按研究主体贯通动物—人类—机器三条主线，并结合物理学、多主体建模、计算传播学等方法论视角，形成一套更可对话的共同语言。

本次读书会以“局部规则到群体智能”为主线，围绕群体智能的理论、算法两大核心板块展开研讨：

其一是理论板块，以生物集群实验数据为基础，结合机器人集群与多智能体系统的涌现行为，整合临界态识别、统计物理建模与广义哥德尔不完备定理等数理逻辑相关成果，从复杂系统科学与物理双重视角，审视临界性、复杂性与群体智能三者的内在关联；

其二是算法板块，集中分享高维优化、分布式协同、多任务学习、昂贵演化问题的前沿群体智能算法，并针对复杂路径优化、复杂网络传播治理、残片复原等实际NP难问题开展算法攻关，实现技术突破。

你将收获

前沿视野：

系统把握自然与人工集群系统、临界性假说、集群机器人与群智优化的整体脉络，梳理从生物集群到工程系统再到数理逻辑的跨学科发展线索。

理论工具：

了解多智能体模型、Master方程、临界性指标、机器学习识别相变方法，范畴论和广义哥德尔不完备定理，以及群体智能与演化算法在高维、分布式、多任务和昂贵优化中的关键技术框架，为后续研究打下可直接调用的工具箱基础。

实践认知：

通过鱼群、蚁群、鸡群、机器人集群、网络传播和碎片复原等具体案例，看到模型和算法如何落地到真实系统中，理解涌现机制–控制策略–工程实现之间的闭环关系。

思维破圈：

打破对集群系统、临界性和数理逻辑的过于抽象滤镜，从同一套概念体系出发，同时审视自然行为、工程设计和智能算法，形成跨物理–计算–逻辑的综合思考方式。

同好联结：

在读书会中结识关注群体智能、演化优化、网络传播与复杂系统的伙伴，交流各自领域中的问题与模型，碰撞出新的合作方向与研究灵感。

认知升级与方向启发：

无论是规划个人课题、重构知识体系，还是寻找新问题入口，都有机会从本次读书会中获得新的概念坐标与方法论支点，为后续在多智能体系统、群智优化或复杂系统理论上的深入探索提供助推。

运行模式

群体智能读书会 · 2026季

开营：2026.1.17 下午2:00-4:00

形式：每周六下午，11讲+1圆桌 | 线上腾讯会议+北京集智谷线下场

权益：专属群交流 + 视频回放

行动：扫码报名，锁定席位

读书会内容详情

（群体智能读书会内容导图）

1月17日 第一期：从自然到人工集群系统的实验、模型应用

主讲人

韩战钢，北京师范大学系统科学学院二级教授，校系统分析与集成实验室主任，国务院学位委员会系统科学评议组成员，联合国教科文组织复杂系统数字校园副主席，兼任多个学术团体理事。

他长期致力于系统科学的基础理论研究，建立了演化算法收敛复杂性理论，系统地研究自然与人工集群系统，生物集群行为的现象和对称破缺机制，机器人集群的自组织协同，以及多智能体在其他领域的应用。

他的研究得到多项国家自然科学基金项目、科技部重大专项和企事业单位支持，研究成果得到同行高度评价。

研究方向：复杂系统理论，信息的功能性应用，基于 agent 建模，信息网络，遗传算法，蚁群，鱼群，机器人群体实验。

个人主页：https://sss.bnu.edu.cn/t/~zhan。

内容简介

本期读书会立足于系统科学中“自底向上”的建模范式，旨在探讨复杂系统中微观个体交互与宏观涌现现象之间的内在联系。我们将首先聚焦于生物集群行为，结合蚁群与鱼群的实证实验数据，分析生物个体如何通过简单的局部规则与环境适应性，涌现出复杂的群体智能。

在此基础上，通过引入 Boids、Vicsek 等经典多主体模型以及基于概率的 Master 方程，深入剖析支撑集群行为的底层动力学机制，并利用统计物理学中的相变与临界态理论，对系统在从无序到有序演化过程中的整体状态进行严谨的定量分析。

进而，读书会将从自然界的演化机制延伸至人工系统的工程实践，重点阐述机器人集群领域的研究进展与相关关键技术。我们将探讨如何将生物界中发现的自组织协同机制转化为可计算的控制算法，使大规模机器人群体在无中心控制的情况下实现高效的分工、协作与环境适应。通过对机器人集群综述及具体研究工作的剖析，展示多主体建模理论在构建具有高鲁棒性与智能化的机器系统中的核心应用价值，从而揭示从生物本能到机器智能的跨学科演化路径。

1月24日 第二期：社会性生物集群的互动规律研究1.《鱼群动态互动规律研究：从个体行为到群体协同的涌现机制》

主讲人

薛婷婷，昆明理工大学理学院系统科学系讲师，硕士生导师，2024年毕业于北京师范大学系统科学学院并获博士学位。主要从事生物集群行为社会互动机制的研究，聚焦鸟群、鱼群等集群系统的动力学规律，融合实验模型构建、多尺度数据分析与机器学习方法，揭示集群涌现、自适应调控及环境响应的核心机制。在Physical Review Research、Machine Learning: Science and Technology、PLOS Computational Biology等期刊发表多篇论文，主持数学建模与机器学习交叉项目、高校人培项目。

报告简介

近年来，生物集群行为是复杂系统研究的重要方向，其在多生命尺度中展现的自组织、自适应群体协同特性，既是理解生命系统宏观功能的关键，也为人工智能等领域提供重要生物启发，对揭示非线性系统涌现规律具有重要科学意义。在集群行为的调控要素中，社会互动是连接个体行为与群体动态的核心纽带——它决定个体对环境信息的整合、对邻居行为的响应，直接塑造群体空间分布、运动同步性及信息传递效率等。

然而，传统研究难以量化多因素交叉下社会互动的动态变化，导致 “微观互动 - 宏观涌现” 的认知存在断层，厘清其调控规律成为领域核心突破点。本报告以鱼类集群为载体，结合实验观测与数据驱动建模，阐述环境因子、物种感知差异、异质性个体对社会互动的调控机制，解析相互作用函数以建立社会互动与集群涌现的定量关联，为理解集群协同本质提供支撑，同时为集群智能、生物行为调控等领域提供新思路。

2.《社会性昆虫的集体响应与状态切换：蚁群行为的实验与理论框架》

主讲人

张一帆，北京师范大学系统科学学院在读博士生。主要从事生物集群系统的涌现特征与动力学机理研究。研究重点包括蚁群在刺激环境下的自组织状态切换、个体间信息传递的相关性，以及微观行为如何驱动群体层面的协调模式。

报告简介

群体行为作为复杂系统研究的重要前沿，在社会性昆虫中展现出高度协调、适应性强的集体智能。以蚂蚁为代表的生物群体利用简单规则、局部交互与信息整合实现了远超个体能力的涌现行为。探究蚁群在动态环境与外部扰动下的集体响应规律，为理解群体决策、协作控制和集群职能系统提供了关键启示。

本课题组通过设计可控的外部刺激，结合轨迹提取与多个体交互分析，构建Master方程和多主体模型，系统研究蚂蚁在外界扰动下从个体到群体的响应机制以及状态切换条件。本报告从文献前沿到自主实验，展示蚁群行为研究的发展脉络、关键机制与新的科学问题，并探讨其对复杂系统与群体智能研究的启示。研究为理解蚁群在刺激情境下的集体响应规律提供新的实证证据，也为构建多智能体系统的协同机制模型提供新视角。

1月31日 第三期：智能集群协同与对抗研究1.《集群系统及行为动力学机理研究

主讲人

于沛志，北京师范大学系统科学学院在读博士生。主要从事集群系统及行为动力学机理研究。研究重点包括集群追逃行为博弈，集群系统异质性与自组织状态转换、集群系统多尺度表征等。

报告简介

近年来，从局部规则出发刻画群体智能的生成机制，已成为复杂系统与计算智能领域的热点方向。Reynolds 的 Boids 三规则、Vicsek 自驱动粒子模型、Couzin 感知区域模型以及 Helbing 社会力模型等经典工作表明：个体只需依托邻域感知与简单互动，即可自发形成队列、环行、聚散等多样的时空有序结构。它们从几何邻域、速度对齐和社会力等不同视角，为理解群体协同行为提供了基础范式，但在处理个体异质性、环境信息场和演化过程等方面仍存在局限。

本报告将以这些经典集群模型为起点，介绍本课题组在多智能体集群建模方面的进展：一方面通过 Master 方程与 Agent-based 模型相结合，在微观决策—宏观统计之间建立联系；另一方面构建基于信息素场的蚁群模型和数据驱动的鱼群 burst-and-coast 模型，揭示个体社会相互作用、环境约束与群体模式转换之间的定量关系。报告旨在从经典模型过渡到改进的模型，展示在保持局部规则简洁性的同时如何提升对真实生物集群与工程集群系统的解释与预测能力。

2.《集群机器人行为涌现及协同对抗研究》

主讲人

郑雅婷，柏林洪堡大学博士后研究员，并加入智能科学集群研究团队。研究方向主要聚焦于群体机器人的协同合作机制，目前涉及仿生集群运动控制、协同构建技术以及真实群体机器人系统中的主动弹性模型控制，曾基于E-puck、Stigmergic积木系统及BuilderBot机器人平台开展研究。2022年1月获得北京师范大学博士学位，并于2018年9月至2020年12月期间在比利时布鲁塞尔自由大学进行联合培养，师从Michael Allwright博士后研究员与Marco Dorigo教授。作为SCIoI项目B3的集成方向博士后，当前正基于Thymio机器人集群开展研究，致力于将不同集体行为整合为群体引导行为。

报告简介

自然界中存在各种令人震撼的生物集群行为。揭示和归纳各类生物涌现行为的普适规律是当今复杂系统领域研究热点之一。受到生物集群智能启发，集群机器人系统旨在设计和建立由大量简单机器人组成的协同合作系统，通过机器人之间以及机器人与环境之间相互作用，在宏观层面自组织涌现出个体层面不存在的集群智能。

与简单个体机器人相比，集群机器人系统具有更好的灵活性、容错性、可扩展性以及稳定性。科学家发现通过建立理想化的生物集群模型，将运动个体抽象为质点，设计局部相互作用规则，在计算机仿真中可以模拟和预测复杂的生物集群行为。然而，理想化的生物集群模型往往不能直接应用于实际的集群机器人系统。

一方面，生物集群模型存在着不可忽略的理想化假设：个体对局域邻居无偏好选择、个体速度大小固定和无边界限制等；另一方面，集群机器人系统自身也面临着各种问题与挑战：计算复杂度高、通信和定位技术限制以及难以建立可重复操作的实验平台等，使得当前只有少数实验成功地实现大规模集群机器人的自组织涌现行为或者协同合作完成特定场景的任务。

根据上述理想化生物集群模型和实际集群机器人系统面临的问题与挑战，本报告以生物集群模型为切入点，多种集群机器人系统为实际应用场景，详细讲解如何在集群机器人系统实现类似生物集群行为的一致、旋转等涌现行为，以及如何在多种混合集群机器人上实现集群协同和对抗。

2月7日 第四期：集群的近临界态假说与识别研究1.《临界性假说 —— 跨尺度生物集群系统的普适性法则》

主讲人

林国政，北京交通大学系统科学学院讲师，硕士生导师，2024年毕业于北京师范大学系统科学学院。主要从事各类复杂系统涌现特征与机理的研究，包括鱼群、蚁群生物集群系统、多智能体系统、交通系统等。在Physical Review Letters、PRX Life、PLoS Computational Biology等期刊上发表论文10余篇，主持中央高校基本科研业务费、中国博士后科学基金面上项目、国家自然科学专项项目子项目。

报告简介

近年来随着人工智能领域各种颠覆性技术的不断涌现，群体智能也越来越受到人们的关注。群体智能通过研究自然界中分散、自组织的生物集群系统（如鸟群、鱼群），实现分布式、去中心化的智能行为。跨尺度的生物集群的共性是在环境刺激或扰动下能够展现出快速响应、动态协同的能力，这种能力或许与统计物理学中的“临界态”相关。

近几年一些最新的实验证据支持了“临界性假说”，认为生物集群让自身处于或接近临界状态，从而获得对环境扰动的最大敏感性。临界性假说的重要性在于，它不仅适用于鱼群、鸟群、人群等宏观尺度集群，而且能解释大脑神经元、微生物、细胞等微观尺度集群对环境刺激的响应能力，即“运行在临界状态”可能是跨尺度集群系统适应环境的普适性策略。

本期读书会将介绍临界性假说的主要内容，总结国内外以及本人在临界性相关研究的前沿进展，并给出临界性原理在集群机器人、智能涌现、生态环保等领域可能的应用方向。

2.《基于人工智能的集群近临界态识别》

主讲人

吴天毅，北京师范大学系统科学学院在读博士生。主要从事集群系统临界态识别与调控研究，聚焦集群临界态理论，致力于建立基于观测数据的生物与人工集群临界态识别方法，探索引导集群演化至临界态的调控机制，揭示临界动力学行为在追逃博弈等功能性场景中的涌现优势与应用潜力。

报告简介

长期以来，科学界普遍认为生物集群系统之所以能够涌现出高度的群体智能，在复杂环境实现高效协同，关键在其处于有序与无序的边界，即“临界态”或“混沌边缘”。这一“临界态假说”为理解跨尺度系统的自组织机制提供了统一框架。

然而，在实际研究与应用中，往往难以识别一个系统是否处于临界态。传统方法通常依赖于对系统全局状态的大量观测以计算序参量或关联长度，或需人工结合先验知识进行建模。这种对全局全量数据和先验知识的依赖，极大地限制了其在许多观测受限或机制未知的真实复杂系统中的应用。

随近年来人工智能技术的飞速发展，数据驱动的方法有望为这一难题提供解决方案。本报告将首先简要回顾集群运动的临界态假说及其物理意义，随后总结近年来国内外及本人在将人工智能应用于集群临界态识别方面的最新进展，并展望相应技术在集群机器人设计、生物群体行为分析等领域的潜在应用方向。

2月14日 第五期：广义哥德尔不完备定理与集群临界态的数理逻辑刻画

主讲人

马治峰，北京师范大学系统科学学院在读硕士。主要从事范畴逻辑与集群临界态的数理逻辑刻画研究，研究工作跳出了传统的动力学模拟框架，转而从元数学的角度，探索复杂性涌现的逻辑本源。研究重点包括广义哥德尔不完备定理、范畴论解释器视角下的复杂性度量，以及利用哥德尔不完备空间刻画临界态、超验证明等。

报告简介

本期读书会将展示如何将经典的哥德尔不完备定理推广到广义框架（GGIC），并揭示其与复杂系统临界态之间的深刻联系。核心内容包括：

1. 广义哥德尔不完备定理的建立

• 从传统的语法-语义对偶出发，构建维度化的不完备空间理论

• 提出不完备空间维度公式

• 揭示这一框架在物理系统、计算理论和人工智能中的普适性

集群临界态的逻辑本质

• 证明临界态在数学上等价于"不完备空间"

• 建立相变对称性破缺与逻辑公理之间的对应关系

• 以捕食-被捕食模型为例，展示临界态参数的逻辑推导

跨学科应用的突破

• 复杂系统：为临界现象提供可计算的逻辑参数

• 人工智能：阐述强人工智能与不完备性理解的本质关联

报告亮点：

• 首次建立哥德尔不完备性与复杂系统临界态的严格数学联系

• 提出"逻辑临界性"的新概念，为多学科交叉研究提供统一框架

• 展示如何用数理逻辑工具量化描述传统上只能定性讨论的临界现象

适合听众：

• 复杂系统、人工智能、理论计算机科学研究者

• 对数理逻辑与自然科学交叉感兴趣的学生学者

• 希望了解前沿跨学科研究方法的科研人员

本报告将展现数学基础理论如何为复杂系统研究提供全新的分析工具和理论视角，推动我们对"复杂性"本质的理解。

2月28日 第六期：基于统计物理与鸡群行为启发的复杂网络连通支配集模型研究

主讲人

玉素甫·艾比布拉，博士，现任新疆大学物理科学与技术学院副教授。2015年毕业于中国科学院理论物理研究所，获理论物理博士学位，同年9月入职新疆大学开展教学与科研工作。

长期致力于统计物理与复杂系统领域研究，在《Journal of Statistical Mechanics》和《Journal of Statistical Physics》等统计物理权威国际期刊发表论文6篇，研究成果聚焦复杂网络优化问题（如支配集、连通支配集）的统计物理建模，熟练运用自旋玻璃理论、和渗流理论等方法开展理论推导与算法优化。

近年将研究视角拓展至动物群体行为领域，通过观察生态养鸡过程中的群体自组织现象，探索从中提炼复杂系统的普适性规律与物理建模思想，力求实现物理理论与实际应用的跨学科融合，为复杂系统研究及生态养殖技术优化提供创新思路。

报告简介

最小支配集（MDS）作为复杂网络优化中的经典问题，其核心约束可通过统计物理局域相互作用模型精准刻画。我们采用自旋玻璃理论为框架的统计物理BPD算法，还有核渗流理论和全域掐叶算法，实现了对MDS最优基态能量的精准预言，模型计算结果与理论最优解高度契合。然而，在拓展至连通支配集（MCDS）研究时，传统局域相互作用模型因难以精准表达连通性全局约束，导致预测结果与基态能量存在显著偏差，这一矛盾揭示了全局拓扑约束与局域物理建模之间的本质冲突。

为突破这一理论瓶颈，我们开始关注动物群体行为研究视角，基于两年生态散养鸡群的系统观察，挖掘鸡群自组织行为中的涌现性规律。我们发现，鸡群在觅食、避险及夜栖等场景中，会自发形成兼具“覆盖性”与“连通性”的动态群体结构：个体通过局部信息交互（如视觉识别、声音通讯）实现群体范围的资源覆盖，同时维持群体连通以保障信息传递与集体防御，这一特征与MCDS的“支配+连通”双重约束高度契合。

我们进一步将鸡群行为机制转化为统计物理模型的优化策略，通过引入“动态交互权重”与“群体连通性惩罚项”，改进传统局域能量函数，实现对全局连通约束的有效刻画。该模型不仅为解决复杂网络MCDS问题提供了新的物理建模思路，更直接为规模化生态散养鸡群管理提供技术支撑——基于模型优化的鸡群分布调控方案，可实现养殖区域的资源高效利用与鸡群行为稳定性的动态平衡，为高福利生态养鸡模式的标准化推广奠定理论与实践基础。

3月7日 第七期：大规模群智协同优化算法研究

主讲人

杨强，南京信息工程大学副教授（校聘教授），南京信息工程大学龙山学者，硕士生导师；分别于2014年和2019年在中山大学信息科学与工程学院和数据科学与计算机学院获得硕士和博士学位；主要从事计算智能算法及其应用研究，累计发表学术论文100余篇，其中在人工智能领域的国际顶级期刊IEEE Transactions系列期刊发表论文10余篇，累计Google Scholar引用3200余次，1篇论文入选ESI高被引论文，1篇论文获评IEEE SMC2022（CCF C类会议）最佳学生论文提名奖，1篇论文获评IEEE ICACI2023（计算智能领域旗舰会议）最佳论文奖；1篇论文获评IEEE MiTA2024（计算智能领域旗舰会议）最佳论文奖；授权发明专利15项；2020年入选江苏省双创博士计划，2022年获评校五四青年奖章，2023年获评校首批十大青年科技之星，2024年入选江苏省第七期“333工程”第三层次人才计划，主持国家自然科学基金项目2项，江苏省自然科学基金项目1项，江苏省高等学校自然科学基金面上项目1项。

报告简介

高维度大规模优化问题在日常生活和工业生产中日益常见，尤其在当今物联网环境下，优化问题的维度日益增多，变量耦合性日益增强，优化复杂度日益增加，导致传统优化算法无法有效求解。凭借对待解优化问题无任何数学特性要求、全局搜索能力强、内在并行特性等优势，群体智能算法已经成为了求解大规模复杂优化问题的重要途径之一。

然而高维度环境下，解空间指数式增长，群体协同搜索效率较低；局部最优区域宽且多，群体协同面临局地性；变量紧耦合、解空间高度复杂，群体协同不充分。为有效解决上述问题，项目团队围绕大规模高维度环境下的群体协同交互的高效性和有效性问题，分别提出了支配式群体交互框架，增加群体交互的导向性，提升群体协同搜索的收敛性；提出了邻域式群体交互框架，增加群体交互的多向性，提升群体协同搜索的多样性；提出了差异式群体交互框架，增加群体交互的异向性，提升群体协同搜索的广面性。

依托上述框架，群体智能算法求解大规模复杂优化问题的性能得到了极大提升。本报告将详细介绍上述框架，以期让读者了解提升大规模场景下群体协同交互有效性的方法，从而启发读者开展深入研究，促进大规模群体智能算法的研究进展。

3月14日 第八期：分布式与多任务群智优化算法研究1.《分布式群智协同优化》

主讲人

魏凤凤，华南理工大学计算机科学与工程学院助理教授，硕士生导师，主要研究方向是群体智能、进化计算、分布式优化、数据驱动优化、智能体与多智能体系统，已发表国际期刊和国际会议论文50余篇，其中IEEE Trans.长文15篇；主持国家自然科学基金青年科学基金项目、中国博士后科学基金面上项目、广东省自然科学基金面上项目等；获广东省人工智能产业协会科学技术奖自然科学奖一等奖、第四届国际分布式人工智能会议最佳论文、中国仿真学会智能优化与调度专委优博、ACM广州分会优博；现任中国计算机学会协同计算专业委员会委员。

报告简介

群体智能是汇聚群体智慧协同求解复杂问题的方法，是《新一代人工智能发展规划》明确的重要发展方向，在智能交通、智慧物流等领域得到广泛应用。随着超算、边缘计算等技术的快速发展，传统群体智能方法面临着个体目标难评估、全局信息难汇集、群体协作难拓展的挑战，本报告以分布式数据驱动的群体智能为主题，介绍如何有效利用数据，激发分布式环境下更高效的群智涌现，通过多代理模型协同驱动、按需评估的分布式联邦优化、网络化多智能体协同优化等技术，提高群体智能算法的鲁棒性、高效性、可扩展性；并探索基于智能体的数据驱动群体智能方法，利用大模型提升个体环境感知、任务理解、策略生成能力和群体分布式协作的能力。

2.《多任务群智优化：基于演化迁移学习的算法设计》

主讲人

王子佳，男，博士，广州大学计算机科学与网络工程学院副教授，硕士生导师。主要研究方向：计算智能、群体智能、机器学习。2015年本科毕业于中山大学自动化系，获工学学士学位，2020年直博毕业于中山大学计算机系，获工学博士学位；毕业后至2021年7月在腾讯科技（深圳）有限公司担任高级算法研究员；2021年8月以百人计划青年学者身份进入广州大学任副教授，现在是学院青年干部储备人才。2023-2024年度广州大学“最受学生欢迎的教师”。目前主持国家自然科学基金青年基金项目一项、广东省自然科学基金面上项目三项、广州市基础研究计划市校（院）联合资助项目一项、广州市基础与应用基础研究项目一项。累计发表论文40余篇，其中中科院JCR一区和IEEE Transactions论文20余篇，包括8篇IEEE Transactions on Cybernetics（IEEE TCYB，IF=10.5）、4篇IEEE Transactions on Evolutionary Computation（IEEE TEVC，IF=12.0），5篇入选ESI高被引论文，4篇论文被列入ESI研究前沿。现已荣获吴文俊人工智能优秀博士学位论文奖（全国9人）、ACM广州分会新星奖（广东省3人）、ACM广州分会优秀博士学位论文奖（广东省2人）、广东省计算机科学青年学术秀一等奖（广东省3人）。担任IEEETCYB、IEEE TEVC、IEEE TNNLS、IEEE TSMC、IEEE TIFS、IEEE TETCI等多本顶级刊物的审稿人。现任IEEE高级会员、CCF高级会员、中国计算机学会协同计算专业委员会委员、中国自动化学会粒计算及其应用专业委员会委员、中国仿真学会智能仿真优化与调度专业委员会委员、中国图学学会图学大数据专业委员会委员、广东省计算机学会大数据专业委员会委员。受邀出任亚洲人工智能技术大会（ACAIT 2023/2024/2025）和国际机器智能与应用大会（MiTA2024）的Session Chair，担任国际期刊《Complex System Modeling and Simulation》、《CAAI Transactions on Intelligence Technology》的青年编委，并荣获国际期刊《Human-Centric Intelligent Systems》的杰出审稿人奖。

报告简介

多任务优化（EMTO）是一种群体智能算法领域新涌现出的一种问题范式，通过利用多个优化任务之间的共享知识来同时解决这些任务。目前，多任务优化已广泛应用与工程设计、机器学习和资源分配等众多实际领域。与传统的单任务算法不同，多任务优化中的一个任务的解决方案可以为相关任务提供信息或改进解决方案，从而加速收敛并提高整体性能。因此，不同任务之间的知识转移对于促进任务的优化至关重要。 而实现高效的知识迁移也是多任务优化领域的研究重点。本期读书会从以下三个方面介绍一些最新的知识迁移技术以及对应的多任务算法。包括：

1、多层次多段学习:与传统只在对齐维度上的知识迁移不同，该只是迁移技术瞄准相似或相关的维度上进行KT，同时避免处理异构问题时的维度填充带来的冗余信息。

2、基于神经网络的知识转移：与传统基于个体的表层知识迁移不同，基于神经网络的知识迁移侧重与分析任务的相似性，获得信息预测的转移模型，实现知识的本质迁移。

3、模糊自适应学习:该知识迁移策略首先设计一个从多方面综合评价知识迁移性能的方案，通过不同方面的迁移性能评估，使用模糊逻辑，实现迁移频率的自适应调整。

3月21日 第九期：强化学习路径优化：群体、个体智能协同算法

主讲人

贾亚晖，华南理工大学未来技术学院副教授，博导，广东省珠江人才引进团队骨干，IEEE CIS Taskforce on Evolutionary Scheduling and Combinatorial Optimization组长，CCF协同计算专委会委员。曾担任新西兰惠灵顿维多利亚大学博士后研究员。主要研究方向为智能优化算法，包括进化计算、深度强化学习及其在智慧交通和智慧能源方面的应用，在包括IEEE TEVC, TCYB, TNNLS, WCCI等国际著名期刊和重要国际会议发表论文40余篇。担任Journal of Renewable and Sustainable Energy副编辑。

报告简介

路径优化问题是一类典型的组合优化问题，例如旅行商问题，车辆路径问题，机器人任务分配与调度问题，在现实生活中拥有很多典型的应用，例如外卖派送、物流规划、垃圾回收等。计算智能方法，特别是基于群体智能的进化计算方法和基于个体智能的强化学习方法，目前已经成为解决此类问题的主流。本期读书会将探讨两种不同的计算智能方法在求解路径优化问题时的优劣势，相关算法的设计思路，以及主要关注的科学问题。最后探讨两种方法相结合的可能性。

3月28日 第十期：昂贵演化与协同优化前沿1.《昂贵演化优化：前沿与方法》

主讲人

黎建宇，南开大学人工智能学院引进教师，入选人工智能领域全球前2%顶尖科学家，CAAI优秀博士论文激励计划提名，南开大学人工智能学科振兴计划；主持国自然青年、天津市青年项目B类等项目多项；主要研究方向是人工智能、进化计算、群体智能和大模型，目前已发表学术论文50余篇，包括IEEE Transactions系列的国际高水平学术期刊论文20篇，ESI高被引论文3篇，《计算机学报》等中文核心期刊论文3篇；谷歌学术引用2000余次，H-index为21；获机器智能期刊最高被引论文奖，CAAI会刊《智能系统学报》优秀论文奖；授权国际发明专利1项。

研究成果得到了国际同行的正面评价和应用推广。被包括美国科学促进会会士、欧洲科学院院士、加拿大皇家科学院院士等多国/地区院士、多位IEEE Transactions系列期刊的创始主编及现任主编、IEEE Fellow等著名学者评价为“首创（for the first time）”、“优秀的成果（excellent results）”、“更高效（more efficiently）”和“新兴的课题（emerging topic）”等；被YouTube（AI Trends）、Twitter（MIR_Journal）、腾讯新闻（智能科学汇）等媒体平台作为头条进行宣传和报道；被国内外学者广泛应用于芯片设计、生物医学和物流运输等众多领域的优化问题中，推动相关领域的发展。

报告简介

在“人工智能+”时代，最优化与智能化已成为推动人类社会进步、发展新质生产力的关键力量，更是人工智能迈向更高层次的必然趋势。随着物联网、云计算、大模型、5G和区块链等前沿技术的蓬勃发展，众多优化问题愈发复杂，呈现出大规模、高动态、多峰值、强约束、多目标以及计算成本高昂等多重挑战，这对传统优化算法提出了前所未有的难题。

进化计算与群体智能作为模拟自然界生物进化和群体动物智能行为的先进人工智能算法，凭借其行为的可观察、可感知、可认识、可解释和可调控等独特优势，近年来在知识发现、搜索优化和问题求解等领域得到了广泛应用。然而，面对候选方案评估成本高昂的复杂优化问题，传统进化计算方法在计算效率上仍显不足。

本期读书会将介绍近年来昂贵演化优化方向上的创新成果，这些方法为应对现代超复杂优化问题提供了全新的思路和高效途径，为人工智能领域迈向新的发展阶段起到了推动作用。

2.《残片复原新路径：一种协同进化优化框架》

主讲人

张鑫源，暨南大学智能科学与工程学院，党总支委员，人工智能系主任，硕士生导师，中国计算机学会协同计算专委，珠海计算机学会理事，广东崃智科技有限公司技术总监。主持国家自然科学基金金青年项目，广东省“双创”党建项目。曾在IEEE TEVC，TCSVT，GECCO等国际期刊和会议发表论文20余篇。担任多个国际顶级期刊审稿人。

报告简介

残片复原问题旨在从碎片中复原出原始物体。传统的手工复原技术严重依赖专家知识，且可能会对易碎碎片造成损坏，因此有必要开发自动化复原方法。随着碎片数量的增加，当前的复原算法常常遭遇“维度灾难”，算法的准确性和效率均会受到影响。同时，这些算法主要依赖碎片内容，导致其适用性和可扩展性受限。为应对上述挑战，我们提出了基于协同进化优化框架的新型复原方法。该方法既涵盖了残片复原问题的形式化表达，也包含了为解决该问题而开发的定制算法。

值得注意的是，我们的建模方法与碎片内容无关，仅依赖碎片的边缘形状。基于此种建模方法，解决方案本身就代表了碎片的重建过程。为高效编码候选解，我们采用了树形结构。这种编码方案使得传统的协同进化流程和遗传算法算子（如交叉和变异）不再适用。

因此，我们专门针对复原任务提出了一种树形结构的协同进化算法。我们的目标是克服当前复原算法的局限性，构建更准确、高效的复原方法。为评估所提方法的有效性，我们进行了一系列综合实验。实验结果表明，我们提出的方法在解的质量、收敛速度和鲁棒性方面均取得了令人满意的效果。

4月11日 第十一期：网络传播建模与优化研究1.《多因耦合的网络传播演化建模与优化分析》

主讲人

年福忠，兰州理工大学人工智能研究院院长，二级教授、博导，甘肃省领军人才。博士毕业于大连理工大学，曾任清华大学访问学者（中组部“西部之光”），现为复杂系统智能信息处理团队负责人，入选“陇原青年创新人才扶持计划”等人才计划，兼任中国自动化学会计算社会与社会智能专委会常委，中国医学装备协会医疗器械创新与应用分会常委等。研究成果获甘肃省自然科学二等奖（排名第1），甘肃省高校科技进步一等奖（排名第1），甘肃省高校科研优秀成果二等奖（排名第1），甘肃省教育厅教学成果奖，辽宁省自然科学三等奖等多项奖励。近年来，在以第一作者或通信作者身份在IEEE Trans. NSE、IEEE Trans. CSS等SCI期刊上发表论文100余篇，出版专著1部，教材2部。近年来主持完成包括国家自然基金项目（3项）在内的各类科研项目20余项，其中由其主持研发的多导经络智能检测仪，获国家医疗器械注册证，同时获得1000万元风投基金，产品已在北京护国寺中医医院等多家医院临床应用。相关工作被新华社专访，新浪、凤凰网等国内主流媒体转载。

报告简介

个体因素、群体因素、信息量、网络拓扑、传播模式等因素都会对传播产生影响，为此，我们多角度研究了网络信息、新冠疫情等真实案例在不同情况下的演化规律与传播特征，并为之建模与优化，揭示其背后的机制与规律，进而找到相应的控制策略。

2.《面向网络传播优化分治型群体智能方法》

主讲人

赵甜芳，暨南大学计算传播研究中心特聘研究员，广东省科技创新青年拔尖人才（省部级），广州市网络舆情分级与判定标准起草专家。研究领域包括智能传播、分治型群智优化。累计发表IEEE TCYB/TKDE/TSMC/TNSE/TCSS等在内的期刊及会议论文30余篇，其中包括近10篇顶刊论文。主持国家自然科学基金青年项目一项、省部级项目三项。现为中国计算机学会协同计算专委会执行委员、中国中文信息学会SMP专委会委员，国际期刊Journal of Social Computing青年编委，担任TNNLS/TCSS/TAI/IPM/计算机学报等期刊审稿人。曾获广东省人工智能产业协会科学技术奖自然科学奖一等奖、ACM广州新星奖，近五年指导学生团队获省级以上竞赛奖励30余项，培育成果入选2023年中国计算机学会技术公益案例集。

报告简介

在大数据与人工智能时代，社会网络规模空前庞大，催生了复杂的网络传播难题。本项目针对高维复杂、去中心化且动态不确定的大规模网络传播环境，拟研发一套适配多情景的分治型群体智能方法框架。

具体包括：融合网络拓扑信息与决策空间结构信息的自适应重叠解耦机制，实现群体智能决策空间的有效划分；构建基于非完全信息的分布式自主协同机制，达成去中心化环境下的多种群合作协同演化；针对信息茧房、谣言传播、病毒式传播等网络难题，开展网络传播优化的创新应用。本研究深入探索网络拓扑空间与群体智能决策空间的关联规则，以及群体智能中多种群局部自治与邻域协同的平衡机制，目标是优化正面传播、疏导治理重大突发事件中的负面传播，助力提升网络传播的治理效率与质量。

第十二期：圆桌讨论（暂定于4月18日举行）

圆桌讨论将在11期读书会内容结束之后进行。届时，读书会的发起人韩战钢教授，赵甜芳副教授和玉素甫·艾比布拉副教授，将与集智俱乐部创始人张江教授、CEO张倩共同领衔，就本季群体智能读书会中的热点科学话题展开讨论，为读书会收官。

读书会推荐阅读清单

扫描下方二维码可跳转至集智斑图网站查看群体智能读书会推荐阅读材料

群体智能从自然涌现到人机共创读书会推荐阅读清单

读书会总策划

张倩，集智学园联合创始人兼CEO，南京信息工程大学人工智能学院（原信息与控制学院）硕士毕业，于2016年接手运营集智俱乐部并创办集智学园，开创了集智课堂共学模式，打造了《巴拉巴西网络科学》、《系统科学前沿》、《复杂性思维》等多期课程，组织编写《深度学习原理与Pytorch实战》、主笔《netlogo多主体建模入门》、翻译《复杂——诞生于秩序与混沌边缘的科学》，倩姐公众号主理人。

运营负责人

范瑞骁，北京师范大学系统科学学院硕士研究生，师从北京师范大学系统科学学院韩战钢教授。

报名参加读书会

读书会价格：399元

报名方式：

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：

为维护学术交流的专业性与聚焦度，本读书会对讨论内容作如下约定：

我们鼓励围绕理论生态学及相关具体问题的深入探讨。为保证讨论质量，请避免发表脱离本期读书会主题、缺乏实证基础或过于空泛的哲学思辨类内容。

若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。

感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。

加入社区可享核心资源

成为会员即可解锁完整学习生态，包括：线上实时问答、全部课程录播回看、独家资料共享、高质量社群交流、第一手信息同步，以及通过参与共创任务获取积分等权益。

特色退费与激励机制

我们提供以下两种途径，让您的投入获得实际回馈：

1. 任务达标退费路径：认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。

2. 运营成长激励路径：合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。（详情请见：）

相关内容推荐：