[活动变更为1月24日]韩战钢：从自然到人工集群系统的实验、模型、应用|群体智能读书会（第一期）

导语

活动时间更改通知

因门头沟大雪，这边多为山路，为了大家的安全起见，本次活动顺延下周，1月24日 （周六）下午14：00-16：00，集智谷线下线上同步进行 ，报名仍可继续。

自然界里蚁群搬运、鱼群转向、鸟群编队，看似各自为战，但却能涌现出高度有序的集群行为。本期读书会从生物集群出发，用更统一的视角理解群体智能是怎么从简单的局部规则中涌现：既介绍常见的多主体建模方法，解释感知范围、交互拓扑和噪声如何影响整体形态，也会结合实验与数据驱动研究，说明模型如何复现不同的集体运动。最后把这些思路落地到工程里，看看集群机器人和多无人系统如何借鉴生物机制，并展望用机器学习和大模型从大规模数据中反推交互规则，推动更可解释、可控的人工群体智能。

本期将由北京师范大学系统科学学院韩战钢教授主讲，于2026年1月24日下午14:00-16:00北京门头沟集智谷（First青年电影中心）线下进行，有意线下参会的集智学员可在报名本期读书会，加入学员群后获得线下参会资格。

内容简介

本次分享聚焦集群智能与多主体系统的建模与分析，从自然集群到人工群体的统一刻画出发，梳理关键概念、代表性模型和若干面向未来的研究方向。报告基于蚁群、鱼群、鸟群等典型生物集群，提炼群体在信息汇聚、协同决策、环境适应与鲁棒性方面的功能特征，并结合近年来面向鱼群等体系的精细实验与数据驱动研究，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，展示利用动力系统建模和统计物理工具对集体相位、临界行为和响应模式进行定量描述的路径。

在方法层面，讨论以多主体动力学为核心的集群建模框架，涵盖基于位置与速度的行为规则模型、感知区域模型以及社会力模型，分析局部相互作用结构、感知拓扑与噪声强度对宏观涌现结构和动力学阶段的影响。进一步结合来源于生物实验的数据驱动建模工作，说明如何通过交互强度和控制参数的整定，在模型层面再现多种集体运动形态与群体功能优势。

面向工程应用，分享以集群机器人和多无人系统为代表的相关研究进展，展示生物启发模型向分布式控制策略与群体协同算法的迁移路径，涉及编队保持、任务分配、区域覆盖等典型问题，并简要介绍部分实验实现。最后，讨论利用机器学习与大模型挖掘大规模生物集群数据中隐含交互规则的前景，以及其与多主体建模、遗传算法和神经网络等方法的潜在耦合，为构建具有可解释性和可调控性的人工群体智能勾画一个大纲。

分享大纲

内容1 集群：从自然集群到人工群体的统一视角

• 1.1 关键概念与问题框架：个体—交互—涌现—功能（信息汇聚、协同决策、适应性、鲁棒性）

• 1.2 典型生物案例导入：蚁群/鱼群/鸟群的群体功能与可观测现象

• 1.3 代表性研究方向概览：机制解释 vs 可控设计 vs 可迁移工程化

内容2 数据驱动建模：从生物实验到模型参数与交互规则

• 2.1 精细实验与轨迹数据：可观测量、数据质量与预处理要点

• 2.2 交互强度与控制参数识别：参数整定如何复现多种集体运动形态

• 2.3 功能优势的模型化验证：效率、稳定性、适应性等指标评估

内容3 工程迁移：集群机器人与多无人系统的分布式协同

• 3.1 生物启发到控制策略：从局部规则到分布式控制律的转译

• 3.2 典型任务：编队保持、任务分配、区域覆盖

• 3.3 实验实现与系统挑战：通信约束、延迟、异质性、可靠性

核心概念

集群智能 Swarm Intelligence

多主体动力学 Multi-agent Dynamics

多主体建模 Agent-Based Modeling

涌现与集体相位 Emergence & Collective Phases

相变与临界态 Phase Transitions & Criticality

局部相互作用与感知拓扑 Local Interactions & Sensing Topology

数据驱动建模 Data-driven Modeling

分布式控制与群体协同 Distributed Control & Collective Coordination

可解释与可调控的人工群体智能 Interpretable & Controllable Artificial Collective Intelligence

主讲人介绍

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

参考文献

1. Reynolds C W. Flocks, herds and schools: A distributed behavioral model[C]//Proceedings of the 14th annual conference on Computer graphics and interactive techniques. 1987: 25-34.

2. Vicsek T, Czirók A, Ben-Jacob E, et al. Novel type of phase transition in a system of self-driven particles[J]. Physical review letters, 1995, 75(6): 1226.

3. Helbing D, Molnar P. Social force model for pedestrian dynamics[J]. Physical review E, 1995, 51(5): 4282.

4. Lin G, Escobedo R, Li X, et al. Experimental evidence of stress-induced critical state in schooling fish[J]. PRX Life, 2025, 3(3): 033018.

5. Wang W, Escobedo R, Sanchez S, et al. Collective phases and long-term dynamics in a fish school model with burst-and-coast swimming[J]. Royal Society Open Science, 2025, 12(5): 240885.

6. Xue T, Li X, Lin G Z, et al. Tuning social interactions’ strength drives collective response to light intensity in schooling fish[J]. PLoS computational biology, 2023, 19(11): e1011636.

7. Lin G, Han Z, Shee A, et al. Noise-induced quenched disorder in dense active systems[J]. Physical review letters, 2023, 131(16): 168301.

8. Wang W, Escobedo R, Sanchez S, et al. The impact of individual perceptual and cognitive factors on collective states in a data-driven fish school model[J]. PLoS computational biology, 2022, 18(3): e1009437.

9. Xue T, Li X, Chen X, et al. Machine learning phases in swarming systems[J]. Machine Learning: Science and Technology, 2023, 4(1): 015028.

10. Zheng Y, Han Z. Experimental Implementation of Collective Motion based on Swarm Robotic Control[C]//2020 15th IEEE Conference on Industrial Electronics and Applications (ICIEA). IEEE, 2020: 1526-1531.

11. Ali Z A, Zhangang H. Multi-unmanned aerial vehicle swarm formation control using hybrid strategy[J]. Transactions of the Institute of Measurement and Control, 2021, 43(12): 2689-2701.

12. 王伟嘉, 郑雅婷, 林国政, 等. 集群机器人研究综述[J]. 机器人, 2020, 42(2): 232-256.

13. Ying N, Wang W, Fan J, et al. Climate network approach reveals the modes of CO2 concentration to surface air temperature[J]. Chaos: An Interdisciplinary Journal of Nonlinear Science, 2021, 31(3).

报名读书会：

「群体智能：从自然涌现到人机共创」

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·艾比布拉副教授等学者，共同发起本次，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24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。

报名方式：

第一步：微信扫码填写报名信息。

（扫码报名参加读书会）

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(Swarma Assitant)微信，拉入对应主题的读书会社区（微信群）。

PS：为确保专业性和讨论的聚焦，本读书会谢绝脱离读书会主题和理论生态学问题本身的空泛的哲学和思辨式讨论；如果出现讨论内容不符合要求、经提醒无效者，会被移除群聊并对未参与部分退费。

第一期线下参会方式

线下地点：北京门头沟集智谷（First青年电影中心）

时间：2026年1月24日（周六）下午14:00-16:00

活动参与说明与邀请

一、报名与费用

集智读书会成员：免收茶水最低消费。

非读书会成员：欢迎公开报名，现场最低消费58元

二、集智VIP专属礼遇

为感谢VIP会员的支持，我们已为您预留前排VIP专座与集智手冲咖啡一杯，恭候您的光临。

（扫码报名参加读书会）

直播信息

加入社区后可获得的资源

完整权限包括：线上问答、录播回看、资料共享、社群交流、信息同步、共创任务获取积分等。