群体智能读书会丨第二期：生物集群的互动规律研究

导语

自然界里，鱼群转向、蚁群协作看似简单，却能形成高度有序的群体行为，这是复杂系统研究的一个核心问题。要理解这种群体智能从何而来，关键在于个体之间的社会互动：它决定个体如何感知环境、如何回应邻居，进而影响队形、同步运动和信息传递。但社会互动会随环境、感知差异和个体异质性不断变化，传统方法很难把这种变化量化清楚。本报告将以鱼群与蚁群为例，结合可控实验、轨迹数据与数据驱动建模，刻画相互作用与状态切换规律，搭起微观互动—宏观涌现的定量桥梁，并讨论对集群智能与多智能体协同的启发。

内容简介

一、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

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。

二、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

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。

分享大纲

内容1 生物集群行为：复杂系统视角与研究意义

• 内容1.1 自组织、自适应与群体协同：多生命尺度下的涌现现象

• 内容1.2 生物启发与非线性涌现规律：面向集群智能与AI的价值

• 内容1.3 核心科学问题：微观互动-宏观涌现的定量桥接缺口

内容2 社会互动机制：连接个体行为与群体动态的纽带

• 内容2.1 社会互动的作用链条：环境信息整合、邻居响应与群体结构形成

• 内容2.2 关键宏观表型：空间分布、运动同步性与信息传递效率

• 内容2.3 难点与突破口：多因素交叉下社会互动动态变化的量化

内容3 鱼类集群：实验观测与数据驱动的相互作用函数解析

• 内容3.1 调控因子：环境因子、物种感知差异与个体异质性

• 内容3.2 方法路径：实验观测 + 数据驱动建模提取交互规律

• 内容3.3 定量关联：解析相互作用函数建立社会互动与涌现的映射

内容4 社会性昆虫：蚁群集体智能的机制与问题框架

• 内容4.1 涌现来源：简单规则、局部交互与信息整合的协同效应

• 内容4.2 刺激与扰动情境：动态环境下的集体响应与群体决策

• 内容4.3 研究目标：刻画从个体到群体的响应机制与状态切换条件

内容5 建模与分析：Master方程与多主体模型的协同框架

• 内容5.1 实验与数据处理：可控外部刺激、轨迹提取与多个体交互分析

• 内容5.2 模型构建：Master方程描述群体状态演化与转移过程

• 内容5.3 多主体模型：从局部交互规则出发复现群体响应与涌现结构

内容6 总结与启发：面向复杂系统与群体智能的研究前景

• 内容6.1 从文献到自主实验：研究脉络、关键机制与新科学问题

• 内容6.2 实证证据与理论支撑：集群协同本质的定量理解

• 内容6.3 迁移与应用：生物行为调控与多智能体协同机制建模新视角

核心概念

• 生物集群行为 Biological Collective Behavior

• 自组织与自适应 Self-organization & Adaptation

• 社会互动 Social Interaction

• 微观互动-宏观涌现 Micro-Macro Emergence

• 相互作用函数 Interaction Functions

• 数据驱动建模 Data-driven Modeling

• Master方程 Master Equation

• 多主体模型 Multi-agent Models

主讲人介绍

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。

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。

参考文献

1. MacGregor H E, Herbert-Read J E, Ioannou C C. Information can explain the dynamics of group order in animal collective behaviour[J]. Nature Communications, 2020, 11(1): 2737.

2. Katz Y, Tunstrøm K, Ioannou C C, et al. Inferring the structure and dynamics of interactions in schooling fish[J]. Proceedings of the National Academy of Sciences, 2011, 108(46): 18720-18725.

3. Escobedo R, Lecheval V, Papaspyros V, et al. A data-driven method for reconstructing and modelling social interactions in moving animal groups[J]. Philosophical Transactions of the Royal Society B, 2020, 375(1807): 20190380.

4. Feinerman O, Pinkoviezky I, Gelblum A, et al. The physics of cooperative transport in groups of ants[J]. Nature Physics, 2018, 14(7): 683-693.

5. Chandra V, Gal A, Kronauer D J C. Colony expansions underlie the evolution of army ant mass raiding[J]. Proceedings of the National Academy of Sciences, 2021, 118(22): e2026534118.

6. McCreery Helen F, Gemayel Georgina, Pais Ana Isabel, Garnier Simon, Nagpal Radhika. Hysteresis stabilizes dynamic control of self-assembled army ant constructions[J]. Nature Communications, 2022,13(1).

7. Dreyer T, Haluts A, Korman A, et al. Comparing cooperative geometric puzzle solving in ants versus humans[J]. Proceedings of the National Academy of Sciences, 2025, 122(1): e2414274121.

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。

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群体智能相关问题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。

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。