從群體智能到多無人機自主控制

漫談系統(tǒng)與控制

從群體智能到多無人機自主控制

段海濱北京航空航天大學飛行器控制一體化技術國家級重點實驗室

自然界一直是人類創(chuàng)造力的豐富源泉，人類認自主控制之間的映射關系。最后，簡要介紹了國

識事物的能力來源于與自然界的相互作用之中。內外多無人機自主控制方面的代表性進展。

自然界中的許多自適應優(yōu)化現(xiàn)象不斷給人以啟示:

一、自然界中典型的群體行為

生物體和自然生態(tài)系統(tǒng)可通過自身的演化就使許

自然界中的個體聚集時往往能夠形成協(xié)調、

多在人類看起來高度復雜的問題最終得到完美的

有序，甚至令人感到震撼的運動場景也比如在宏

解決。本文首先介紹自然界中典型的群體行為，

觀上，天體(恒星、行星、星云等)之間的聚集

包括群居性的昆蟲(螞蚊、蜜蜂)、鳥、魚以及細

形成星系的運動，大氣層中的水汽聚集形成大氣

菌。自然界中廣泛存在著協(xié)調有序的大規(guī)模群體

運動。在生物界，水中成群游動的魚，紛亂而有

運動行為，為群體智能(SwarmIntelligence,SI)

序地隨著洋流和食物忽東忽西，整齊劃一地行

的產生與發(fā)展提供了豐富的思想源泉。然后，介

進；而當魚群遇到攻擊的時候，倏忽聚散，展現(xiàn)

紹了群體智能的基本概念、特征以及目前存在的

出十分嚴密的分工協(xié)作；歐棕鳥在遷徙過程中往

兩個主要研究領域.接著，從生物群體談到了多

往會聚集成巨大的隊形，有時甚至會包含上百萬

無人機(UnmannedAerialVehicles,UAVs)的

只鳥，龐大的鳥群集體翱翔，在空中形成動態(tài)激

自主控制，分析了無人機自主控制的基本內涵和

蕩又迷幻的場景。在微觀上，細菌等微生物以及

自主能力等級劃分，闡述了群體智能與多無人機

人類的黑色素細胞也會進行群集運動?？傊?，無

論是在生命體，還是在非生命體的世界中，都廣

2014No.2AllAboutSystemsandControl77

泛存在著類似的大規(guī)模群體運動場景，這些由大信息素。通過信息素的作用，蚊群能夠找到食物

量相互聯(lián)系的、不斷運動的個體組成的系統(tǒng)表現(xiàn)源和巢穴之間的最短路徑。螞蟻不僅可以檢測出

出了豐富多彩的群集行為。信息素的含量，而且可以根據(jù)信息素的濃度確定

1、螞蟻其前進的方向.信息素隨時間的推移逐漸揮發(fā)，

螞蟻是一種既渺小而又平常的社會性昆蟲。螞蟻走過的路徑上信息素濃度會不斷得到加強，

盡管螞蟻個體比較簡單，但整個螞蟻群體卻表現(xiàn)進而促使更多螞蟻選擇該路徑。大量的螞蟻個體

為一個高度機構化的社會組織，在許多情況下能通過這種簡單的信息交流，實現(xiàn)了正反饋的信息

完成遠遠超過螞蟻個體能力的復雜任務葛兒自然學習機制，因而能夠快速找到從食物源到巢穴的

界中的螞蟻在環(huán)境中釋放出一種化學刺激物—

圖1螞蟻群體

78系統(tǒng)與控制縱橫2014年第2期

圖2蜜蜂群體

圖3鳥群

最短路徑（如圖1所示X后，就與巢中的一些同伴一起飛回原先找到的蜜

2、蜜蜂源采蜜。跟隨采蜜蜂的蜜蜂數(shù)量取決于蜜源質

生物學家K.Frisch教授發(fā)現(xiàn)，雖然自然界中量。以這種方式,蜂群能快速且有效地找到花

各社會階層的蜜蜂只能完成單一的任務，但是蜜蜜。蜜蜂采蜜通常要先判斷蜜源質量。如果在采

蜂通過搖擺舞、氣味等多種信息交流方式，使得集該蜜源之后，其花蜜質量仍然很高，它們會回

整個蜂群總是能很自如地發(fā)現(xiàn)優(yōu)良蜜源（或花到蜂巢繼續(xù)通過搖擺舞招募更多的同伴去采蜜

粉），實現(xiàn)自組織行為網(wǎng)，K.Frisch教授也正是靠（如圖2所示1

他研究蜜蜂行為取得的成果而獲得了1973年的諾3、鳥

貝爾生理學和醫(yī)學獎。蜂巢中的一部分蜜蜂作為在眾多類型的生物群集行為中，鳥群有組織的

采蜜蜂，它們不斷并隨機地在蜂巢附近尋找蜜源群集飛行行為是一種最容易觀察，同時又極具研

⑸*如果這些采蜜蜂發(fā)現(xiàn)了花蜜超過某個閾值的究價值的生物學現(xiàn)象億明鳥群在遷徙或者歸巢中

蜜源，則飛回蜂巢并用搖擺舞告知其他蜜蜂。搖飛行得十分協(xié)調，時而向左，時而旋轉，時而如

擺舞是蜜蜂之間交流信息的一種基本形式，它傳萬馬騰空跳躍，在空中呈現(xiàn)出蔚為壯觀的景象

達了有關蜂巢周圍蜜源的重要信息（如蜜源方向（圖3］鳥群在作"V"字形飛行時，把翅膀放

及離巢距離等），其他蜜蜂利用這些信息準確評價在同伴飛行產生的氣流之上，可以很大程度上節(jié)

蜂巢周圍的蜜源質量。當采蜜蜂跳完搖擺舞之省體力。在鳥群中常由一只或幾只有經驗的頭鳥

2014No.2AllAboutSystemsandControl79

帶路，頭鳥憑借其豐富的經驗為鳥群提供食源、方式傳遞給所有的鳥，鳥群就會立即采取應急的

水源等的可靠信息。大量鳥類集合在一起的時對策，或者迅速逃跑，或者一起鳴叫，將敵害嚇

退。總之，鳥群在群體飛行中，通過個體間的交

互作用，在集體層面上呈現(xiàn)出具有自組織性、協(xié)

作性和群體的穩(wěn)定性以及對環(huán)境的適應能力的有

序行為，并達到共同抵御捕食者、更高效地搜索

資源或捕食和加強整體決策能力的效果（如圖3

所示、

通過對鳥群遷徙行為的觀察,C.Reynolds認

為鳥能感知周圍一定范圍內鄰近個體的飛行信息

⑸，在每一時刻做出的飛行決策都要遵循三條簡單

的行為規(guī)則，即避免碰撞、速度一致、以及向群

體中心聚集（如圖4所示）。

（C）

圖4鳥群的行為規(guī)則：（a）分離；（b）速度匹配；（c）聚集

候，要比單獨一只或少量鳥聚集時更容易發(fā)現(xiàn)敵

害。在鳥群飛行或棲息時，只要有一只鳥發(fā)現(xiàn)敵

害，它就會很快將這個信息以一傳十、十傳百的

80系統(tǒng)與控制縱橫2014年第2期

4、魚魚群內部的側線反饋機制使遠處的魚逃避更快，

魚在單獨游動時是盲目的，捕食和躲避攻擊都使得捕食者很難捕捉住食物。

是缺乏保證。而在魚群中，只要有一條魚發(fā)現(xiàn)了

5、細菌

食物，整群魚都會得到信息，體現(xiàn)出了集體覓食細菌在營養(yǎng)獵求與繁殖中同樣不是以單個細胞

的效果（如圖5所示I而當有捕食者接近的時進行，細菌之間也存在信息交流，即"群體感

候，魚群邊緣的魚就會有快速逃避的行動，并帶應"，這使得細菌具有協(xié)調的生理行為皿。作為

動整個魚群產生倏忽的散聚山研究發(fā)現(xiàn)，魚是通一個整體，細菌遷移至一個更加舒適的環(huán)境或營

過觀察同伴身體兩側的側線，來調節(jié)自己的游向養(yǎng)更為充足的地方，需要探測附近是否有"敵

和速度，進而維持相互之間的適當距離，以此便友”時，每個細菌個體都會向周圍環(huán)境中釋放一

形成了整個魚群特定的自組織方式。對于捕食者個分子。敵人或朋友在感應到這些分子之后，便

來說，大量魚群的聚集既是個誘惑，又是個陷會前來"應戰(zhàn)"或"聚會"。成員越多，自然就

阱。魚群閃動的鱗光，會起到干擾和分散捕食者越容易引來敵人或朋友（如圖6所示1煩擾人類

注意力的效果；同時，當近處的魚快速逃避的時幾個世紀的霍亂、肺炎，以及食物中毒，就是各

候，會使捕食者誤以為遠處的魚還未發(fā)覺，但是種細菌召喚朋友聚會的后果。各種細菌在自己的

地盤上各司其職，相互配合，促進細菌群體的穩(wěn)

圖5魚群

定。

2014No.2AllAboutSystemsandControl81

二、什么是群體智能？下，群體能夠在適當?shù)臅r候改變自身的行為。這

自然界的各種群體現(xiàn)象表現(xiàn)出了分布式、協(xié)調、些原則說明實現(xiàn)群體智能的智能主體必須能夠在

自組織、穩(wěn)定、智能涌現(xiàn)等特點，而群體智能的環(huán)境中表現(xiàn)出自主性、反應性、學習性和自適應

概念正是來自對自然界中生物群體的觀察，性等智能特性，而群體智能的核心即為由眾多簡

圖6細菌群體單個體組成的群體能夠通過相互之間的簡單合作

來實現(xiàn)某一功能，完成某一任務。

指的是受群居性動物集體行為啟發(fā)，用于設計問

群體中不存在中心控制，生物個體間的相互合

題求解算法和分布式系統(tǒng)的理論與方法鞏

作是分布式的，因而它更能夠適應當前網(wǎng)絡環(huán)境

M.Millonas教授在研究群居動物的行為時，

下的工作狀態(tài)，并且具有較強的魯棒性，即不會

系統(tǒng)性提出了群體智能行為應該遵循的五條基本

由于某一個或某幾個個體出現(xiàn)故障而影響整個群

原則，分別為：鄰近原則，群體能夠進行

in1(1)體的穩(wěn)定。群體中的每個成員都只能感知局部信

簡單的空間和時間計算；品質原則，群體能

(2)息，不能直接擁有全局信息，并且群體中每個個

夠響應環(huán)境中的品質因子；(3)多樣性反應原

體的能力或遵循的行為規(guī)則非常簡單，因而群體

則，群體的行動范圍不應該太窄；穩(wěn)定性原

(4)智能實現(xiàn)起來更加簡單方便。群體中的各成員之

則，群體不應在每次環(huán)境變化時都改變自身的行

間有時會通過非直接通信的方式進行合作，因而

為；(5)適應性原則，在所需代價不太高的情況

82系統(tǒng)與控制縱橫2014年第2期

隨著個體數(shù)目的增加，通信開銷的增幅較小，也而使群體智能展現(xiàn)出勃勃生機和廣闊的發(fā)展前

就具備了較好的擴展性。良

現(xiàn)有的對群體智能的研究,大都是從某種由大

三、從生物群體映射到無人機群體

量生物個體表現(xiàn)出的群體行為出發(fā)，從中提取模

通過模擬蟻群、鳥群、蜂群、魚群等生物群體

型或者建立規(guī)則，進而提出算法解決實際問題。

群體智能研究的一個熱點研究領域是以蟻群、鳥智能行為，而形成的多平臺分布式自組織控制方

群等為生物基礎所提出的蟻群優(yōu)化算法回和粒子面的研究，采用了自底向上的數(shù)據(jù)驅動和建模方

群優(yōu)化算法⑸為代表，這類算法側重于個體解之法，將簡單對象聚成大集合，通過簡單平臺主體

的協(xié)調合作來實現(xiàn)全局的智能行為，從而具有了

間的交互，通過不斷的交互、調整對解空間的適

應，找到問題更好的解，主要用于連續(xù)域和離散生物群體那樣的協(xié)調、魯棒等優(yōu)勢。構成群體的

智能平臺可以是機器人、智能車輛、水面或水下

域的各類優(yōu)化問題的求解n久另一個群體智能的

熱點研究領域則包括了多運動體系統(tǒng)（如地面機艦艇，也可以是無人機、人造衛(wèi)星等，其中多無

人機集群的智能控制尤其受到人們的重視口叫

器人、智能車輛、無人機、衛(wèi)星、無人艇等）的

分布式自主協(xié)調控制，受群體智能的啟發(fā)，借鑒美軍著名的“蟲群"戰(zhàn)術就是受到了螞蟻群體

生物群體的智慧，將群體智能應用到多運動體系行為的啟發(fā)，目的是使戰(zhàn)場上各個分散行動的小

統(tǒng)智能自主控制中，通過設計合適的分布式自主組為了同樣一個目標各顯神通，最快最早成功的

控制算法，使整個多運動體系統(tǒng)自主呈那個小組的行動模式將馬上被推廣到全軍行動，

現(xiàn)出協(xié)調有序的智能行為g16,17］?！跋x子"可以是螞蟻、蜜蜂，也可以是無人機、

智能車輛或是步兵。在"蟲群”戰(zhàn)術的指引下，

如今，群體智能已經成為一個備受關注的研究

美陸軍提出了無人機的"蜂群”戰(zhàn)術.在未來戰(zhàn)

熱點和前沿性課題，近些年一直有大量有價值的

爭上，攜帶導彈、制導炸彈等空戰(zhàn)武器的無人機

研究成果陸續(xù)發(fā)表在許多國際知名學術期刊上（包

群通過數(shù)據(jù)鏈或者衛(wèi)星信道可獲得同一目標坐標

括頂級國際期刊《Nature》和《Science》）,從

并對同一目標實施飽和攻擊，就形成了一個可遮

2014No.2AllAboutSystemsandControl83

蔽一定空域的火力群"蜂群"。敵方對無人的定義，無人機自主控制能力分為如圖7所

機群難以全部定位和摧毀，因而對"蜂群"所實示的10個等級，包括單機自主（遙引導、實

施的飽和攻擊難以全面防御；同時，"蜂群"在時故障診斷、故障自修復和環(huán)境自適應、機

飽和攻擊中較容易突破嚴密的防御體系，對敵關載航路重規(guī)劃\多機自主（多機協(xié)調、多機

鍵目標實施致命打擊。戰(zhàn)術重規(guī)劃、多機戰(zhàn)術目標\機群自主（分

無人機是一種有動力、可控制、能攜帶多種布式控制、機群戰(zhàn)略目標、群集全自

任務設備、執(zhí)行多種任務，并能重復使用的主）㈤2%

無人飛行器，也是一種充分利用信息技術革

命成果而發(fā)展的高性能信息化平臺。無人機

不僅可廣泛用于通訊、氣象、災害監(jiān)測、農

業(yè)、地質、交通等多個民用領域，而且還可

應用于智能監(jiān)控和偵察、人工干擾、誘餌、

網(wǎng)點通信、對敵防空壓制、攻擊機/巡航導彈

防御、目標攻擊、空空作戰(zhàn)、邊境巡邏等軍

圖7無人機自主等級劃分及美軍無人機自主能力進展隨

事領域。無人機的“自動控制"與"自主控

制”的主要區(qū)別就在于："自動控制"是系著無人機單機自主性、機載計算能力及信

統(tǒng)精確地按照程序執(zhí)行任務，而系統(tǒng)本身并

息技術的不斷發(fā)展，無人機必將朝著網(wǎng)絡化、分

沒有選擇與決策的能力；而"自主控制"則

布式、自主協(xié)同控制的方向發(fā)展，而不同任務和

需要無人機自身在必要的時刻做出決策口叫

類型的異構多無人機自主協(xié)同以及有人/無人自主

因此，無人機自主控制應該使無人機具有自

協(xié)同也是無人機自主控制的發(fā)展目標。如圖8所

治的能力，必須能夠在不確定性的對象和環(huán)

示，面向智能化和自主化發(fā)展的無人機技術，由

境條件下，在無人參與的情況下，持續(xù)完成

單無人機控制向著多無人機控制，由集中式控制

必要的控制功能。根據(jù)美國空軍研究實驗室

向著分布式控制發(fā)展，而最終要使多無人機組成

84系統(tǒng)與控制縱橫2014年第2期

的群體系統(tǒng)能夠像自然界的蟻群、鳥群等一樣協(xié)是相符的。首先從實現(xiàn)方式來看：群體生物在運

調有序的進行決策、運動。通過多無人機集群自動中，每一個體都要感知鄰近個體的信息，并相

主控制的實現(xiàn)，使得大量具備有限自主能力的無應地調整自身速度；多無人機集群飛行中，單個

人機平臺組成的多無人機群體能夠自主地飛向任無人機同樣需要進行通信及環(huán)境信息感知，并借

務區(qū)域，同時避免無人機之間的相互碰撞，而且助外部和自身的信息自主決策；二者實質上都是

整個多無人機群體可以自主處理任務指令，并使一種分布式決策。其次從結果或者需求上來看，

用視覺感知等人工智能的手段來探測、定位環(huán)境群體生物通過分布式決策，最終使得整個群體從

中的障礙或者目標。宏觀上涌現(xiàn)出自組織、協(xié)調、穩(wěn)定及對環(huán)境的適

應；而多無人機系統(tǒng)則是通過分布式決策實現(xiàn)能

夠組織完善、高度協(xié)調、強魯棒的集群飛行。

表1群體智能與多無人機系統(tǒng)的對照關系

群體智能多無人機系統(tǒng)

行為主體生物個體無人機

活動空間（食物任務區(qū)域（搜索或

行為空間

區(qū)域、巢穴等）偵察區(qū)域等）

圖8無人機發(fā)展趨勢

覓食、歸巢、澗聚集、編隊飛行、

具體行為

多無人機自主控制技術借鑒了自然界中群體智游、捕獵等搜索等

能的自組織機制，使具備有限自主能力的多無人

機在沒有集中指揮控制的情況下，通過相互信息四、多無人機自主控制的代表性研究

交互產生整體效應，實現(xiàn)較高程度的自主協(xié)作，多無人機集群自主控制要求在沒有集中指揮的

從而能在盡量少的人員干預下完成預期的任務目情況下，協(xié)調具備有限自主能力的多架無人機，

標122,23］。表1給出了群體智能與多無人機系統(tǒng)的通過相互信息交互產生整體效應，從而能在盡量

對照關系，而群體智能中所體現(xiàn)出的智能涌現(xiàn)特少的人員干預下完成預期的任務目標。多無人機

點與復雜戰(zhàn)場環(huán)境下對多無人機自主控制的要求自主控制的主要研究內容為無人機之間的交互、

2014No.2AllAboutSystemsandControl85

通信、協(xié)作、控制等，這些都可以從群體智能中

得到啟示。

比利時布魯塞爾自由大學IRIDIA實驗室的M.

Dorig。教授在對螞蟻、蜜蜂的分工、搬運、筑巢

等行為的研究中，發(fā)現(xiàn)了社會性昆蟲的自組織和

自組裝能力。以此為理論基礎，M.Dorigo教授

圖9M.Dorigo團隊的Swarm-bots與多無人機

首先提出了著名的蟻群優(yōu)化算法，用人工螞蟻來的異構協(xié)同驗證

模仿自然螞蟻，在走過的路徑上留下信息素，為

解決各種尋優(yōu)問題提供了一種新的方法。該算法

已經被成功地應用在很多復雜的組合優(yōu)化問題

上。此后，M.Dorig。教授又展開了群體機器人

自組織、自組裝以及協(xié)作的研究，值得一提的是

他主持的Swarm-bots項目因⑶。該項目是為了

圖10J.How團隊的多無人機自主飛行驗證美

研究一種設計和實現(xiàn)自組織和自組裝人工物的新

國麻省理工學院的J.How教授領導的研究小組對

方法，具體目標是建立一個由多個簡單便宜的、

無人機平臺和任務的健康管理、面向多無人機操

類似昆蟲的機器人群體，使之具有自組織和自組

控的實時任務管理系統(tǒng)以及支持全天候任務執(zhí)行

裝的能力來適應環(huán)境。M.Dorigo主要以地面的

的操控接口等問題展開研究囤，使多無人機系統(tǒng)

微小型移動機器人群為實驗平臺，但是后期也引

具備在動態(tài)環(huán)境中持續(xù)執(zhí)行預先制定任務的能力

入了無人機對地面機器人進行監(jiān)視（如圖9所

（如圖10所示\該研究小組通過10架四旋翼無

示I

人機系統(tǒng)的300余次測試驗證了多無人機群集自

主飛行的可行性。

美國賓夕法尼亞大學的V.Kumar教授控制

16-20架小型四旋翼無人機在室內組成各種形狀

86系統(tǒng)與控制縱橫2014年第2期

的飛行集群（如圖11所示）,整個多無人機系統(tǒng)主飛行，他們還在無人機上安裝了激光測距儀用

具有協(xié)同飛行、軌跡規(guī)劃、規(guī)避障礙等能力，僅以實現(xiàn)對障礙物的規(guī)避。在2014年2月的新加坡

需一名操控員就能指揮一群無人機，而不必每架航空展上，他帶領的團隊展示了多架無人機根據(jù)

無人機都要由一人或數(shù)人遙控12刀。多無人機群體程序自主書寫毛筆字的精彩表演（如圖12所

系統(tǒng)不僅具有了像鳥群一樣的穩(wěn)定飛行、避障、示、

著陸、翻轉和目標識別等功能，還能夠實現(xiàn)多無瑞士科學家S.Hauert及其研究團隊主持的

人機編隊的協(xié)同工作，具有極強的控制穩(wěn)定性和SMAVNET項目利用固定翼無人飛行器作為實驗平

魯棒性，臺固，成功地利用Reynolds模型中的“聚集"、

"避撞"、"并列"三條準則實現(xiàn)了多無人機自主

群集編隊任務。小型固定翼飛行器（如圖13所示）

較之無人地面機器人或旋翼飛行器，需要始終保持

一定的向前飛行的速度，并且無法進行大角度的急

轉彎；另外由于受機載設備條件所限，其通信范圍

圖11V.Kumar團隊的多無人機集群飛行驗證

受限.S.Hauert團隊將各無人飛行器保持在不同

高度以防止無人機間發(fā)生碰撞，最終成功實現(xiàn)了

Reynolds群體運動三準則網(wǎng)。

圖12B.M.Chen團隊在新加坡航展上用無人

機書寫毛筆字

新加坡國立大學的B.M.Chen教授長期從事

固定翼以及旋翼式無人機自主控制方面的研究，

利用室內導航和相關視覺算法實現(xiàn)了無人機的自

2014No.2AllAboutSystemsandControl87

圖14鴿群內部的層級引領網(wǎng)絡

圖13S.Hauert團隊的多無人機自主編隊飛行驗證網(wǎng)絡，建立起鴿子個體之間緊密的關系，從而讓

匈牙利羅蘭大學T.Vicsek教授帶領的團隊為了獲整個鴿群呈現(xiàn)出令人驚嘆的特技表演.基于對鴿

取鴿群的飛行軌跡，在鴿子身上安裝了高精度輕型群內部通信結構的研究，T.Vicsek教授首次實現(xiàn)

GPS設備皿3］通過對數(shù)據(jù)的分析，發(fā)現(xiàn)不同的了如圖15所示的多架四旋翼無人機的室外分布式

鴿子在選擇飛行方向時存在特征延遲時間，表明每完全自主編隊飛行。室外完成編隊飛行任務無法

一對鴿子之間都存在著引領與跟隨的角色，即鴿群使用精度相對較高的室內定位技術，因此工

內部有著明確的層次等級結構網(wǎng)絡（如圖14所示\Vicsek團隊使用GPS作為位置測量裝置。所有無

正是這樣一個復雜的等級結構人機均處于同一水平高度，借助改進的自推動粒

子運動機制，實現(xiàn)自主的避障、編隊飛行、隊形

重構等任務。類似于生物群體不受到中心控制節(jié)

點的指揮一樣，在T.Vicsek的無人機群集中同樣

無

88系統(tǒng)與控制縱橫2014年第2期

圖15T.Vicsek團隊的多無人機室外自主編隊飛行驗證體智能的多無人機編隊自主協(xié)調及驗證”的項目

研究(如圖16所示\通過多無人機編隊自主協(xié)

需地面站或者其他集中式數(shù)據(jù)處理與控制單元，

調，可將復雜的任務拆分為若干簡單的任務,通

而所有的計算過程均由各個無人機上的機載計算

過任務分配和協(xié)調控制由編隊中的不同無人機執(zhí)

機完成［32,33］。行，使作戰(zhàn)和偵查任務能夠更加高效可靠地執(zhí)

我們國家近幾年對于多無人機自主控制方面，行。相較于單機飛行，它可更加有效提高飛行氣

先后設立了國家973計劃、國家863計劃、國家動效率以及任務執(zhí)行效率。但是多無人機編隊帶

自然科學基金、探索一代、裝備預研等系列項來的通信拓撲、控制框架和穩(wěn)定性等新問題，需

目。筆者所在的仿生自主飛行系統(tǒng)研究組多年來要選擇合適的控制策略來解決。目前對多無人機

一直從事群體智能及其在多無人機自主控制方面協(xié)調控制方面的研究缺少面向能夠集成多種協(xié)調

的研究工作，并在2014年獲批了國家自然基金重機制，適合多種協(xié)調任務的通用的結構和方法。

點項目(61333004)的資助，正在開展“基于群傳統(tǒng)方法很難適應信息不完全、環(huán)境不確定、任

2014No.2AllAboutSystemsandControl89

務復雜、高動態(tài)的態(tài)勢，我們在項目中巧妙利用符這一特點，開展了基于群體智能的多無人機編

群體智能的動態(tài)性、自組織性、并行性、協(xié)調隊自主協(xié)調驗證研究，相關成果也為用群體智能

性、強魯棒性等特點與未來復雜任務環(huán)境要求相解決其它復雜問題提供有意義的探索和借鑒。

圖16筆者研究組的群體智能多無人機協(xié)同編隊架構及平臺驗證

五、結語

采用群體智能對多無人機自主控制技術進行研究和應用，可提高無人機系統(tǒng)的

自治能力，受群體智能啟發(fā)而展開的多無人機協(xié)調控制技術研究正處于快速發(fā)展階

段。隨著對無人機自主能力需求的不斷提高，多無人機自主集群飛行必將成為未來

無人機系統(tǒng)應用的重要樣式。群體智能在沒有集中控制、不提供全局信息的前提

下，為尋找復雜問題的解決方案提供了新的思路。針對各種復雜威脅環(huán)境，將群體

智能應用于解決多無人機編隊自主協(xié)調控制問題，對于極大提高執(zhí)行任務的有效性

有重要意義，特別是在戰(zhàn)場環(huán)境下，可大大提高無人機的生存概率。可以預見，隨

90系統(tǒng)與控制縱橫2014年第2期

著生物醫(yī)學、腦神經科學與控制科學的不斷交叉和深度融合，必將在群體智能以及

多無人機自主控制這兩個熱點研究領域產生出更為豐碩的成果。

參考文獻[9]ReynoldsC.Flocks,birds,andschools:a

[1]VicsekT,ZafeirisA.Collectivemotion,Physicsdistributedbehavioralmodel.Computer

Reports,2012,517(3-4):71-140.Graphics,1987,21:2534.

[2]BonabeauEG,DorigoM,TheraulazG.[10]PassinoKM.Biomimicryofbacterialforaging

Inspirationforoptimizationfromsocialinsectfordistributedoptimizationandcontrol.IEEE

behavior.Nature,2000,406:39-42.ControlSystemsMagazine,2002,22(3):52-67.

[3]段海濱.蟻群算法原理及其應用.北京:科學出版社，[11]MillonasM.Swarm,phasetransitions,and

2005.collectiveintelligence.InLangtonCG,Ed.,

[4]FathianM,AmiriB,MaroosiA.ApplicationofArtificialLifeIII.AddisonWesley,Reading,MA.

honeybeematingoptimizationalgorithmon1994.

clustering.AppliedMathematicsand[12][12]DorigoM,ManiezzoV,ColorniA.Ant

Computation,2007,190(2):1502-1513.system:Optimizationbyacolonyof

[5]KarabogaD,BasturkB.Apowerfulandefficientcooperatingagents.IEEETransactionson

algorithmfornumericalfunctionoptimizationSystems,Man,andCybernetics-PartB,1996,

artificialbeecolony(ABC)algorithm.Journalof26(1):29-41.

GlobalOptimization,2007z39(3):459-471.[13]EberhartRC,ShiY.Particleswarmoptimization:

[6]段海濱，張祥銀，徐春芳.仿生智能計算.北京:科學Developments,applicationsandresources.

出版社,2011.ProceedingsofCongressonEvolutionary

[7]CavagnaA,CimarelliA,GiardinaI,etal.Computation,2001:81-

Scalefreecorrelationsinstarlingflocks.86.

ProceedingsoftheNationalAcademyof[14]段海濱,孫昌浩,史玉回.群體智能研究進展，中國自

Sciences,2010,107(26):1186511870.動化學會通訊,2013,34(3):65-74.

[8]UsherwoodJR,StavrouM,LoweJC,etal.[15]SwainDT,CouzinID,LeonardNE.Real-time

Flyinginaflockcomesatacostinpigeons.feedback-controlledroboticfishforbehavioral

Nature,2011,474(7352):494-497.experimentswithfishschools.Proceedingsof

theIEEE,2012,100(1):150-163.

2014No.2AllAboutSystemsandControl91

[16]Olfati-SaberR.Flockingformulti-agentinteractionsincollectiverobotics.IEEERobotics

dynamicsystems:algorithmsandtheory.IEEE&AutomationMagazine,2005,12(2):21-28.

TransactionsonAutomaticControl,2006,51(3):[25]/

401-420.[26]HowJBBethkeB,FrankA,etal.