導(dǎo)語

如果你對這些反直覺但極有用的現(xiàn)象感興趣——從蟻群搭橋、魚群同步、到無人機(jī)集群表演、集群機(jī)器人協(xié)作、群智優(yōu)化與多智能體系統(tǒng)、網(wǎng)絡(luò)輿論建模研究等——?dú)g迎加入「群體智能」讀書會：我們用動物—人類—機(jī)器三條線，希望把群體智能的涌現(xiàn)這件事講清楚、講透徹；用物理學(xué)、數(shù)理邏輯、多主體建模、計算傳播等多學(xué)科視角，去追問同一個核心：集群何以比個體更聰明？群體智能又在何時涌現(xiàn)？

集智俱樂部聯(lián)合北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院韓戰(zhàn)鋼教授、暨南大學(xué)計算傳播研究中心趙甜芳副教授、新疆大學(xué)物理科學(xué)與技術(shù)學(xué)院玉素甫·艾比布拉副教授等來自11所高校的學(xué)者，共同發(fā)起本次「群體智能」讀書會，嘗試用一條普適的線索，把自然界的鳥群蟻群、人類社會的集群行為、以及人工智能時代的多智能體與群智優(yōu)化，放在同一張地圖上重新理解。讀書會自2026年1月17日開始，安排在每周六下午 14:00–16:00，歡迎所有對群體智能如何涌現(xiàn)、如何被理解、以及如何被設(shè)計，感興趣的朋友一起加入：帶著問題來，帶著更有趣的問題去。

螞蟻群體能把鋼琴搬運(yùn)幾何難題解決掉，而人類會出現(xiàn)三個和尚沒水喝的尷尬處境——這不是搞笑段子，而是一篇發(fā)表在PNAS的跨物種對照實驗結(jié)論：單個螞蟻不理解全局，卻能通過局部信息的互動產(chǎn)生短期集體記憶，讓集群表現(xiàn)隨規(guī)模提升而變強(qiáng)，涌現(xiàn)出群體智能；人類個體更聰明，但集群協(xié)作高度依賴溝通，一旦規(guī)模太大，就會被低效溝通拖累。

難道是人類智慧不如螞蟻？當(dāng)然不是。真正的分水嶺不在于個體的大腦有多聰明，而在于集群如何涌現(xiàn)出智能。亞里士多德曾說過整體大于部分之和；安德森用一句More is Different概括涌現(xiàn)——規(guī)模足夠大、系統(tǒng)內(nèi)存在非線性相互作用，會涌現(xiàn)無法在個體層面出現(xiàn)的新規(guī)律；圖靈也提醒過我們：世界的智慧常常不在個體，而在規(guī)則與連接；2024年諾貝爾物理學(xué)獎授予Hopfield與Hinton，表彰他們在人工神經(jīng)網(wǎng)絡(luò)方面的奠基性工作——神經(jīng)網(wǎng)絡(luò)的本質(zhì)，恰恰就是許多簡單單元在相互作用中形成整體能力的集群計算，正如Hopfield所說：

“Computational propertiesemergeascollective phenomenaof large systems withsimple components.”

所以螞蟻并不是更有智慧，它只是更擅長把簡單規(guī)則疊加成可擴(kuò)展的協(xié)作；人類也不是不擅長協(xié)作，而是我們的集群性能更取決于溝通機(jī)制與組織結(jié)構(gòu)——連接模式合適，一群個體才會真正變成一個系統(tǒng)。

如果你對這些反直覺但極有用的現(xiàn)象感興趣——從蟻群搭橋、魚群同步、到無人機(jī)集群表演、集群機(jī)器人協(xié)作、群智優(yōu)化與多智能體系統(tǒng)、網(wǎng)絡(luò)輿論建模研究等——?dú)g迎加入「群體智能」讀書會：我們用動物—人類—機(jī)器三條線，希望把群體智能的涌現(xiàn)這件事講清楚、講透徹；用物理學(xué)、數(shù)理邏輯、多主體建模、計算傳播等多學(xué)科視角，去追問同一個核心：集群何以比個體更聰明？群體智能又在何時涌現(xiàn)？

集智俱樂部聯(lián)合北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院韓戰(zhàn)鋼教授、暨南大學(xué)計算傳播研究中心趙甜芳副教授、新疆大學(xué)物理科學(xué)與技術(shù)學(xué)院玉素甫·艾比布拉副教授等來自11所高校的學(xué)者，共同發(fā)起本次「群體智能」讀書會，嘗試用一條普適的線索，把自然界的鳥群蟻群、人類社會的集群行為、以及人工智能時代的多智能體與群智優(yōu)化，放在同一張地圖上重新理解。

讀書會自2026年1月17日開始，安排在每周六下午14:00–16:00，歡迎所有對群體智能如何涌現(xiàn)、如何被理解、以及如何被設(shè)計，感興趣的朋友一起加入：帶著問題來，帶著更有趣的問題去。

讀書會背景

群體智能，無論在自然系統(tǒng)、生物系統(tǒng)、人工系統(tǒng)還是社會系統(tǒng)中，總是反復(fù)出現(xiàn)：集群在信息匯聚、協(xié)同決策與環(huán)境適應(yīng)上的能力，常常能在某些條件下優(yōu)于個體，它既存在于鳥群、蟻群、蜂群等生物系統(tǒng)，也正在快速滲透到人類社會與人工智能的多種場景之中。

但這也帶來一組更本質(zhì)、更值得追問的問題：

1. 鳥群齊飛、蟻群筑巢的自然智慧，如何被“翻譯”成無人機(jī)集群、智能電網(wǎng)的人工系統(tǒng)？

2. 既能抱團(tuán)攻堅復(fù)雜任務(wù)，又能自適應(yīng)感知環(huán)境，智能集群算法的玄機(jī)何在？

3. 為何集群近臨界態(tài)被認(rèn)為是系統(tǒng)穩(wěn)定性與適應(yīng)性的關(guān)鍵？如何識別這種特殊的狀態(tài)？

4. 集群臨界態(tài)與哥德爾不完備定理背后的數(shù)理邏輯，如何為集群研究打開新視角？

5. 當(dāng)成千上萬的智能體需要協(xié)同工作，“大規(guī)模群智優(yōu)化”如何避免各自為戰(zhàn)？

6. 多任務(wù)并行處理已成常態(tài)，“分布式群智優(yōu)化”如何讓不同智能體各盡其責(zé)？

7. “昂貴優(yōu)化”中的昂貴到底指什么？如何突破這種昂貴限制？

8. 群智進(jìn)化優(yōu)化與個體強(qiáng)化學(xué)習(xí)，如何合作攻克“復(fù)雜路徑優(yōu)化”難題？

9. 網(wǎng)絡(luò)傳播的集群演化與調(diào)優(yōu)，能否幫助我們更好地控制信息擴(kuò)散、遏制謠言傳播？

10. 統(tǒng)計物理、系統(tǒng)科學(xué)、人工智能的跨界合作，為群體智能研究帶來哪些驚喜？

正是在這樣的背景下，我們發(fā)起本次「群體智能」讀書會：希望匯聚物理學(xué)、數(shù)學(xué)、系統(tǒng)科學(xué)、計算機(jī)科學(xué)與社會科學(xué)等多元視角，圍繞群體智能的機(jī)制、模型、理論與應(yīng)用展開跨學(xué)科討論。讀書會將按研究主體貫通動物—人類—機(jī)器三條主線，并結(jié)合物理學(xué)、多主體建模、計算傳播學(xué)等方法論視角，形成一套更可對話的共同語言。

本次讀書會以“局部規(guī)則到群體智能”為主線，圍繞群體智能的理論、算法兩大核心板塊展開研討：

其一是理論板塊，以生物集群實驗數(shù)據(jù)為基礎(chǔ)，結(jié)合機(jī)器人集群與多智能體系統(tǒng)的涌現(xiàn)行為，整合臨界態(tài)識別、統(tǒng)計物理建模與廣義哥德爾不完備定理等數(shù)理邏輯相關(guān)成果，從復(fù)雜系統(tǒng)科學(xué)與物理雙重視角，審視臨界性、復(fù)雜性與群體智能三者的內(nèi)在關(guān)聯(lián)；

其二是算法板塊，集中分享高維優(yōu)化、分布式協(xié)同、多任務(wù)學(xué)習(xí)、昂貴演化問題的前沿群體智能算法，并針對復(fù)雜路徑優(yōu)化、復(fù)雜網(wǎng)絡(luò)傳播治理、殘片復(fù)原等實際NP難問題開展算法攻關(guān)，實現(xiàn)技術(shù)突破。

你將收獲

前沿視野：

系統(tǒng)把握自然與人工集群系統(tǒng)、臨界性假說、集群機(jī)器人與群智優(yōu)化的整體脈絡(luò)，梳理從生物集群到工程系統(tǒng)再到數(shù)理邏輯的跨學(xué)科發(fā)展線索。

理論工具：

了解多智能體模型、Master方程、臨界性指標(biāo)、機(jī)器學(xué)習(xí)識別相變方法，范疇論和廣義哥德爾不完備定理，以及群體智能與演化算法在高維、分布式、多任務(wù)和昂貴優(yōu)化中的關(guān)鍵技術(shù)框架，為后續(xù)研究打下可直接調(diào)用的工具箱基礎(chǔ)。

實踐認(rèn)知：

通過魚群、蟻群、雞群、機(jī)器人集群、網(wǎng)絡(luò)傳播和碎片復(fù)原等具體案例，看到模型和算法如何落地到真實系統(tǒng)中，理解涌現(xiàn)機(jī)制–控制策略–工程實現(xiàn)之間的閉環(huán)關(guān)系。

思維破圈：

打破對集群系統(tǒng)、臨界性和數(shù)理邏輯的過于抽象濾鏡，從同一套概念體系出發(fā)，同時審視自然行為、工程設(shè)計和智能算法，形成跨物理–計算–邏輯的綜合思考方式。

同好聯(lián)結(jié)：

在讀書會中結(jié)識關(guān)注群體智能、演化優(yōu)化、網(wǎng)絡(luò)傳播與復(fù)雜系統(tǒng)的伙伴，交流各自領(lǐng)域中的問題與模型，碰撞出新的合作方向與研究靈感。

認(rèn)知升級與方向啟發(fā)：

無論是規(guī)劃個人課題、重構(gòu)知識體系，還是尋找新問題入口，都有機(jī)會從本次讀書會中獲得新的概念坐標(biāo)與方法論支點，為后續(xù)在多智能體系統(tǒng)、群智優(yōu)化或復(fù)雜系統(tǒng)理論上的深入探索提供助推。

運(yùn)行模式

群體智能讀書會 · 2026季

開營：2026.1.17 下午2:00-4:00

形式：每周六下午，11講+1圓桌 | 線上騰訊會議+北京集智谷線下場

權(quán)益：專屬群交流 + 視頻回放

行動：掃碼報名，鎖定席位

讀書會內(nèi)容詳情

（群體智能讀書會內(nèi)容導(dǎo)圖）

1月17日 第一期：從自然到人工集群系統(tǒng)的實驗、模型應(yīng)用

主講人

韓戰(zhàn)鋼，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院二級教授，校系統(tǒng)分析與集成實驗室主任，國務(wù)院學(xué)位委員會系統(tǒng)科學(xué)評議組成員，聯(lián)合國教科文組織復(fù)雜系統(tǒng)數(shù)字校園副主席，兼任多個學(xué)術(shù)團(tuán)體理事。

他長期致力于系統(tǒng)科學(xué)的基礎(chǔ)理論研究，建立了演化算法收斂復(fù)雜性理論，系統(tǒng)地研究自然與人工集群系統(tǒng)，生物集群行為的現(xiàn)象和對稱破缺機(jī)制，機(jī)器人集群的自組織協(xié)同，以及多智能體在其他領(lǐng)域的應(yīng)用。

他的研究得到多項國家自然科學(xué)基金項目、科技部重大專項和企事業(yè)單位支持，研究成果得到同行高度評價。

研究方向：復(fù)雜系統(tǒng)理論，信息的功能性應(yīng)用，基于 agent 建模，信息網(wǎng)絡(luò)，遺傳算法，蟻群，魚群，機(jī)器人群體實驗。

個人主頁：https://sss.bnu.edu.cn/t/~zhan。

內(nèi)容簡介

本期讀書會立足于系統(tǒng)科學(xué)中“自底向上”的建模范式，旨在探討復(fù)雜系統(tǒng)中微觀個體交互與宏觀涌現(xiàn)現(xiàn)象之間的內(nèi)在聯(lián)系。我們將首先聚焦于生物集群行為，結(jié)合蟻群與魚群的實證實驗數(shù)據(jù)，分析生物個體如何通過簡單的局部規(guī)則與環(huán)境適應(yīng)性，涌現(xiàn)出復(fù)雜的群體智能。

在此基礎(chǔ)上，通過引入 Boids、Vicsek 等經(jīng)典多主體模型以及基于概率的 Master 方程，深入剖析支撐集群行為的底層動力學(xué)機(jī)制，并利用統(tǒng)計物理學(xué)中的相變與臨界態(tài)理論，對系統(tǒng)在從無序到有序演化過程中的整體狀態(tài)進(jìn)行嚴(yán)謹(jǐn)?shù)亩糠治觥?/p>

進(jìn)而，讀書會將從自然界的演化機(jī)制延伸至人工系統(tǒng)的工程實踐，重點闡述機(jī)器人集群領(lǐng)域的研究進(jìn)展與相關(guān)關(guān)鍵技術(shù)。我們將探討如何將生物界中發(fā)現(xiàn)的自組織協(xié)同機(jī)制轉(zhuǎn)化為可計算的控制算法，使大規(guī)模機(jī)器人群體在無中心控制的情況下實現(xiàn)高效的分工、協(xié)作與環(huán)境適應(yīng)。通過對機(jī)器人集群綜述及具體研究工作的剖析，展示多主體建模理論在構(gòu)建具有高魯棒性與智能化的機(jī)器系統(tǒng)中的核心應(yīng)用價值，從而揭示從生物本能到機(jī)器智能的跨學(xué)科演化路徑。

1月24日 第二期：社會性生物集群的互動規(guī)律研究1.《魚群動態(tài)互動規(guī)律研究：從個體行為到群體協(xié)同的涌現(xiàn)機(jī)制》

主講人

薛婷婷，昆明理工大學(xué)理學(xué)院系統(tǒng)科學(xué)系講師，碩士生導(dǎo)師，2024年畢業(yè)于北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院并獲博士學(xué)位。主要從事生物集群行為社會互動機(jī)制的研究，聚焦鳥群、魚群等集群系統(tǒng)的動力學(xué)規(guī)律，融合實驗?zāi)Ｐ蜆?gòu)建、多尺度數(shù)據(jù)分析與機(jī)器學(xué)習(xí)方法，揭示集群涌現(xiàn)、自適應(yīng)調(diào)控及環(huán)境響應(yīng)的核心機(jī)制。在Physical Review Research、Machine Learning: Science and Technology、PLOS Computational Biology等期刊發(fā)表多篇論文，主持?jǐn)?shù)學(xué)建模與機(jī)器學(xué)習(xí)交叉項目、高校人培項目。

報告簡介

近年來，生物集群行為是復(fù)雜系統(tǒng)研究的重要方向，其在多生命尺度中展現(xiàn)的自組織、自適應(yīng)群體協(xié)同特性，既是理解生命系統(tǒng)宏觀功能的關(guān)鍵，也為人工智能等領(lǐng)域提供重要生物啟發(fā)，對揭示非線性系統(tǒng)涌現(xiàn)規(guī)律具有重要科學(xué)意義。在集群行為的調(diào)控要素中，社會互動是連接個體行為與群體動態(tài)的核心紐帶——它決定個體對環(huán)境信息的整合、對鄰居行為的響應(yīng)，直接塑造群體空間分布、運(yùn)動同步性及信息傳遞效率等。

然而，傳統(tǒng)研究難以量化多因素交叉下社會互動的動態(tài)變化，導(dǎo)致 “微觀互動 - 宏觀涌現(xiàn)” 的認(rèn)知存在斷層，厘清其調(diào)控規(guī)律成為領(lǐng)域核心突破點。本報告以魚類集群為載體，結(jié)合實驗觀測與數(shù)據(jù)驅(qū)動建模，闡述環(huán)境因子、物種感知差異、異質(zhì)性個體對社會互動的調(diào)控機(jī)制，解析相互作用函數(shù)以建立社會互動與集群涌現(xiàn)的定量關(guān)聯(lián)，為理解集群協(xié)同本質(zhì)提供支撐，同時為集群智能、生物行為調(diào)控等領(lǐng)域提供新思路。

2.《社會性昆蟲的集體響應(yīng)與狀態(tài)切換：蟻群行為的實驗與理論框架》

主講人

張一帆，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院在讀博士生。主要從事生物集群系統(tǒng)的涌現(xiàn)特征與動力學(xué)機(jī)理研究。研究重點包括蟻群在刺激環(huán)境下的自組織狀態(tài)切換、個體間信息傳遞的相關(guān)性，以及微觀行為如何驅(qū)動群體層面的協(xié)調(diào)模式。

報告簡介

群體行為作為復(fù)雜系統(tǒng)研究的重要前沿，在社會性昆蟲中展現(xiàn)出高度協(xié)調(diào)、適應(yīng)性強(qiáng)的集體智能。以螞蟻為代表的生物群體利用簡單規(guī)則、局部交互與信息整合實現(xiàn)了遠(yuǎn)超個體能力的涌現(xiàn)行為。探究蟻群在動態(tài)環(huán)境與外部擾動下的集體響應(yīng)規(guī)律，為理解群體決策、協(xié)作控制和集群職能系統(tǒng)提供了關(guān)鍵啟示。

本課題組通過設(shè)計可控的外部刺激，結(jié)合軌跡提取與多個體交互分析，構(gòu)建Master方程和多主體模型，系統(tǒng)研究螞蟻在外界擾動下從個體到群體的響應(yīng)機(jī)制以及狀態(tài)切換條件。本報告從文獻(xiàn)前沿到自主實驗，展示蟻群行為研究的發(fā)展脈絡(luò)、關(guān)鍵機(jī)制與新的科學(xué)問題，并探討其對復(fù)雜系統(tǒng)與群體智能研究的啟示。研究為理解蟻群在刺激情境下的集體響應(yīng)規(guī)律提供新的實證證據(jù)，也為構(gòu)建多智能體系統(tǒng)的協(xié)同機(jī)制模型提供新視角。

1月31日 第三期：智能集群協(xié)同與對抗研究1.《集群系統(tǒng)及行為動力學(xué)機(jī)理研究

主講人

于沛志，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院在讀博士生。主要從事集群系統(tǒng)及行為動力學(xué)機(jī)理研究。研究重點包括集群追逃行為博弈，集群系統(tǒng)異質(zhì)性與自組織狀態(tài)轉(zhuǎn)換、集群系統(tǒng)多尺度表征等。

報告簡介

近年來，從局部規(guī)則出發(fā)刻畫群體智能的生成機(jī)制，已成為復(fù)雜系統(tǒng)與計算智能領(lǐng)域的熱點方向。Reynolds 的 Boids 三規(guī)則、Vicsek 自驅(qū)動粒子模型、Couzin 感知區(qū)域模型以及 Helbing 社會力模型等經(jīng)典工作表明：個體只需依托鄰域感知與簡單互動，即可自發(fā)形成隊列、環(huán)行、聚散等多樣的時空有序結(jié)構(gòu)。它們從幾何鄰域、速度對齊和社會力等不同視角，為理解群體協(xié)同行為提供了基礎(chǔ)范式，但在處理個體異質(zhì)性、環(huán)境信息場和演化過程等方面仍存在局限。

本報告將以這些經(jīng)典集群模型為起點，介紹本課題組在多智能體集群建模方面的進(jìn)展：一方面通過 Master 方程與 Agent-based 模型相結(jié)合，在微觀決策—宏觀統(tǒng)計之間建立聯(lián)系；另一方面構(gòu)建基于信息素場的蟻群模型和數(shù)據(jù)驅(qū)動的魚群 burst-and-coast 模型，揭示個體社會相互作用、環(huán)境約束與群體模式轉(zhuǎn)換之間的定量關(guān)系。報告旨在從經(jīng)典模型過渡到改進(jìn)的模型，展示在保持局部規(guī)則簡潔性的同時如何提升對真實生物集群與工程集群系統(tǒng)的解釋與預(yù)測能力。

2.《集群機(jī)器人行為涌現(xiàn)及協(xié)同對抗研究》

主講人

鄭雅婷，柏林洪堡大學(xué)博士后研究員，并加入智能科學(xué)集群研究團(tuán)隊。研究方向主要聚焦于群體機(jī)器人的協(xié)同合作機(jī)制，目前涉及仿生集群運(yùn)動控制、協(xié)同構(gòu)建技術(shù)以及真實群體機(jī)器人系統(tǒng)中的主動彈性模型控制，曾基于E-puck、Stigmergic積木系統(tǒng)及BuilderBot機(jī)器人平臺開展研究。2022年1月獲得北京師范大學(xué)博士學(xué)位，并于2018年9月至2020年12月期間在比利時布魯塞爾自由大學(xué)進(jìn)行聯(lián)合培養(yǎng)，師從Michael Allwright博士后研究員與Marco Dorigo教授。作為SCIoI項目B3的集成方向博士后，當(dāng)前正基于Thymio機(jī)器人集群開展研究，致力于將不同集體行為整合為群體引導(dǎo)行為。

報告簡介

自然界中存在各種令人震撼的生物集群行為。揭示和歸納各類生物涌現(xiàn)行為的普適規(guī)律是當(dāng)今復(fù)雜系統(tǒng)領(lǐng)域研究熱點之一。受到生物集群智能啟發(fā)，集群機(jī)器人系統(tǒng)旨在設(shè)計和建立由大量簡單機(jī)器人組成的協(xié)同合作系統(tǒng)，通過機(jī)器人之間以及機(jī)器人與環(huán)境之間相互作用，在宏觀層面自組織涌現(xiàn)出個體層面不存在的集群智能。

與簡單個體機(jī)器人相比，集群機(jī)器人系統(tǒng)具有更好的靈活性、容錯性、可擴(kuò)展性以及穩(wěn)定性?？茖W(xué)家發(fā)現(xiàn)通過建立理想化的生物集群模型，將運(yùn)動個體抽象為質(zhì)點，設(shè)計局部相互作用規(guī)則，在計算機(jī)仿真中可以模擬和預(yù)測復(fù)雜的生物集群行為。然而，理想化的生物集群模型往往不能直接應(yīng)用于實際的集群機(jī)器人系統(tǒng)。

一方面，生物集群模型存在著不可忽略的理想化假設(shè)：個體對局域鄰居無偏好選擇、個體速度大小固定和無邊界限制等；另一方面，集群機(jī)器人系統(tǒng)自身也面臨著各種問題與挑戰(zhàn)：計算復(fù)雜度高、通信和定位技術(shù)限制以及難以建立可重復(fù)操作的實驗平臺等，使得當(dāng)前只有少數(shù)實驗成功地實現(xiàn)大規(guī)模集群機(jī)器人的自組織涌現(xiàn)行為或者協(xié)同合作完成特定場景的任務(wù)。

根據(jù)上述理想化生物集群模型和實際集群機(jī)器人系統(tǒng)面臨的問題與挑戰(zhàn)，本報告以生物集群模型為切入點，多種集群機(jī)器人系統(tǒng)為實際應(yīng)用場景，詳細(xì)講解如何在集群機(jī)器人系統(tǒng)實現(xiàn)類似生物集群行為的一致、旋轉(zhuǎn)等涌現(xiàn)行為，以及如何在多種混合集群機(jī)器人上實現(xiàn)集群協(xié)同和對抗。

2月7日 第四期：集群的近臨界態(tài)假說與識別研究1.《臨界性假說 —— 跨尺度生物集群系統(tǒng)的普適性法則》

主講人

林國政，北京交通大學(xué)系統(tǒng)科學(xué)學(xué)院講師，碩士生導(dǎo)師，2024年畢業(yè)于北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院。主要從事各類復(fù)雜系統(tǒng)涌現(xiàn)特征與機(jī)理的研究，包括魚群、蟻群生物集群系統(tǒng)、多智能體系統(tǒng)、交通系統(tǒng)等。在Physical Review Letters、PRX Life、PLoS Computational Biology等期刊上發(fā)表論文10余篇，主持中央高?；究蒲袠I(yè)務(wù)費(fèi)、中國博士后科學(xué)基金面上項目、國家自然科學(xué)專項項目子項目。

報告簡介

近年來隨著人工智能領(lǐng)域各種顛覆性技術(shù)的不斷涌現(xiàn)，群體智能也越來越受到人們的關(guān)注。群體智能通過研究自然界中分散、自組織的生物集群系統(tǒng)（如鳥群、魚群），實現(xiàn)分布式、去中心化的智能行為?？绯叨鹊纳锛旱墓残允窃诃h(huán)境刺激或擾動下能夠展現(xiàn)出快速響應(yīng)、動態(tài)協(xié)同的能力，這種能力或許與統(tǒng)計物理學(xué)中的“臨界態(tài)”相關(guān)。

近幾年一些最新的實驗證據(jù)支持了“臨界性假說”，認(rèn)為生物集群讓自身處于或接近臨界狀態(tài)，從而獲得對環(huán)境擾動的最大敏感性。臨界性假說的重要性在于，它不僅適用于魚群、鳥群、人群等宏觀尺度集群，而且能解釋大腦神經(jīng)元、微生物、細(xì)胞等微觀尺度集群對環(huán)境刺激的響應(yīng)能力，即“運(yùn)行在臨界狀態(tài)”可能是跨尺度集群系統(tǒng)適應(yīng)環(huán)境的普適性策略。

本期讀書會將介紹臨界性假說的主要內(nèi)容，總結(jié)國內(nèi)外以及本人在臨界性相關(guān)研究的前沿進(jìn)展，并給出臨界性原理在集群機(jī)器人、智能涌現(xiàn)、生態(tài)環(huán)保等領(lǐng)域可能的應(yīng)用方向。

2.《基于人工智能的集群近臨界態(tài)識別》

主講人

吳天毅，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院在讀博士生。主要從事集群系統(tǒng)臨界態(tài)識別與調(diào)控研究，聚焦集群臨界態(tài)理論，致力于建立基于觀測數(shù)據(jù)的生物與人工集群臨界態(tài)識別方法，探索引導(dǎo)集群演化至臨界態(tài)的調(diào)控機(jī)制，揭示臨界動力學(xué)行為在追逃博弈等功能性場景中的涌現(xiàn)優(yōu)勢與應(yīng)用潛力。

報告簡介

長期以來，科學(xué)界普遍認(rèn)為生物集群系統(tǒng)之所以能夠涌現(xiàn)出高度的群體智能，在復(fù)雜環(huán)境實現(xiàn)高效協(xié)同，關(guān)鍵在其處于有序與無序的邊界，即“臨界態(tài)”或“混沌邊緣”。這一“臨界態(tài)假說”為理解跨尺度系統(tǒng)的自組織機(jī)制提供了統(tǒng)一框架。

然而，在實際研究與應(yīng)用中，往往難以識別一個系統(tǒng)是否處于臨界態(tài)。傳統(tǒng)方法通常依賴于對系統(tǒng)全局狀態(tài)的大量觀測以計算序參量或關(guān)聯(lián)長度，或需人工結(jié)合先驗知識進(jìn)行建模。這種對全局全量數(shù)據(jù)和先驗知識的依賴，極大地限制了其在許多觀測受限或機(jī)制未知的真實復(fù)雜系統(tǒng)中的應(yīng)用。

隨近年來人工智能技術(shù)的飛速發(fā)展，數(shù)據(jù)驅(qū)動的方法有望為這一難題提供解決方案。本報告將首先簡要回顧集群運(yùn)動的臨界態(tài)假說及其物理意義，隨后總結(jié)近年來國內(nèi)外及本人在將人工智能應(yīng)用于集群臨界態(tài)識別方面的最新進(jìn)展，并展望相應(yīng)技術(shù)在集群機(jī)器人設(shè)計、生物群體行為分析等領(lǐng)域的潛在應(yīng)用方向。

2月14日 第五期：廣義哥德爾不完備定理與集群臨界態(tài)的數(shù)理邏輯刻畫

主講人

馬治峰，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院在讀碩士。主要從事范疇邏輯與集群臨界態(tài)的數(shù)理邏輯刻畫研究，研究工作跳出了傳統(tǒng)的動力學(xué)模擬框架，轉(zhuǎn)而從元數(shù)學(xué)的角度，探索復(fù)雜性涌現(xiàn)的邏輯本源。研究重點包括廣義哥德爾不完備定理、范疇論解釋器視角下的復(fù)雜性度量，以及利用哥德爾不完備空間刻畫臨界態(tài)、超驗證明等。

報告簡介

本期讀書會將展示如何將經(jīng)典的哥德爾不完備定理推廣到廣義框架（GGIC），并揭示其與復(fù)雜系統(tǒng)臨界態(tài)之間的深刻聯(lián)系。核心內(nèi)容包括：

1. 廣義哥德爾不完備定理的建立

• 從傳統(tǒng)的語法-語義對偶出發(fā)，構(gòu)建維度化的不完備空間理論

• 提出不完備空間維度公式

• 揭示這一框架在物理系統(tǒng)、計算理論和人工智能中的普適性

集群臨界態(tài)的邏輯本質(zhì)

• 證明臨界態(tài)在數(shù)學(xué)上等價于"不完備空間"

• 建立相變對稱性破缺與邏輯公理之間的對應(yīng)關(guān)系

• 以捕食-被捕食模型為例，展示臨界態(tài)參數(shù)的邏輯推導(dǎo)

跨學(xué)科應(yīng)用的突破

• 復(fù)雜系統(tǒng)：為臨界現(xiàn)象提供可計算的邏輯參數(shù)

• 人工智能：闡述強(qiáng)人工智能與不完備性理解的本質(zhì)關(guān)聯(lián)

報告亮點：

• 首次建立哥德爾不完備性與復(fù)雜系統(tǒng)臨界態(tài)的嚴(yán)格數(shù)學(xué)聯(lián)系

• 提出"邏輯臨界性"的新概念，為多學(xué)科交叉研究提供統(tǒng)一框架

• 展示如何用數(shù)理邏輯工具量化描述傳統(tǒng)上只能定性討論的臨界現(xiàn)象

適合聽眾：

• 復(fù)雜系統(tǒng)、人工智能、理論計算機(jī)科學(xué)研究者

• 對數(shù)理邏輯與自然科學(xué)交叉感興趣的學(xué)生學(xué)者

• 希望了解前沿跨學(xué)科研究方法的科研人員

本報告將展現(xiàn)數(shù)學(xué)基礎(chǔ)理論如何為復(fù)雜系統(tǒng)研究提供全新的分析工具和理論視角，推動我們對"復(fù)雜性"本質(zhì)的理解。

2月28日 第六期：基于統(tǒng)計物理與雞群行為啟發(fā)的復(fù)雜網(wǎng)絡(luò)連通支配集模型研究

主講人

玉素甫·艾比布拉，博士，現(xiàn)任新疆大學(xué)物理科學(xué)與技術(shù)學(xué)院副教授。2015年畢業(yè)于中國科學(xué)院理論物理研究所，獲理論物理博士學(xué)位，同年9月入職新疆大學(xué)開展教學(xué)與科研工作。

長期致力于統(tǒng)計物理與復(fù)雜系統(tǒng)領(lǐng)域研究，在《Journal of Statistical Mechanics》和《Journal of Statistical Physics》等統(tǒng)計物理權(quán)威國際期刊發(fā)表論文6篇，研究成果聚焦復(fù)雜網(wǎng)絡(luò)優(yōu)化問題（如支配集、連通支配集）的統(tǒng)計物理建模，熟練運(yùn)用自旋玻璃理論、和滲流理論等方法開展理論推導(dǎo)與算法優(yōu)化。

近年將研究視角拓展至動物群體行為領(lǐng)域，通過觀察生態(tài)養(yǎng)雞過程中的群體自組織現(xiàn)象，探索從中提煉復(fù)雜系統(tǒng)的普適性規(guī)律與物理建模思想，力求實現(xiàn)物理理論與實際應(yīng)用的跨學(xué)科融合，為復(fù)雜系統(tǒng)研究及生態(tài)養(yǎng)殖技術(shù)優(yōu)化提供創(chuàng)新思路。

報告簡介

最小支配集（MDS）作為復(fù)雜網(wǎng)絡(luò)優(yōu)化中的經(jīng)典問題，其核心約束可通過統(tǒng)計物理局域相互作用模型精準(zhǔn)刻畫。我們采用自旋玻璃理論為框架的統(tǒng)計物理BPD算法，還有核滲流理論和全域掐葉算法，實現(xiàn)了對MDS最優(yōu)基態(tài)能量的精準(zhǔn)預(yù)言，模型計算結(jié)果與理論最優(yōu)解高度契合。然而，在拓展至連通支配集（MCDS）研究時，傳統(tǒng)局域相互作用模型因難以精準(zhǔn)表達(dá)連通性全局約束，導(dǎo)致預(yù)測結(jié)果與基態(tài)能量存在顯著偏差，這一矛盾揭示了全局拓?fù)浼s束與局域物理建模之間的本質(zhì)沖突。

為突破這一理論瓶頸，我們開始關(guān)注動物群體行為研究視角，基于兩年生態(tài)散養(yǎng)雞群的系統(tǒng)觀察，挖掘雞群自組織行為中的涌現(xiàn)性規(guī)律。我們發(fā)現(xiàn)，雞群在覓食、避險及夜棲等場景中，會自發(fā)形成兼具“覆蓋性”與“連通性”的動態(tài)群體結(jié)構(gòu)：個體通過局部信息交互（如視覺識別、聲音通訊）實現(xiàn)群體范圍的資源覆蓋，同時維持群體連通以保障信息傳遞與集體防御，這一特征與MCDS的“支配+連通”雙重約束高度契合。

我們進(jìn)一步將雞群行為機(jī)制轉(zhuǎn)化為統(tǒng)計物理模型的優(yōu)化策略，通過引入“動態(tài)交互權(quán)重”與“群體連通性懲罰項”，改進(jìn)傳統(tǒng)局域能量函數(shù)，實現(xiàn)對全局連通約束的有效刻畫。該模型不僅為解決復(fù)雜網(wǎng)絡(luò)MCDS問題提供了新的物理建模思路，更直接為規(guī)模化生態(tài)散養(yǎng)雞群管理提供技術(shù)支撐——基于模型優(yōu)化的雞群分布調(diào)控方案，可實現(xiàn)養(yǎng)殖區(qū)域的資源高效利用與雞群行為穩(wěn)定性的動態(tài)平衡，為高福利生態(tài)養(yǎng)雞模式的標(biāo)準(zhǔn)化推廣奠定理論與實踐基礎(chǔ)。

3月7日 第七期：大規(guī)模群智協(xié)同優(yōu)化算法研究

主講人

楊強(qiáng)，南京信息工程大學(xué)副教授（校聘教授），南京信息工程大學(xué)龍山學(xué)者，碩士生導(dǎo)師；分別于2014年和2019年在中山大學(xué)信息科學(xué)與工程學(xué)院和數(shù)據(jù)科學(xué)與計算機(jī)學(xué)院獲得碩士和博士學(xué)位；主要從事計算智能算法及其應(yīng)用研究，累計發(fā)表學(xué)術(shù)論文100余篇，其中在人工智能領(lǐng)域的國際頂級期刊IEEE Transactions系列期刊發(fā)表論文10余篇，累計Google Scholar引用3200余次，1篇論文入選ESI高被引論文，1篇論文獲評IEEE SMC2022（CCF C類會議）最佳學(xué)生論文提名獎，1篇論文獲評IEEE ICACI2023（計算智能領(lǐng)域旗艦會議）最佳論文獎；1篇論文獲評IEEE MiTA2024（計算智能領(lǐng)域旗艦會議）最佳論文獎；授權(quán)發(fā)明專利15項；2020年入選江蘇省雙創(chuàng)博士計劃，2022年獲評校五四青年獎?wù)拢?023年獲評校首批十大青年科技之星，2024年入選江蘇省第七期“333工程”第三層次人才計劃，主持國家自然科學(xué)基金項目2項，江蘇省自然科學(xué)基金項目1項，江蘇省高等學(xué)校自然科學(xué)基金面上項目1項。

報告簡介

高維度大規(guī)模優(yōu)化問題在日常生活和工業(yè)生產(chǎn)中日益常見，尤其在當(dāng)今物聯(lián)網(wǎng)環(huán)境下，優(yōu)化問題的維度日益增多，變量耦合性日益增強(qiáng)，優(yōu)化復(fù)雜度日益增加，導(dǎo)致傳統(tǒng)優(yōu)化算法無法有效求解。憑借對待解優(yōu)化問題無任何數(shù)學(xué)特性要求、全局搜索能力強(qiáng)、內(nèi)在并行特性等優(yōu)勢，群體智能算法已經(jīng)成為了求解大規(guī)模復(fù)雜優(yōu)化問題的重要途徑之一。

然而高維度環(huán)境下，解空間指數(shù)式增長，群體協(xié)同搜索效率較低；局部最優(yōu)區(qū)域?qū)捛叶?，群體協(xié)同面臨局地性；變量緊耦合、解空間高度復(fù)雜，群體協(xié)同不充分。為有效解決上述問題，項目團(tuán)隊圍繞大規(guī)模高維度環(huán)境下的群體協(xié)同交互的高效性和有效性問題，分別提出了支配式群體交互框架，增加群體交互的導(dǎo)向性，提升群體協(xié)同搜索的收斂性；提出了鄰域式群體交互框架，增加群體交互的多向性，提升群體協(xié)同搜索的多樣性；提出了差異式群體交互框架，增加群體交互的異向性，提升群體協(xié)同搜索的廣面性。

依托上述框架，群體智能算法求解大規(guī)模復(fù)雜優(yōu)化問題的性能得到了極大提升。本報告將詳細(xì)介紹上述框架，以期讓讀者了解提升大規(guī)模場景下群體協(xié)同交互有效性的方法，從而啟發(fā)讀者開展深入研究，促進(jìn)大規(guī)模群體智能算法的研究進(jìn)展。

3月14日 第八期：分布式與多任務(wù)群智優(yōu)化算法研究1.《分布式群智協(xié)同優(yōu)化》

主講人

魏鳳鳳，華南理工大學(xué)計算機(jī)科學(xué)與工程學(xué)院助理教授，碩士生導(dǎo)師，主要研究方向是群體智能、進(jìn)化計算、分布式優(yōu)化、數(shù)據(jù)驅(qū)動優(yōu)化、智能體與多智能體系統(tǒng)，已發(fā)表國際期刊和國際會議論文50余篇，其中IEEE Trans.長文15篇；主持國家自然科學(xué)基金青年科學(xué)基金項目、中國博士后科學(xué)基金面上項目、廣東省自然科學(xué)基金面上項目等；獲廣東省人工智能產(chǎn)業(yè)協(xié)會科學(xué)技術(shù)獎自然科學(xué)獎一等獎、第四屆國際分布式人工智能會議最佳論文、中國仿真學(xué)會智能優(yōu)化與調(diào)度專委優(yōu)博、ACM廣州分會優(yōu)博；現(xiàn)任中國計算機(jī)學(xué)會協(xié)同計算專業(yè)委員會委員。

報告簡介

群體智能是匯聚群體智慧協(xié)同求解復(fù)雜問題的方法，是《新一代人工智能發(fā)展規(guī)劃》明確的重要發(fā)展方向，在智能交通、智慧物流等領(lǐng)域得到廣泛應(yīng)用。隨著超算、邊緣計算等技術(shù)的快速發(fā)展，傳統(tǒng)群體智能方法面臨著個體目標(biāo)難評估、全局信息難匯集、群體協(xié)作難拓展的挑戰(zhàn)，本報告以分布式數(shù)據(jù)驅(qū)動的群體智能為主題，介紹如何有效利用數(shù)據(jù)，激發(fā)分布式環(huán)境下更高效的群智涌現(xiàn)，通過多代理模型協(xié)同驅(qū)動、按需評估的分布式聯(lián)邦優(yōu)化、網(wǎng)絡(luò)化多智能體協(xié)同優(yōu)化等技術(shù)，提高群體智能算法的魯棒性、高效性、可擴(kuò)展性；并探索基于智能體的數(shù)據(jù)驅(qū)動群體智能方法，利用大模型提升個體環(huán)境感知、任務(wù)理解、策略生成能力和群體分布式協(xié)作的能力。

2.《多任務(wù)群智優(yōu)化：基于演化遷移學(xué)習(xí)的算法設(shè)計》

主講人

王子佳，男，博士，廣州大學(xué)計算機(jī)科學(xué)與網(wǎng)絡(luò)工程學(xué)院副教授，碩士生導(dǎo)師。主要研究方向：計算智能、群體智能、機(jī)器學(xué)習(xí)。2015年本科畢業(yè)于中山大學(xué)自動化系，獲工學(xué)學(xué)士學(xué)位，2020年直博畢業(yè)于中山大學(xué)計算機(jī)系，獲工學(xué)博士學(xué)位；畢業(yè)后至2021年7月在騰訊科技（深圳）有限公司擔(dān)任高級算法研究員；2021年8月以百人計劃青年學(xué)者身份進(jìn)入廣州大學(xué)任副教授，現(xiàn)在是學(xué)院青年干部儲備人才。2023-2024年度廣州大學(xué)“最受學(xué)生歡迎的教師”。目前主持國家自然科學(xué)基金青年基金項目一項、廣東省自然科學(xué)基金面上項目三項、廣州市基礎(chǔ)研究計劃市校（院）聯(lián)合資助項目一項、廣州市基礎(chǔ)與應(yīng)用基礎(chǔ)研究項目一項。累計發(fā)表論文40余篇，其中中科院JCR一區(qū)和IEEE Transactions論文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篇入選ESI高被引論文，4篇論文被列入ESI研究前沿。現(xiàn)已榮獲吳文俊人工智能優(yōu)秀博士學(xué)位論文獎（全國9人）、ACM廣州分會新星獎（廣東省3人）、ACM廣州分會優(yōu)秀博士學(xué)位論文獎（廣東省2人）、廣東省計算機(jī)科學(xué)青年學(xué)術(shù)秀一等獎（廣東省3人）。擔(dān)任IEEETCYB、IEEE TEVC、IEEE TNNLS、IEEE TSMC、IEEE TIFS、IEEE TETCI等多本頂級刊物的審稿人?，F(xiàn)任IEEE高級會員、CCF高級會員、中國計算機(jī)學(xué)會協(xié)同計算專業(yè)委員會委員、中國自動化學(xué)會粒計算及其應(yīng)用專業(yè)委員會委員、中國仿真學(xué)會智能仿真優(yōu)化與調(diào)度專業(yè)委員會委員、中國圖學(xué)學(xué)會圖學(xué)大數(shù)據(jù)專業(yè)委員會委員、廣東省計算機(jī)學(xué)會大數(shù)據(jù)專業(yè)委員會委員。受邀出任亞洲人工智能技術(shù)大會（ACAIT 2023/2024/2025）和國際機(jī)器智能與應(yīng)用大會（MiTA2024）的Session Chair，擔(dān)任國際期刊《Complex System Modeling and Simulation》、《CAAI Transactions on Intelligence Technology》的青年編委，并榮獲國際期刊《Human-Centric Intelligent Systems》的杰出審稿人獎。

報告簡介

多任務(wù)優(yōu)化（EMTO）是一種群體智能算法領(lǐng)域新涌現(xiàn)出的一種問題范式，通過利用多個優(yōu)化任務(wù)之間的共享知識來同時解決這些任務(wù)。目前，多任務(wù)優(yōu)化已廣泛應(yīng)用與工程設(shè)計、機(jī)器學(xué)習(xí)和資源分配等眾多實際領(lǐng)域。與傳統(tǒng)的單任務(wù)算法不同，多任務(wù)優(yōu)化中的一個任務(wù)的解決方案可以為相關(guān)任務(wù)提供信息或改進(jìn)解決方案，從而加速收斂并提高整體性能。因此，不同任務(wù)之間的知識轉(zhuǎn)移對于促進(jìn)任務(wù)的優(yōu)化至關(guān)重要。 而實現(xiàn)高效的知識遷移也是多任務(wù)優(yōu)化領(lǐng)域的研究重點。本期讀書會從以下三個方面介紹一些最新的知識遷移技術(shù)以及對應(yīng)的多任務(wù)算法。包括：

1、多層次多段學(xué)習(xí):與傳統(tǒng)只在對齊維度上的知識遷移不同，該只是遷移技術(shù)瞄準(zhǔn)相似或相關(guān)的維度上進(jìn)行KT，同時避免處理異構(gòu)問題時的維度填充帶來的冗余信息。

2、基于神經(jīng)網(wǎng)絡(luò)的知識轉(zhuǎn)移：與傳統(tǒng)基于個體的表層知識遷移不同，基于神經(jīng)網(wǎng)絡(luò)的知識遷移側(cè)重與分析任務(wù)的相似性，獲得信息預(yù)測的轉(zhuǎn)移模型，實現(xiàn)知識的本質(zhì)遷移。

3、模糊自適應(yīng)學(xué)習(xí):該知識遷移策略首先設(shè)計一個從多方面綜合評價知識遷移性能的方案，通過不同方面的遷移性能評估，使用模糊邏輯，實現(xiàn)遷移頻率的自適應(yīng)調(diào)整。

3月21日 第九期：強(qiáng)化學(xué)習(xí)路徑優(yōu)化：群體、個體智能協(xié)同算法

主講人

賈亞暉，華南理工大學(xué)未來技術(shù)學(xué)院副教授，博導(dǎo)，廣東省珠江人才引進(jìn)團(tuán)隊骨干，IEEE CIS Taskforce on Evolutionary Scheduling and Combinatorial Optimization組長，CCF協(xié)同計算專委會委員。曾擔(dān)任新西蘭惠靈頓維多利亞大學(xué)博士后研究員。主要研究方向為智能優(yōu)化算法，包括進(jìn)化計算、深度強(qiáng)化學(xué)習(xí)及其在智慧交通和智慧能源方面的應(yīng)用，在包括IEEE TEVC, TCYB, TNNLS, WCCI等國際著名期刊和重要國際會議發(fā)表論文40余篇。擔(dān)任Journal of Renewable and Sustainable Energy副編輯。

報告簡介

路徑優(yōu)化問題是一類典型的組合優(yōu)化問題，例如旅行商問題，車輛路徑問題，機(jī)器人任務(wù)分配與調(diào)度問題，在現(xiàn)實生活中擁有很多典型的應(yīng)用，例如外賣派送、物流規(guī)劃、垃圾回收等。計算智能方法，特別是基于群體智能的進(jìn)化計算方法和基于個體智能的強(qiáng)化學(xué)習(xí)方法，目前已經(jīng)成為解決此類問題的主流。本期讀書會將探討兩種不同的計算智能方法在求解路徑優(yōu)化問題時的優(yōu)劣勢，相關(guān)算法的設(shè)計思路，以及主要關(guān)注的科學(xué)問題。最后探討兩種方法相結(jié)合的可能性。

3月28日 第十期：昂貴演化與協(xié)同優(yōu)化前沿1.《昂貴演化優(yōu)化：前沿與方法》

主講人

黎建宇，南開大學(xué)人工智能學(xué)院引進(jìn)教師，入選人工智能領(lǐng)域全球前2%頂尖科學(xué)家，CAAI優(yōu)秀博士論文激勵計劃提名，南開大學(xué)人工智能學(xué)科振興計劃；主持國自然青年、天津市青年項目B類等項目多項；主要研究方向是人工智能、進(jìn)化計算、群體智能和大模型，目前已發(fā)表學(xué)術(shù)論文50余篇，包括IEEE Transactions系列的國際高水平學(xué)術(shù)期刊論文20篇，ESI高被引論文3篇，《計算機(jī)學(xué)報》等中文核心期刊論文3篇；谷歌學(xué)術(shù)引用2000余次，H-index為21；獲機(jī)器智能期刊最高被引論文獎，CAAI會刊《智能系統(tǒng)學(xué)報》優(yōu)秀論文獎；授權(quán)國際發(fā)明專利1項。

研究成果得到了國際同行的正面評價和應(yīng)用推廣。被包括美國科學(xué)促進(jìn)會會士、歐洲科學(xué)院院士、加拿大皇家科學(xué)院院士等多國/地區(qū)院士、多位IEEE Transactions系列期刊的創(chuàng)始主編及現(xiàn)任主編、IEEE Fellow等著名學(xué)者評價為“首創(chuàng)（for the first time）”、“優(yōu)秀的成果（excellent results）”、“更高效（more efficiently）”和“新興的課題（emerging topic）”等；被YouTube（AI Trends）、Twitter（MIR_Journal）、騰訊新聞（智能科學(xué)匯）等媒體平臺作為頭條進(jìn)行宣傳和報道；被國內(nèi)外學(xué)者廣泛應(yīng)用于芯片設(shè)計、生物醫(yī)學(xué)和物流運(yùn)輸?shù)缺姸囝I(lǐng)域的優(yōu)化問題中，推動相關(guān)領(lǐng)域的發(fā)展。

報告簡介

在“人工智能+”時代，最優(yōu)化與智能化已成為推動人類社會進(jìn)步、發(fā)展新質(zhì)生產(chǎn)力的關(guān)鍵力量，更是人工智能邁向更高層次的必然趨勢。隨著物聯(lián)網(wǎng)、云計算、大模型、5G和區(qū)塊鏈等前沿技術(shù)的蓬勃發(fā)展，眾多優(yōu)化問題愈發(fā)復(fù)雜，呈現(xiàn)出大規(guī)模、高動態(tài)、多峰值、強(qiáng)約束、多目標(biāo)以及計算成本高昂等多重挑戰(zhàn)，這對傳統(tǒng)優(yōu)化算法提出了前所未有的難題。

進(jìn)化計算與群體智能作為模擬自然界生物進(jìn)化和群體動物智能行為的先進(jìn)人工智能算法，憑借其行為的可觀察、可感知、可認(rèn)識、可解釋和可調(diào)控等獨(dú)特優(yōu)勢，近年來在知識發(fā)現(xiàn)、搜索優(yōu)化和問題求解等領(lǐng)域得到了廣泛應(yīng)用。然而，面對候選方案評估成本高昂的復(fù)雜優(yōu)化問題，傳統(tǒng)進(jìn)化計算方法在計算效率上仍顯不足。

本期讀書會將介紹近年來昂貴演化優(yōu)化方向上的創(chuàng)新成果，這些方法為應(yīng)對現(xiàn)代超復(fù)雜優(yōu)化問題提供了全新的思路和高效途徑，為人工智能領(lǐng)域邁向新的發(fā)展階段起到了推動作用。

2.《殘片復(fù)原新路徑：一種協(xié)同進(jìn)化優(yōu)化框架》

主講人

張鑫源，暨南大學(xué)智能科學(xué)與工程學(xué)院，黨總支委員，人工智能系主任，碩士生導(dǎo)師，中國計算機(jī)學(xué)會協(xié)同計算專委，珠海計算機(jī)學(xué)會理事，廣東崍智科技有限公司技術(shù)總監(jiān)。主持國家自然科學(xué)基金金青年項目，廣東省“雙創(chuàng)”黨建項目。曾在IEEE TEVC，TCSVT，GECCO等國際期刊和會議發(fā)表論文20余篇。擔(dān)任多個國際頂級期刊審稿人。

報告簡介

殘片復(fù)原問題旨在從碎片中復(fù)原出原始物體。傳統(tǒng)的手工復(fù)原技術(shù)嚴(yán)重依賴專家知識，且可能會對易碎碎片造成損壞，因此有必要開發(fā)自動化復(fù)原方法。隨著碎片數(shù)量的增加，當(dāng)前的復(fù)原算法常常遭遇“維度災(zāi)難”，算法的準(zhǔn)確性和效率均會受到影響。同時，這些算法主要依賴碎片內(nèi)容，導(dǎo)致其適用性和可擴(kuò)展性受限。為應(yīng)對上述挑戰(zhàn)，我們提出了基于協(xié)同進(jìn)化優(yōu)化框架的新型復(fù)原方法。該方法既涵蓋了殘片復(fù)原問題的形式化表達(dá)，也包含了為解決該問題而開發(fā)的定制算法。

值得注意的是，我們的建模方法與碎片內(nèi)容無關(guān)，僅依賴碎片的邊緣形狀。基于此種建模方法，解決方案本身就代表了碎片的重建過程。為高效編碼候選解，我們采用了樹形結(jié)構(gòu)。這種編碼方案使得傳統(tǒng)的協(xié)同進(jìn)化流程和遺傳算法算子（如交叉和變異）不再適用。

因此，我們專門針對復(fù)原任務(wù)提出了一種樹形結(jié)構(gòu)的協(xié)同進(jìn)化算法。我們的目標(biāo)是克服當(dāng)前復(fù)原算法的局限性，構(gòu)建更準(zhǔn)確、高效的復(fù)原方法。為評估所提方法的有效性，我們進(jìn)行了一系列綜合實驗。實驗結(jié)果表明，我們提出的方法在解的質(zhì)量、收斂速度和魯棒性方面均取得了令人滿意的效果。

4月11日 第十一期：網(wǎng)絡(luò)傳播建模與優(yōu)化研究1.《多因耦合的網(wǎng)絡(luò)傳播演化建模與優(yōu)化分析》

主講人

年福忠，蘭州理工大學(xué)人工智能研究院院長，二級教授、博導(dǎo)，甘肅省領(lǐng)軍人才。博士畢業(yè)于大連理工大學(xué)，曾任清華大學(xué)訪問學(xué)者（中組部“西部之光”），現(xiàn)為復(fù)雜系統(tǒng)智能信息處理團(tuán)隊負(fù)責(zé)人，入選“隴原青年創(chuàng)新人才扶持計劃”等人才計劃，兼任中國自動化學(xué)會計算社會與社會智能專委會常委，中國醫(yī)學(xué)裝備協(xié)會醫(yī)療器械創(chuàng)新與應(yīng)用分會常委等。研究成果獲甘肅省自然科學(xué)二等獎（排名第1），甘肅省高校科技進(jìn)步一等獎（排名第1），甘肅省高校科研優(yōu)秀成果二等獎（排名第1），甘肅省教育廳教學(xué)成果獎，遼寧省自然科學(xué)三等獎等多項獎勵。近年來，在以第一作者或通信作者身份在IEEE Trans. NSE、IEEE Trans. CSS等SCI期刊上發(fā)表論文100余篇，出版專著1部，教材2部。近年來主持完成包括國家自然基金項目（3項）在內(nèi)的各類科研項目20余項，其中由其主持研發(fā)的多導(dǎo)經(jīng)絡(luò)智能檢測儀，獲國家醫(yī)療器械注冊證，同時獲得1000萬元風(fēng)投基金，產(chǎn)品已在北京護(hù)國寺中醫(yī)醫(yī)院等多家醫(yī)院臨床應(yīng)用。相關(guān)工作被新華社專訪，新浪、鳳凰網(wǎng)等國內(nèi)主流媒體轉(zhuǎn)載。

報告簡介

個體因素、群體因素、信息量、網(wǎng)絡(luò)拓?fù)?、傳播模式等因素都會對傳播產(chǎn)生影響，為此，我們多角度研究了網(wǎng)絡(luò)信息、新冠疫情等真實案例在不同情況下的演化規(guī)律與傳播特征，并為之建模與優(yōu)化，揭示其背后的機(jī)制與規(guī)律，進(jìn)而找到相應(yīng)的控制策略。

2.《面向網(wǎng)絡(luò)傳播優(yōu)化分治型群體智能方法》

主講人

趙甜芳，暨南大學(xué)計算傳播研究中心特聘研究員，廣東省科技創(chuàng)新青年拔尖人才（省部級），廣州市網(wǎng)絡(luò)輿情分級與判定標(biāo)準(zhǔn)起草專家。研究領(lǐng)域包括智能傳播、分治型群智優(yōu)化。累計發(fā)表IEEE TCYB/TKDE/TSMC/TNSE/TCSS等在內(nèi)的期刊及會議論文30余篇，其中包括近10篇頂刊論文。主持國家自然科學(xué)基金青年項目一項、省部級項目三項?，F(xiàn)為中國計算機(jī)學(xué)會協(xié)同計算專委會執(zhí)行委員、中國中文信息學(xué)會SMP專委會委員，國際期刊Journal of Social Computing青年編委，擔(dān)任TNNLS/TCSS/TAI/IPM/計算機(jī)學(xué)報等期刊審稿人。曾獲廣東省人工智能產(chǎn)業(yè)協(xié)會科學(xué)技術(shù)獎自然科學(xué)獎一等獎、ACM廣州新星獎，近五年指導(dǎo)學(xué)生團(tuán)隊獲省級以上競賽獎勵30余項，培育成果入選2023年中國計算機(jī)學(xué)會技術(shù)公益案例集。

報告簡介

在大數(shù)據(jù)與人工智能時代，社會網(wǎng)絡(luò)規(guī)?？涨褒嫶螅呱藦?fù)雜的網(wǎng)絡(luò)傳播難題。本項目針對高維復(fù)雜、去中心化且動態(tài)不確定的大規(guī)模網(wǎng)絡(luò)傳播環(huán)境，擬研發(fā)一套適配多情景的分治型群體智能方法框架。

具體包括：融合網(wǎng)絡(luò)拓?fù)湫畔⑴c決策空間結(jié)構(gòu)信息的自適應(yīng)重疊解耦機(jī)制，實現(xiàn)群體智能決策空間的有效劃分；構(gòu)建基于非完全信息的分布式自主協(xié)同機(jī)制，達(dá)成去中心化環(huán)境下的多種群合作協(xié)同演化；針對信息繭房、謠言傳播、病毒式傳播等網(wǎng)絡(luò)難題，開展網(wǎng)絡(luò)傳播優(yōu)化的創(chuàng)新應(yīng)用。本研究深入探索網(wǎng)絡(luò)拓?fù)淇臻g與群體智能決策空間的關(guān)聯(lián)規(guī)則，以及群體智能中多種群局部自治與鄰域協(xié)同的平衡機(jī)制，目標(biāo)是優(yōu)化正面?zhèn)鞑?、疏?dǎo)治理重大突發(fā)事件中的負(fù)面?zhèn)鞑ィμ嵘W(wǎng)絡(luò)傳播的治理效率與質(zhì)量。

第十二期：圓桌討論（暫定于4月18日舉行）

圓桌討論將在11期讀書會內(nèi)容結(jié)束之后進(jìn)行。屆時，讀書會的發(fā)起人韓戰(zhàn)鋼教授，趙甜芳副教授和玉素甫·艾比布拉副教授，將與集智俱樂部創(chuàng)始人張江教授、CEO張倩共同領(lǐng)銜，就本季群體智能讀書會中的熱點科學(xué)話題展開討論，為讀書會收官。

讀書會推薦閱讀清單

掃描下方二維碼可跳轉(zhuǎn)至集智斑圖網(wǎng)站查看群體智能讀書會推薦閱讀材料

群體智能從自然涌現(xiàn)到人機(jī)共創(chuàng)讀書會推薦閱讀清單

讀書會總策劃

張倩，集智學(xué)園聯(lián)合創(chuàng)始人兼CEO，南京信息工程大學(xué)人工智能學(xué)院（原信息與控制學(xué)院）碩士畢業(yè)，于2016年接手運(yùn)營集智俱樂部并創(chuàng)辦集智學(xué)園，開創(chuàng)了集智課堂共學(xué)模式，打造了《巴拉巴西網(wǎng)絡(luò)科學(xué)》、《系統(tǒng)科學(xué)前沿》、《復(fù)雜性思維》等多期課程，組織編寫《深度學(xué)習(xí)原理與Pytorch實戰(zhàn)》、主筆《netlogo多主體建模入門》、翻譯《復(fù)雜——誕生于秩序與混沌邊緣的科學(xué)》，倩姐公眾號主理人。

運(yùn)營負(fù)責(zé)人

范瑞驍，北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院碩士研究生，師從北京師范大學(xué)系統(tǒng)科學(xué)學(xué)院韓戰(zhàn)鋼教授。

報名參加讀書會

讀書會價格：399元

報名方式：

第一步：微信掃碼填寫報名信息。

第二步：填寫信息后，付費(fèi)報名。如需用支付寶支付，請在PC端進(jìn)入讀書會頁面報名支付：

第三步：添加運(yùn)營助理微信，拉入對應(yīng)主題的讀書會社區(qū)（微信群）。

PS：

為維護(hù)學(xué)術(shù)交流的專業(yè)性與聚焦度，本讀書會對討論內(nèi)容作如下約定：

我們鼓勵圍繞理論生態(tài)學(xué)及相關(guān)具體問題的深入探討。為保證討論質(zhì)量，請避免發(fā)表脫離本期讀書會主題、缺乏實證基礎(chǔ)或過于空泛的哲學(xué)思辨類內(nèi)容。

若討論內(nèi)容明顯偏離主題，經(jīng)主持人提醒后仍未調(diào)整，為維護(hù)整體學(xué)習(xí)環(huán)境，我們將不得不將該成員請出討論群，并根據(jù)其實際參與進(jìn)度，對未參與部分按比例辦理退費(fèi)。

感謝您的理解與配合，讓我們共同營造一個專注、深入、有收獲的共學(xué)空間。

加入社區(qū)可享核心資源

成為會員即可解鎖完整學(xué)習(xí)生態(tài)，包括：線上實時問答、全部課程錄播回看、獨(dú)家資料共享、高質(zhì)量社群交流、第一手信息同步，以及通過參與共創(chuàng)任務(wù)獲取積分等權(quán)益。

特色退費(fèi)與激勵機(jī)制

我們提供以下兩種途徑，讓您的投入獲得實際回饋：

1. 任務(wù)達(dá)標(biāo)退費(fèi)路徑：認(rèn)領(lǐng)并合格完成任意兩期字幕任務(wù)，即可退還全額報名費(fèi)，并額外獲得集智專屬周邊獎勵。

2. 運(yùn)營成長激勵路徑：合格完成一個字幕任務(wù)后，可申請成為運(yùn)營助理。在讀書會項目順利結(jié)項后，將退還學(xué)費(fèi)。表現(xiàn)優(yōu)異者，還有機(jī)會獲得額外的獎學(xué)金。（詳情請見：）

相關(guān)內(nèi)容推薦：