[活動變更為1月24日]韓戰鋼：從自然到人工集群系統的實驗、模型、應用|群體智能讀書會（第一期）

導語

活動時間更改通知

因門頭溝大雪，這邊多為山路，為了大家的安全起見，本次活動順延下周，1月24日 （周六）下午14：00-16：00，集智谷線下線上同步進行 ，報名仍可繼續。

自然界里蟻群搬運、魚群轉向、鳥群編隊，看似各自為戰，但卻能涌現出高度有序的集群行為。本期讀書會從生物集群出發，用更統一的視角理解群體智能是怎么從簡單的局部規則中涌現：既介紹常見的多主體建模方法，解釋感知范圍、交互拓撲和噪聲如何影響整體形態，也會結合實驗與數據驅動研究，說明模型如何復現不同的集體運動。最后把這些思路落地到工程里，看看集群機器人和多無人系統如何借鑒生物機制，并展望用機器學習和大模型從大規模數據中反推交互規則，推動更可解釋、可控的人工群體智能。

本期將由北京師范大學系統科學學院韓戰鋼教授主講，于2026年1月24日下午14:00-16:00北京門頭溝集智谷（First青年電影中心）線下進行，有意線下參會的集智學員可在報名本期讀書會，加入學員群后獲得線下參會資格。

內容簡介

本次分享聚焦集群智能與多主體系統的建模與分析，從自然集群到人工群體的統一刻畫出發，梳理關鍵概念、代表性模型和若干面向未來的研究方向。報告基于蟻群、魚群、鳥群等典型生物集群，提煉群體在信息匯聚、協同決策、環境適應與魯棒性方面的功能特征，并結合近年來面向魚群等體系的精細實驗與數據驅動研究，利用統計物理學中的相變與臨界態理論，對系統在從無序到有序演化過程中的整體狀態進行嚴謹的定量分析，展示利用動力系統建模和統計物理工具對集體相位、臨界行為和響應模式進行定量描述的路徑。

在方法層面，討論以多主體動力學為核心的集群建模框架，涵蓋基于位置與速度的行為規則模型、感知區域模型以及社會力模型，分析局部相互作用結構、感知拓撲與噪聲強度對宏觀涌現結構和動力學階段的影響。進一步結合來源于生物實驗的數據驅動建模工作，說明如何通過交互強度和控制參數的整定，在模型層面再現多種集體運動形態與群體功能優勢。

面向工程應用，分享以集群機器人和多無人系統為代表的相關研究進展，展示生物啟發模型向分布式控制策略與群體協同算法的遷移路徑，涉及編隊保持、任務分配、區域覆蓋等典型問題，并簡要介紹部分實驗實現。最后，討論利用機器學習與大模型挖掘大規模生物集群數據中隱含交互規則的前景，以及其與多主體建模、遺傳算法和神經網絡等方法的潛在耦合，為構建具有可解釋性和可調控性的人工群體智能勾畫一個大綱。

分享大綱

內容1 集群：從自然集群到人工群體的統一視角

• 1.1 關鍵概念與問題框架：個體—交互—涌現—功能（信息匯聚、協同決策、適應性、魯棒性）

• 1.2 典型生物案例導入：蟻群/魚群/鳥群的群體功能與可觀測現象

• 1.3 代表性研究方向概覽：機制解釋 vs 可控設計 vs 可遷移工程化

內容2 數據驅動建模：從生物實驗到模型參數與交互規則

• 2.1 精細實驗與軌跡數據：可觀測量、數據質量與預處理要點

• 2.2 交互強度與控制參數識別：參數整定如何復現多種集體運動形態

• 2.3 功能優勢的模型化驗證：效率、穩定性、適應性等指標評估

內容3 工程遷移：集群機器人與多無人系統的分布式協同

• 3.1 生物啟發到控制策略：從局部規則到分布式控制律的轉譯

• 3.2 典型任務：編隊保持、任務分配、區域覆蓋

• 3.3 實驗實現與系統挑戰：通信約束、延遲、異質性、可靠性

核心概念

集群智能 Swarm Intelligence

多主體動力學 Multi-agent Dynamics

多主體建模 Agent-Based Modeling

涌現與集體相位 Emergence & Collective Phases

相變與臨界態 Phase Transitions & Criticality

局部相互作用與感知拓撲 Local Interactions & Sensing Topology

數據驅動建模 Data-driven Modeling

分布式控制與群體協同 Distributed Control & Collective Coordination

可解釋與可調控的人工群體智能 Interpretable & Controllable Artificial Collective Intelligence

主講人介紹

主講人：韓戰鋼，北京師范大學系統科學學院二級教授，校系統分析與集成實驗室主任，國務院學位委員會系統科學評議組成員，聯合國教科文組織復雜系統數字校園副主席，兼任多個學術團體理事。

他長期致力于系統科學的基礎理論研究，建立了演化算法收斂復雜性理論，系統地研究自然與人工集群系統，生物集群行為的現象和對稱破缺機制，機器人集群的自組織協同，以及多智能體在其他領域的應用。

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

研究方向：復雜系統理論，信息的功能性應用，基于 agent 建模，信息網絡，遺傳算法，蟻群，魚群，機器人群體實驗。

個人主頁：https://sss.bnu.edu.cn/t/~zhan

參考文獻

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. 王偉嘉, 鄭雅婷, 林國政, 等. 集群機器人研究綜述[J]. 機器人, 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).

報名讀書會：

「群體智能：從自然涌現到人機共創」

集智俱樂部聯合北京師范大學系統科學學院韓戰鋼教授、暨南大學計算傳播研究中心趙甜芳副教授、新疆大學物理科學與技術學院玉素甫·艾比布拉副教授等學者，共同發起本次，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化，放在同一張地圖上重新理解。讀書會自2026年1月24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、如何被理解、以及如何被設計，感興趣的朋友一起加入：帶著問題來，帶著更有趣的問題去。

報名方式：

第一步：微信掃碼填寫報名信息。

（掃碼報名參加讀書會）

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

第三步：添加運營助理(Swarma Assitant)微信，拉入對應主題的讀書會社區（微信群）。

PS：為確保專業性和討論的聚焦，本讀書會謝絕脫離讀書會主題和理論生態學問題本身的空泛的哲學和思辨式討論；如果出現討論內容不符合要求、經提醒無效者，會被移除群聊并對未參與部分退費。

第一期線下參會方式

線下地點：北京門頭溝集智谷（First青年電影中心）

時間：2026年1月24日（周六）下午14:00-16:00

活動參與說明與邀請

一、報名與費用

集智讀書會成員：免收茶水最低消費。

非讀書會成員：歡迎公開報名，現場最低消費58元

二、集智VIP專屬禮遇

為感謝VIP會員的支持，我們已為您預留前排VIP專座與集智手沖咖啡一杯，恭候您的光臨。

（掃碼報名參加讀書會）

直播信息

加入社區后可獲得的資源

完整權限包括：線上問答、錄播回看、資料共享、社群交流、信息同步、共創任務獲取積分等。