1.5.6 无人集群的群智涌现

群体生物能够通过集体和自组织的协同行为涌现出令人惊叹的智慧。采集数据的多样性、计算平台的差异性和算法的多样性，可以涌现出各种各样的决策[34]。群体智能在20世纪被提出，群体智能最成功的两个算法是蚁群优化（Ant Colony Optimization，ACO）算法[35]和粒子群优化（Particle Swarm Optimization，PSO）算法[36]。蚁群（优化）算法是受到蚁群寻找食物以及搬运食物的明确分工和协同执行的启发而产生的，在群体智能领域有突出的应用效果，可以用于战场中无人集群之间任务的动态分配和协同执行。粒子群（优化）算法是模拟鸟群觅食行为而产生的一种基于群体协同的随机搜索算法，在未来战争中可以提高无人集群的协同侦察和搜索能力。2012年，Tang等人提出了基于狼群狩猎行为的狼群搜索算法（Wolf Search Algorithm，WSA）[37]。狼为了生存和繁衍，需要个体之间的团结与合作，狼群形成了复杂的协同狩猎行为，由头狼、探狼和猛狼组成，各司其职、并肩作战。狼群算法更适合无人集群协同执行打击任务，通过训练，无人集群学习到狼群的策略后，可根据目标的情况进行分工，协同执行任务，提高打击成功的概率。对生物群体中这种通过简单个体之间的协同即可涌现出复杂行为（称为群体智能涌现，简称群智涌现）的机理进行充分研究，并将其应用到无人集群中，就能使无人集群在学习的过程中像自然界中的生物一样进化出高级智慧，从而改变未来战争的作战样式和决策方法。自然界中的群智涌现现象如图1-8所示。

图1-8 自然界中的群智涌现现象