- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习算法与Python学习
群体智能-果蝇算法
是的，今天要说的就是果蝇算法，“果蝇”就是你理解的那个果蝇，这是在2011年由Wen-Tsao Pan提出的有一种新型的群体智能优化算法。 这两种算法皆是藉由动物群体觅食行为而发展出来的，因此有学者称为群体智能或是群智能算法。而它们也都必须透过迭代的搜寻才能搜寻到最佳解，因此亦属于演化式计算的领域。 Smelli = Function(Si) (5) 找出此果蝇群体的中味道浓度最高的果蝇(求极大值) [bestSmell bestIndex] = max(Smell) (6) 保留最佳味道浓度值与 bestSmell X_axis = X(bestIndex) Y_axis = Y(bestIndex) (7) 进入迭代寻优，重复执行步骤2-5，并判断味道浓度是否优于前一迭代味道浓度，若是则执行步骤6。 [bestSmell bestindex]=min(Smell); (6) 保留最佳味道浓度值与x、y 坐标，此时果蝇群体利用视觉往该位 置飞去。
3.7K110发布于 2018-04-08 - 来自专栏具身小站
群体智能优化算法原理及应用对比
贪婪选择 利用种群中随机个体的差分向量引导搜索 通过向量差分扰动生成试验个体，一对一竞争 粒子群 (PSO) 鸟群、鱼群的社会行为 速度-位置更新模型（个体认知 + 社会学习） 每个粒子感知自身历史最优和群体全局最优 PSO ：模拟社会行为，强调“个体经验+群体协作”。 ACO ：模拟信息素通信，强调“正反馈”和“逐步构建”。 6. 多目标优化 若需处理多目标，可考虑 NSGA-II（基于GA）、MOPSO（基于PSO）、DEMO（基于DE）、MOACO（基于ACO）等专用变体。
20010编辑于 2026-05-29 - 来自专栏数据派THU
梅宏院士：如何构造人工群体智能
在很多低等社会性生物群体中可以观察到，群体中的单一个体不具有智能，或仅有非常有限的智能，由这些个体构成的群体却展现出远超个体能力的智能行为。 原因一：对群体智能的形成机理缺乏充分理解。对群体智能的理解和应用仍然处于必然王国的阶段；无法确保求解特定问题时群体智能的可控重复发生。 原因二：物理空间阻碍了人类群体智能的形成。 三、北京大学团队的研究与实践进展 3.1 研究问题 群体智能的形成机理是什么？ 群体智能能否成为求解问题的基本方法之一？ 如何构造求解特定问题的人类群体智能系统？ 群体智能的能力边界在哪里？ 3.2.4 宏观群体智能 从宏观层面来看，群体智能是由大量持续出现的微观层次的群体智能现象复合形成的现象。 新一代人工智能把群体智能当成人工智能，而我们需要提出新的认识，群体智能本身是自然智能。科学家认识群体智能机理，我们还希望能够把这种规律或者机理利用起来。
1.1K10编辑于 2022-04-22 - 来自专栏ATYUN订阅号
群体智能：新一代AI的重要方向
所以，我们必须要依托良性的互联网科技创新生态环境实现跨时空的汇聚群体智能，高效的重组群体智能，更广泛且准确地释放群体智能。 瞄准群体智能前沿，突破理论和技术瓶颈 《新一代人工智能发展规划》在群体智能的理论基础及前沿技术分别设置了四个方面的基础理论研究任务及八个方向的关键共性技术研究任务，来建立关于群体智能的完整理论与技术体系 ，突破大规模群体智能空间构造、运行、协同以及演化等核心技术，使我国群体智能的研究达到了世界的领先水平。 在群体智能的基础理论部分，《新一代人工智能发展规划》设置了四个方面的研究任务，其中包括：群体智能激励机制与涌现机理、群体智能的结构理论与组织方法、群体智能通用计算范式与模型和群体智能学习理论与方法，用来解决群智涌现的不确定性 建立群体智能平台，推进群体智能应用 现阶段我国虽然拥有丰富的人力资源，但是还未释放出放入丰富并强大的群体智能，充分发挥对国家创新体系的支撑作用。
3.1K70发布于 2018-03-02 - 来自专栏DrugOne
Nature | 面向AI辅助化学合成的群体智能框架
该研究展示了群体智能在化学合成自动化与知识加速中的巨大潜力。 化学合成知识主要以文献形式分散存在，严重依赖研究人员的经验积累与人工检索。 研究人员认识到，单一模型难以覆盖庞大而异质的化学知识空间，而群体智能与专业化专家协同可能是突破这一瓶颈的关键路径。 结果 群体智能合成框架概览 MOSAIC 将反应空间拆分为可搜索的专业知识区域，并通过多专家协作生成高质量实验方案，显著降低了单模型幻觉和不确定性问题。 图 1｜MOSAIC 群体智能框架。 讨论 MOSAIC 体现了一种将群体智能理念引入化学合成自动化的全新范式。通过将庞大的反应知识空间拆解为可搜索的专家区域，研究人员实现了知识的可扩展利用和不确定性的显式量化。 随着反应数据库和语言模型能力的持续增长，MOSAIC 所代表的群体智能策略有望在化学合成、材料发现和自动化实验平台中发挥越来越重要的作用。
39810编辑于 2026-01-26 - 来自专栏AI SPPECH
2025年自主代理系统：从单一智能到群体智能的飞跃
实用化阶段（2016-2023）：结合深度学习和强化学习的自主代理系统 群体智能阶段（2024-至今）：从单一代理到多代理协作的群体智能系统 1.2 自主代理系统的研究热点 2025年，自主代理系统的研究主要聚焦在以下几个热点方向 根据目标制定计划和执行动作 基于效用的代理：根据效用函数选择最优动作 学习代理：能够通过学习不断改进性能的代理 多代理系统：由多个代理组成的协作系统 2.3 代理间通信与协作机制 多代理系统中的通信和协作机制是实现群体智能的关键 ：借鉴自然界的群体智能现象，设计高效的协作算法 资源约束优化：在资源有限的情况下优化代理的行为和协作 4. 未来发展与行业影响 7.1 技术发展趋势 自主代理系统的未来发展趋势包括： 从单一代理到群体智能：从单一代理的研究向多代理协作和群体智能方向发展 从虚拟世界到物理世界：从虚拟环境中的代理向能够与物理世界交互的实体代理发展 总结与结论 2025年，自主代理系统技术取得了显著进展，从单一智能向群体智能的发展趋势明显。这些技术的发展不仅为人工智能的实际应用开辟了新的可能性，也为解决复杂的社会和经济问题提供了新的思路和方法。
36510编辑于 2025-11-13 - 来自专栏AI智能体从入门到实践
构建AI智能体：从单体智能到群体智能：A2A协议如何重塑人机协作新范式
"28℃", "condition": WeatherCondition.SUNNY, "humidity": "55%", "wind_speed": "6km ) print(f"推荐: {result3['recommendation']}\n")if __name__ == "__main__": demo_advanced_system()6. 五、总结 从简单的天气查询代理到复杂的多代理协同决策系统，我们见证了A2A智能代理协议如何重塑分布式人工智能的架构范式。 这个演进过程不仅仅是技术栈的升级，更是思维模式的根本转变——从追求单体智能的极致性能转向构建智能体间的协同生态。 更重要的是，这个系统展现了分布式智能的乘法效应：单个代理或许只能解决特定领域的问题，但当它们通过A2A协议协同工作时，产生的集体智能远远超出各部分能力的简单叠加。
75742编辑于 2025-12-10 从“单点智能”到“群体涌现”：2026年多智能体协作架构与治理实战
行业共识已然清晰：面对真实世界的复杂性，没有哪个“超级大脑”能包打天下；真正的智能不在于个体的全能，而在于群体的有序协作。这标志着AI工程正式从“打造最强单兵”迈入“构建高效军团”的新纪元。 一、为什么2026年必须拥抱多智能体范式？ 该层是系统的“中枢神经”，必须具备全局视野与仲裁权威，防止群体陷入死循环或发散失控。三、实战：构建带角色约束与动态协调的多智能体框架以下是一个可直接集成的轻量级MAS核心代码。 多智能体架构正是这场转型的组织基石——它让AI不再是一个孤立的思考者，而是一个分工明确、相互制衡、动态适应的智能共同体。 上述代码提供了一个符合当下最佳实践的起点，但真正的专业性体现在对协作本质的深刻理解、对治理规则的精细设计，以及对“群体智能涌现”条件的持续探索。
18210编辑于 2026-07-04- 来自专栏智能人工
基于互联网群体智能的知识图谱构造方法
DBpedia项目将知识图谱构造任务进行微任务化, 由大规模志愿者群体手工完成对维基百科中自然语言知识的结构化表示[6].通过人工方式构造形成的知识图谱具有较高的准确性、可用性和可信性. 1.3.1 自然界中的群体智能长久以来, 科学家在很多社会性昆虫群体中观察到了一种看似矛盾的现象: 每一昆虫个体不具有或仅具有有限的智能, 但一个昆虫群体却能在群体层次上展现出远超个体的智能行为. 从群体智能现象中可以观察到群体智能具有的一个基本性质, 即对个体智能的放大效果.研究者提出了环境激发效应[31]这一概念, 用于解释社会性昆虫的群体智能现象. 目前存在的较为成功的人工群体智能系统都不是在任何成熟的群体智能理论的指导下构造形成的. 主要原因在于, 目前的研究工作主要关注群体智能的解释型理论(即如何解释某一群体智能现象的形成机理), 而较少触及群体智能的构造型理论(即如何可控地构造求解特定问题的群体智能系统).
99220编辑于 2022-08-06 从个体智能到群体智慧：多智能体协同能力的理论跃迁与实践落地
该框架揭示了多智能体协同的本质：单体智能能力是基础，构建高效、自适应、可迭代的协作机制，才是释放群体智慧的核心。 2.3从个体到群体的能力跃迁西安交通大学LIFEprogression框架，清晰勾勒出多智能体系统从单体智能走向群体智慧的演化路径，整体分为四个递进阶段：个体能力阶段：系统建设的基础。 无锡市发布《无锡市智能体创新发展白皮书（2026）》，成为国内首个全面布局城市级智能体矩阵的城市，标志城市治理从数字人应用迈向群体智能体协同阶段。 随着协同工程体系不断成熟，未来十年，基于多智能体的群体智能，将持续在数字空间与物理实体场景中落地演化，成为产业智能化升级的核心驱动力。 FailureAttribution,andSelf-EvolutioninLLM-basedMulti-AgentSystems[J].arXivpreprintarXiv:2605.08914,2026.[6]
32900编辑于 2026-05-30AGORA：通过群体蒸馏激发大语言模型的群体涌现能力
这种增益源于群体涌现能力——孤立模型无法实现的集体能力合成，验证了交互作为智能可扩展驱动力的有效性。研究结果将协作生态系统的工程化定位为能力涌现的关键前沿。 主题分类机器学习（cs.LG） 人工智能（cs.AI） 核心创新交互式扩展轴：突破传统参数缩放模式，建立模型间结构化交互机制 群体蒸馏技术：通过协作集成产生超越单体模型的群体涌现能力 性能验证： 在数学推理任务中实现4.45%的绝对性能提升 技术价值该研究为大语言模型能力突破提供了新范式，证明通过设计交互生态激发的群体智能可成为继数据/参数扩展后的第三代能力提升路径。
20310编辑于 2025-08-05- 来自专栏新智元
【Nature 封面论文】随机人工智能群体控制，提高人类协作效率
不可预测的人工智能（AI）听起来可不是件好事。但一项新的研究表明，随机运行的计算机可以促使人类更好地协调行动，更快地完成任务。该方法也可以用于缓解交通流量、改善企业战略，甚至可能改善或巩固婚姻关系。
1.2K80发布于 2018-03-28 分布式AI：群体智能时代的技术革命与实战指南
这一痛点催生了分布式人工智能的兴起——通过将计算任务分散到边缘设备、云平台和多智能体网络中，实现高效协同决策。 一、分布式系统基础：群体智能的基石分布式系统的核心在于通过多台服务器协同完成任务，解决高并发、低延时等互联网关键问题。其典型三层架构（接入层、逻辑层、数据层）是理解现代微服务与云原生技术的基础。 三、RTOS与多智能体：博弈中的群体智能RTOS（实时操作系统）是分布式AI的底层支撑，而Multi-Agent系统通过智能体间的博弈与协作（如纳什均衡）实现复杂决策。 面试亮点：在求职中展示分布式项目经验，如“基于群体智能的电商推荐系统”，突出数据一致性（CAP理论）的处理能力。结语：分布式AI重塑职场竞争力分布式人工智能不仅是技术迭代，更是组织能力的升级。 随着5G和边缘计算的普及，分布式AI将在智能制造、智慧金融等领域爆发。正如《新一代人工智能发展规划》所言，群体智能是国家创新的核心驱动力——主动拥抱这一趋势的人，将在职场中占据领先地位。
32720编辑于 2025-11-26- 来自专栏智能算法
智能时代，推荐算法主导群体意识
根据FT中文网的报道， 在实际票数(popular vote)上，本届美国大选却是另一个样貌：截至北京时间11日晚上6点，希拉里实际上比特朗普多拿到63.8万张绝对投票。 Facebook 犹如惊弓之鸟，立马解雇了这些年轻的编辑，采用人工智能算法来自动地生成新闻流。但是这种方法也并没有取得很好的效果，假新闻依然层出不穷。
1.3K50发布于 2018-04-02 - 来自专栏运维之路
群体协同方式
晚上在阅读大卫.西贝特的可视化思维丛书中提到的群体协作手段，恰好与最近的一些思考相呼应，摘录出书中的一些可视化协同工具。
64820发布于 2020-03-06 - 来自专栏新智元
智能时代，推荐算法主导群体意识
根据FT中文网的报道， 在实际票数(popular vote)上，本届美国大选却是另一个样貌：截至北京时间11日晚上6点，希拉里实际上比特朗普多拿到63.8万张绝对投票。 Facebook 犹如惊弓之鸟，立马解雇了这些年轻的编辑，采用人工智能算法来自动地生成新闻流。但是这种方法也并没有取得很好的效果，假新闻依然层出不穷。
968120发布于 2018-03-26 - 来自专栏机器学习AI算法工程
用户群体画像那些事儿
用户群体画像是产品用户增长的利器之一——它能够帮您探究产品指标数字背后的原因。 群体画像的用途 用户群体画像可以帮助我们： 分析某个指标数字背后的用户，具备哪些特征——他们的人群属性、他们的行为特点？ 找到一些有趣的、有价值的事实，并从中发现产品有效改进提升的机会或方向。 用户群体的“画像”包括什么？ 用户价值和流失风险分析 高价值用户的占比越高，高流失风险的用户占比越低，产品越健康。 ? 用户特点分析 分析用户的性别、年龄、自定义属性、兴趣标签等。 ? 用户群体画像应如何使用？ 群体画像除了帮助我们查看产品用户的特点，更重要的作用是发现产品问题的背后的原因。 用户群体画像提供了一架坚实的桥梁，可以帮助您和您的产品更加顺利的跨越鸿沟，尽早实现用户的快速增长！ 如何构建用户画像 伴随着大数据应用的讨论、创新，个性化技术成为了一个重要落地点。
3.2K110发布于 2018-03-13 - 来自专栏量子位
大模型下一步，通用群体智能有谱了 | CCF C³
通用群体智能已初见端倪。 …… 最新CCF C³活动来到百度，更多关于大模型产业生态发展的问题在现场得到了解答。50余位企业界、学界专家、研究人员就此进行深入探讨。 通用群体智能已初见端倪 除此之外，百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜，北京航空航天大学吴文峻教授带来了主题报告分享。百度高校合作部总监李轩涯任主持人。 北航吴文峻教授则聊了聊通用人工智能的群体智能研究。当前AI发展已经进入一个全新历史阶段，特别是在所谓「foundation model」方面，比如超大规模模型或基座模型。 有了以上基础，我们就有可能让海量知识和物理世界形成对照，提升智能体在新环境下的智能决策，进而形成群体化通用具身智能系统。 报告认为，大模型开启了通用人工智能时代，让群体智能研究也进入了全新阶段—— 通用群体智能已经初现端倪。
45120编辑于 2023-09-08 - 来自专栏信数据得永生
Python 智能项目：6~10
-1681654125431)(https://gitcode.net/apachecn/apachecn-dl-zh/-/raw/master/docs/intel-proj-py/img/f17a6b6e-bf3f 在这里，S表示智能体可能会暴露的所有状态，而A则表示智能体可以参与的可能动作。 您现在可能想知道智能体如何采取行动。 应该是随机的还是基于启发式的？ 好吧，这取决于智能体与相关环境的交互程度。 在初始阶段，智能体可能会采取随机行动，因为他们不了解环境。 但是，一旦智能体与环境进行了足够的交互（基于奖励和惩罚），智能体就会了解在给定状态下采取哪种适当的措施。 状态和奖励将由环境呈现给智能体，而智能体将通过采取适当的行动对智能体采取行动。 这些状态采用从汽车前面的摄像头拍摄的图像的形式。 设计智能体 该智能体将与环境交互，并在给定状态的情况下，尝试执行最佳操作。 智能体最初将执行随机动作，并且随着训练的进行，动作将更多地基于给定状态的 Q 值。
1K20编辑于 2023-04-23 - 来自专栏机器学习、深度学习
群体运动度量--Measuring Crowd Collectiveness
Collectiveness 用于描述群体运动的一致性的一个定义 Collectiveness, which indicates the degree of individuals acting as a union in collective motion Collectiveness 的定义是 表示 个体的运动和 群体运动的相似度，个体在群体运动中的参与度， 人群，鱼群，细菌群，羊群 等等都有有序的运动 在一定的环境下，群体中的个体按照不同的水平的群体运动组成一个整体，所以群体运动的描述由个体的参与度决定，这反应了个体的运动和 群体运动的相似度。 一个群体系统 C 的 crowd collectiveness 可以被定义为 所有个体的 individual collectiveness 的均值，可以用如下公式来计算 ?
83890发布于 2018-01-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号