智能社会协同治理：研究现状与发展趋势

智能社会是以人机物的高度耦合为核心特征,以智能社会协同治理为核心治理模式,形成现代人到智能体的主体性转变,全面拓展人类的生物、时间和空间等存在属性的社会形态。智能社会协同治理是智能社会智能体充分调动各类智慧、技术、资源而形成的有机整合的治理模式,以解决智能社会的个体成员、运行规律、社会机构、治理模式、政策制定和伦理规范等一系列重大问题。国内外学者综合运用模型驱动和数据驱动的方法对智能社会进行建模,从协同治理主流理论、智能社会拓扑和协同决策优化等角度研究智能环境下的协同治理技术,发展了一系列智能社会协同治理的机理与模型。近些年来,物联网、人工智能和大数据等技术的发展进一步拓宽了智能社会协同治理的范畴,呈现出广阔的应用前景,但同时也对智能社会协同治理的模型与应用提出了新的挑战。文章从人类发展历史与核心社会特征演化趋势、数字社会向智能社会过渡阶段研究,协同计算的主要模型、方法以及协同计算在智能社会行为体“人机物”互动中的应用3个方面,对国内外的相关研究现状和进展进行综述和对比分析,凝练存在的关键科学与技术问题,分析各研究分支的特色和可能存在的互补性,最终给出该方向未来的潜在发展与研究方向。     

群体智能计算

群体智能是正在迅速发展的新兴研究领域.通过对自然界生命现象的模拟,在不同层次上揭示生命现象和进化规律,为复杂系统复杂行为建模与仿真提供了新的思路.该文对群体智能和计算智能的概念、基本原理和研究方法作了阐述,并对群体智能计算的未来发展趋势作了展望.     

粒子群算法改进策略研究

粒子群算法是在鸟群、鱼群和人类社会的行为规律的启发下提出的一种新兴的基于群智能的演化计算技术,是一种启发式全局搜索算法,通过群体中个体之间的协作和信息共享,通过迭代寻找最优解。由于粒子群算法中粒子向自身历史最佳位置和领域群体历史最佳位置聚集,形成种群的快速趋同效应,容易出现陷入局部极值、早熟收敛或停滞现象。基于此,对粒子群的改进进行了全面的分析和研究。     

基于群智能的计算与仿真方法研究

随着人类认知范围的拓宽,已有的一些智能计算方法在处理复杂问题时,如高维度、多极值等,往往不能取得令人满意的效果.人们从生命现象中受到启示,发明了模拟生命系统的某些行为、功能和特性的群智能方法.对群智能的主要领域群智能计算和群智能仿真进行了阐述,同时还介绍了其相关研究领域.     

微粒群优化算法研究

微粒群算法(PSO算法)是模拟鸟类、鱼群等的群体智能行为的一种启发式全局优化技术.通过介绍微粒群优化算法的原理、算法流程、算法参数及其对算法性能的影响,给出了各种改进的微粒群算法形式以及研究现状,归纳了微粒群算法的国内外应用进展及研究方向.     

基于群体智能的蚁群算法原理及应用研究

自然界中群居性生物通过协作表现出的宏观智能行为特征被称为群体智能,群体智能已成为人工智能及相关领域的研究热点.蚁群算法(Ant Colony Optimization,ACO)是一种新颖的组合优化算法,它具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法相结合等优点.主要介绍了蚁群算法的原理,探讨了蚁群优化算法及其应用.     

人脑信息处理和类脑智能研究进展

脑科学被视为理解宇宙、自然与人类关系的“终极疆域”，人类从未停止对人脑的探索以及对其运行机制的模仿。过去几个世纪，人类对人脑的解剖构造和人脑各部分的独特功能有了一定的认识，但对人脑的信息处理机制、智能的形成等问题还需要持续深入探索。同时，借鉴人脑的信息处理方式开展类脑智能研究，对扩展与应用人类智能具有重要作用，是人工智能的下一个发展目标。从人工智能技术视角提出了大数据驱动的人脑信息处理机制、多脑区协同的人类智能形成机制、多标志物联动的脑疾病发展机理、多模态融合的类脑深度计算机理等关键科学问题，并建议从多学科交叉融合、产学研合作促进、国际化交流共享、战略性规划部署及科研型人才培养等方面加强脑科学及类脑智能研究。     

解耦设计中分布式并行协同求解方法

随着并行工程、分布式人工智能学科的发展,从分布式协同求解角度进行解耦研究成为复杂机电系统的重要研究方向．作者介绍了基于分布式并行协同求解进行解耦设计的组织原则和策略,描述了协同求解智能主体的内部结构和功能模块,说明了每一智能主体的工作机理,并进而对协同求解过程中的通信机制作出初步设计．     

人工智能技术的分析与研究

分析人工智能技术所面临的问题，讨论其中各种智能模拟方法的实现，特点及适用范围；指出人工智能技术的发展方向。     

基于迁徙策略的PSO集成及其在序列模体识别中的应用

对优化问题和游牧民族迁徙行为的比较研究表明,两者存在相似之处,文中模拟了游牧民族迁徙机制,提出了一种迁徙策略,并且与粒子群优化算法相结合,提高了算法摆脱局部极值的能力,通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后应用于求解计算分子生物学中的一个复杂问题——生物序列模体识别,实验表明,该算法是有效的。     

基于生物群集行为的无人机集群控制

 生物群集行为是一种普遍存在的自然现象,群体中的个体利用简单的规则、局部的交互,形成了鲁棒性强、自适应度高、可扩展性好的自组织行为,在系统层面体现为智能的涌现。本文首先简要叙述了蚁群、蜂群、鸽群、鱼群等典型的生物群集,并从组织结构的分布式、行为主体的简单性、作用模式的灵活性、系统整体的智能性等方面分析了生物群体智能的特点。然后,介绍了部分具有代表性的无人机集群项目,总结了无人机集群的关键技术,包括集群态势感知、自主编队控制、智能协同决策。最后,从生物群集和无人机集群在直观上的相似性出发,分析了生物群体和无人机集群自主控制的映射关系,并探讨了仿生物群集的无人机集群自主控制中的核心问题。     

Strategies of Collaboration in Multi-Swarm Peer-to-Peer Content Distribution

In modern Peer-to-Peer (P2P) content distribution applications, multiple swarms typically exist, each corresponding to the dissemination of one content among interested peers. A common design in the existing P2P applications is to allow peers in one swarm to help each other, while different swarms are only coupled when sharing the upload bandwidth at the dedicated content servers/publishers. In recent years, a number of proposals have emerged which advocate inter-swarm collaboration and resource sharing, where peers in one swarm may contribute their storage and bandwidth resources to help peers in the swarm of another content. Such inter-swarm collaboration can improve content availability and optimize resource uti-lization in the entire system, at the cost of additional overhead for content preloading and inter-swarm coor-dination. This paper presents a survey of studies on effective inter-swarm collaboration mechanisms in the existing literature. This paper first discusses strategies of collaboration in P2P file sharing applications, and then presents multi-channel collaborative design for P2P live and Video-on-Demand (VoD) streaming. In particular, this paper elaborates our recent design of collaboration strategies among multiple streaming channels in a P2P VoD system, and shows that the server cost can be reduced by up to 25% while high streaming qualities are guaranteed in the entire system, even during extreme scenarios such as unexpected flash crowds. This paper also discusses representative approaches to implement inter-swarm collaborations in various P2P content distribution systems.     

航空集群自主空战研究进展

 航空集群自主空战是军事智能化领域必须研究的典型难点问题。综述了智能空战相关理论与技术,理清了智能空战发展的脉络,分析了航空集群理论与技术以及人工智能在空战决策领域的应用现状,探讨了中国智能军事发展的可鉴之策及实现集群自主空战的可行途径。     

基于群集运动智能的SDN业务传输优化技术

针对软件定义网络(software defined network,SDN)负载全局优化问题,受生物界群集运动的启发,以实现当前分布式全网状态感知、全局优化目标、区域自主协同为目标,研究了基于群集运动智能的SDN业务传输优化技术。为满足上层业务对网络传输性能的需求,根据传输时延、网络吞吐量等性能指标,在多目标优化约束条件下,通过业务聚类定义针对各业务的平稳流,并将平稳流内共同协作的节点相结合定义为平稳流协作场。协作场内的节点通过收集网络状态信息并在协作场内共享,实现网络状态的快速感知及决策。协作场之间各个平稳流以不同的带宽、时延等网络传输需求运行,使得平稳流获得了确定的资源抢占成功率,从而以稳定速率传输。针对基于平稳流的业务传输优化技术,给出了基于群集运动协同方式的流量工程处理体系和业务优化方案,并对该体系下群智节点的感知认知、业务聚类分析、平稳流协作场构建、协同智能决策优化方法、优化流程、节点架构等进行分析阐述。     

差分演化的微粒群算法

针对基本粒子群算法易陷入局部极小点、搜索精度不高等缺点,在算法改进方面引用差分演化算法的变异操作提出了差分演化的PSO算法,并用matlab仿真证明该算法的可行性。     

基于模式求解旅行商问题的蚁群算法

群体智能已经被广泛应用于分布式控制、调度、优化等领域.其中蚁群算法已经成为该领域的一个研究热点.在蚁群算法的基础上针对旅行商问题(TSP),首先提出了小窗口蚁群算法,提高初始解的质量,然后与基于模式的蚁群算法相结合,通过提取模式,改变计算粒度,缩短计算时间,提高计算精度.实验结果表明该算法有较好的效果.     

基于文献计量可视化的中外“建筑信息模型+大数据”研究现状对比

建筑信息模型(building information modeling,BIM)与大数据集成应用为项目智慧化管理提供新方法,该领域近年来深受中外学者关注.为了更全面了解该领域的研究情况,以Web of Science数据库研究类文献及中国知网数据库期刊文献作为数据来源,运用文献计量可视化方法,以Citespace、Ucinet软件为分析工具,梳理2014-2019年期间发表的文献,绘制可视化知识图谱,从研究热点、研究演进趋势两个方面进行分析.结果 表明:中外“BIM+大数据”集成研究各有所侧重点,以智能管理和智慧决策为目标,深度集成物联网、云计算、人工智能等新兴技术,服务于智慧城市建设与智慧建造的发展是未来研究趋势.     

“数字校园”智能化的探讨

本文介绍了校园物联网及数字校园的概念和特征,从多个方面阐述了数字校园建设的内涵和目标。在数字校园建设和智能化的研究基础上,运用人工智能和云计算的理论,提出了构建校园智能系统的研究理念,以促进数字校园向全面智能化发展。     

2018年人工智能研发热点回眸

 2018年，人工智能学科各分支取得了一系列研究进展，并在众多领域获得广泛应用。本文遴选人机融合智能、群体智能、认知计算、情感计算、智能机器人、智慧城市、人工智能医疗等分支作为代表，回顾了2018年人工智能领域的热点事件。