李志強(qiáng)，李元龍，劉經(jīng)德，殷來祥

（1.國(guó)防大學(xué)聯(lián)合作戰(zhàn)學(xué)院，北京 100091；2.國(guó)防大學(xué)研究生院，北京 100091）

0 引言

隨著智能無人技術(shù)的飛速發(fā)展，智能無人蜂群作戰(zhàn)系統(tǒng)以其低成本、大規(guī)模協(xié)同作戰(zhàn)的優(yōu)勢(shì)，必將成為未來智能化戰(zhàn)爭(zhēng)的重要作戰(zhàn)樣式之一。智能無人蜂群作戰(zhàn)系統(tǒng)是以有限行為能力的大規(guī)模無人作戰(zhàn)個(gè)體構(gòu)成的大規(guī)模群體作戰(zhàn)為核心作戰(zhàn)能力。其作戰(zhàn)行為方式類似蜜蜂、螞蟻等自然界的群居生物，故稱之為蜂群作戰(zhàn)。智能無人蜂群作戰(zhàn)系統(tǒng)的核心特征是組成蜂群作戰(zhàn)系統(tǒng)的個(gè)體作戰(zhàn)能力和行為模式相對(duì)簡(jiǎn)單，一般只具備局部的感知、交互和攻擊能力，但是由于其組成規(guī)模大，在大量作戰(zhàn)個(gè)體的局部作戰(zhàn)交互過程中，系統(tǒng)在整體上會(huì)形成個(gè)體所不具備的具有更高層次智能行為特征的整體作戰(zhàn)能力，即群體智能作戰(zhàn)能力。按照復(fù)雜系統(tǒng)自組織理論，這種基于簡(jiǎn)單局部行為規(guī)則形成的宏觀整體上的智能行為模式，稱之為自組織涌現(xiàn)行為。

本文以智能無人蜂群作戰(zhàn)系統(tǒng)為研究對(duì)象，以復(fù)雜系統(tǒng)自組織理論為指導(dǎo)，基于圣塔菲研究所（SantaFe Institute，SFI）復(fù)雜系統(tǒng)Swarm 研究平臺(tái)，采用自底向上的自組織涌現(xiàn)性建模策略構(gòu)建智能無人蜂群作戰(zhàn)系統(tǒng)模型，通過仿真實(shí)驗(yàn)探索研究基于簡(jiǎn)單局部作戰(zhàn)規(guī)則的自組織智能無人作戰(zhàn)蜂群系統(tǒng)宏觀整體作戰(zhàn)行為模式與其微觀個(gè)體作戰(zhàn)規(guī)則之間的內(nèi)在關(guān)系，從而為智能無人蜂群作戰(zhàn)系統(tǒng)個(gè)體作戰(zhàn)行為規(guī)則構(gòu)建與宏觀整體群體智能作戰(zhàn)行為模式產(chǎn)生機(jī)制研究提供借鑒與參考。

1 自底向上的自組織涌現(xiàn)性建模方法

涌現(xiàn)，英文為Emergence，從詞源結(jié)構(gòu)上分析，它是由e-（出來）和merge（汲出）組合而成，從其基本意義上看，就是具有不可“預(yù)見性”（The New Oxford Dictionary，Oxford University，1998）。20 世紀(jì)40年代，奧地利生物學(xué)家貝塔朗菲（Bertalanffy）在其《生物有機(jī)體系統(tǒng)》的論文中首次使用了“涌現(xiàn)性”的概念，其主要是針對(duì)生物機(jī)械論的觀點(diǎn)。貝塔朗菲認(rèn)為生命現(xiàn)象是具有不可還原性的，它是一個(gè)自底向上的“涌現(xiàn)”過程，當(dāng)我們把一個(gè)生命體分解為其基本組成要素以后，生命現(xiàn)象的行為特征就消失了?？梢?，在生物界里，涌現(xiàn)體現(xiàn)了從底層組成要素到高層行為特征的一種不可預(yù)知，也不為人知的神秘過程。事實(shí)上，不僅僅是在生物、社會(huì)、思維這種與生命相關(guān)的領(lǐng)域，在客觀世界的各個(gè)領(lǐng)域都普遍存在這種現(xiàn)象，即諸多要素一旦按照某種方式形成一個(gè)系統(tǒng)整體，就會(huì)產(chǎn)生整體具有而部分和部分“總和”所不具有的屬性、行為、特征與功能。而一旦把系統(tǒng)整體分解為互不相關(guān)的各個(gè)部分，這些屬性、行為、特征、功能就不復(fù)存在。

我們所生活的自然界和社會(huì)中，存在著大量具有涌現(xiàn)性特征的復(fù)雜系統(tǒng)。例如，在生命界，小到一個(gè)簡(jiǎn)單細(xì)胞，大到一個(gè)復(fù)雜的生物群落。在人類社會(huì)中，由很多經(jīng)濟(jì)實(shí)體組成的經(jīng)濟(jì)系統(tǒng)，由很多社會(huì)實(shí)體組成的社會(huì)系統(tǒng)等。這些復(fù)雜系統(tǒng)的一個(gè)共同的特征就是系統(tǒng)由大量的個(gè)體組成，每個(gè)個(gè)體只具有相對(duì)有限的行為能力和局部信息處理規(guī)則，在系統(tǒng)之外也并不存在一個(gè)高高在上的控制者，來控制和協(xié)調(diào)系統(tǒng)中每一個(gè)個(gè)體的行為，但是就是在這種大量具有有限行為能力個(gè)體組成的系統(tǒng)之中，系統(tǒng)在宏觀層面上卻表現(xiàn)出許多底層個(gè)體所不具有的不可預(yù)知的自組織“整體”行為。例如，目前研究相對(duì)比較深入的蜂群、蟻群、鳥群、魚群等具有社會(huì)性的生物，它們以群體形式進(jìn)行覓食、防御、筑巢等。雖然從每一個(gè)個(gè)體上看它們的行為能力相對(duì)簡(jiǎn)單和有限，但是從整個(gè)群體上看，卻能表現(xiàn)出很高的自組織群體智能（Swarm Intelligence），能夠保持一個(gè)群體井然有序的生活。對(duì)于人類經(jīng)濟(jì)系統(tǒng)，一個(gè)流行的隱喻就是亞當(dāng)·斯密所說的“看不見的手”。這說明雖然系統(tǒng)沒有一個(gè)外在的控制者，但是系統(tǒng)卻能夠自動(dòng)按照某種規(guī)律演化，這種規(guī)律就隱藏在這些微觀個(gè)體的交互過程之中。

因此，采用自底向上的自組織涌現(xiàn)性建模策略來構(gòu)建系統(tǒng)微觀層面的個(gè)體及其交互關(guān)系，并在計(jì)算機(jī)上進(jìn)行動(dòng)態(tài)仿真從而獲得系統(tǒng)整體行為特征，是研究這類復(fù)雜系統(tǒng)的一種非常有效的方法［1-3］。目前，在人工生命模型中的群體生命研究方向，已經(jīng)能夠成功模擬很多群居生物的各種群體行為。其中，最早最著名的就是Craig Reynolds 設(shè)計(jì)的boid 系統(tǒng)。

本文的智能無人蜂群作戰(zhàn)系統(tǒng)的建模方法，也是沿著這種自底向上的自組織涌現(xiàn)性研究策略來構(gòu)建其仿真實(shí)驗(yàn)?zāi)Ｐ?。其基本思路是：根?jù)智能無人蜂群作戰(zhàn)系統(tǒng)的組成結(jié)構(gòu)特征，建立大量具有有限行為能力和局部交互能力的作戰(zhàn)個(gè)體Agent 模型，把這些作戰(zhàn)個(gè)體Agent 模型放入一個(gè)作戰(zhàn)環(huán)境中，給出這些個(gè)體Agent 之間、個(gè)體Agent 與環(huán)境之間的局部交互規(guī)則關(guān)系，在計(jì)算機(jī)上運(yùn)行該系統(tǒng)，使系統(tǒng)在演化過程中“涌現(xiàn)”出一些從高層看來不可預(yù)料的整體作戰(zhàn)行為模式與群體智能作戰(zhàn)能力，如下頁(yè)圖1 所示［4］。

圖1 自底向上的自組織建模方法Fig. 1 Self-organization modeling method from bottom to top

2 智能無人蜂群作戰(zhàn)模型構(gòu)建

2.1 蜂群作戰(zhàn)Agent 抽象模型

目前，流行的復(fù)雜系統(tǒng)建模仿真平臺(tái)中提供的Agent 生活環(huán)境為一個(gè)二維的抽象網(wǎng)格環(huán)境，如圖2（a）所示，例如，SWARM、NetLogo、Repast 等。系統(tǒng)模型中的各種Agent 以疊加在“自然網(wǎng)格環(huán)境”上的不同顏色的方塊表示。模型中的Agent 就在這樣一個(gè)二維網(wǎng)格中活動(dòng)。對(duì)于本文中無人蜂群作戰(zhàn)Agent來講，就在這個(gè)二維網(wǎng)格中運(yùn)動(dòng)和交戰(zhàn)。

圖2 二維網(wǎng)格仿真環(huán)境和作戰(zhàn)Agent 作戰(zhàn)能力Fig. 2 2-D grid simulation environment and combat capability of combat agent

在這種二維的網(wǎng)格環(huán)境中，設(shè)計(jì)了無人蜂群作戰(zhàn)Agent 的5 類能力：通信、感知、火力、攻擊以及移動(dòng)，如圖2（b）所示。這些范圍決定了每個(gè)Agent 的各種能力，從而也就確定了作戰(zhàn)Agent 在交互過程中的行為和結(jié)果。

2.2 蜂群作戰(zhàn)Agent 模型建模

2.2.1 個(gè)性權(quán)向量設(shè)定

給每個(gè)蜂群作戰(zhàn)Agent 設(shè)定一個(gè)可定義的個(gè)性權(quán)向量集，由6 個(gè)分量組成：

分量wi規(guī)定了個(gè)體Agent 對(duì)其感知區(qū)域內(nèi)的局部信息作出反應(yīng)的個(gè)性傾向。缺省的個(gè)性傾向結(jié)構(gòu)定義如下：

蜂群作戰(zhàn)Agent 的種類（紅、藍(lán)方），Agent 的狀態(tài)（攻擊和防御）。因此，每個(gè)Agent 可以對(duì)出現(xiàn)在其探測(cè)區(qū)域rs 內(nèi)的6 類Agent 局部信息作出的反應(yīng)：本方攻擊Agent 數(shù)量；敵方攻擊Agent 數(shù)量；本方防御Agent 數(shù)量；敵方防御Agent 數(shù)量；Agent 的保護(hù)目標(biāo)；Agent 的進(jìn)攻目標(biāo)。給定一個(gè)個(gè)性權(quán)值向量，則確定了該Agent 對(duì)這6 類信息的決策偏好程度。

2.2.2 移動(dòng)評(píng)估函數(shù)

蜂群作戰(zhàn)Agent 的屬性變量中給出了Agent 的移動(dòng)范圍屬性rm。在每一個(gè)仿真步長(zhǎng)中Agent 能在以當(dāng)前位置為中心，在半徑為rm的范圍內(nèi)移動(dòng)，因此，其可能的移動(dòng)位置共有個(gè)，具體移動(dòng)到哪一個(gè)位置由評(píng)估函數(shù)確定，如式（2）所示：

根據(jù)評(píng)估函數(shù)和Agent 的個(gè)性化權(quán)向量用來給每一個(gè)可能的移動(dòng)位置進(jìn)行評(píng)估。評(píng)估函數(shù)可以有效度量出其與其他Agent（包括友方Agent 和敵方Agent）的距離和與Agent 要保護(hù)目標(biāo)以及要進(jìn)攻目標(biāo)的距離，并用個(gè)性化權(quán)向量ω的相應(yīng)權(quán)值來表示對(duì)每一距離的偏好，Agent 的移動(dòng)總是最大滿足其個(gè)性愿望，在給定狀態(tài)下“靠近”或“遠(yuǎn)離”其他Agent 和需要保護(hù)或進(jìn)攻的目標(biāo)。

其中，Bxy是在戰(zhàn)場(chǎng)第（x，y）點(diǎn)的坐標(biāo)，AF，IF，AE，IE分別表示在給定Agent 的探測(cè)范圍rs內(nèi)友方攻擊、友方防御、敵方攻擊和敵方防御的Agent 集合。wi是個(gè)性權(quán)向量的權(quán)重；是一個(gè)比例因數(shù)子。Nx是在給定Agent 的探測(cè)范圍內(nèi)，X類型元素的總數(shù)量。例如，NAF表示在rs范圍內(nèi)友方所有Agent的數(shù)量。DA，B是A，B之間的距離。FF和EF分別表示Agent 的保護(hù)目標(biāo)和進(jìn)攻目標(biāo)位置。表示用給定Agent 的新（候選移動(dòng)）位置和原（現(xiàn)在）位置的計(jì)算距離。每個(gè)可能移動(dòng)的位置都要計(jì)算。也就是，每一時(shí)間步長(zhǎng)內(nèi)Agent 可以向個(gè)可能位置之一移動(dòng)。Agent 實(shí)際移向計(jì)算值最小的位置。如果有一個(gè)候選移動(dòng)位置的集合（包括多于一個(gè)的可能移動(dòng)），其中，所有的計(jì)算值都在最小的范圍內(nèi)，Agent 將從候選移動(dòng)位置集合中隨機(jī)選擇實(shí)際的移動(dòng)位置。

2.2.3 實(shí)時(shí)決策向量調(diào)整

有了個(gè)性權(quán)向量和運(yùn)動(dòng)規(guī)則評(píng)估函數(shù)，只能是使作戰(zhàn)Agent 具有對(duì)其感知范圍內(nèi)各種信息反應(yīng)的基礎(chǔ)模型，但是Agent 還不能根據(jù)戰(zhàn)場(chǎng)態(tài)勢(shì)采取不同的決策方案。再通過給Agent 設(shè)定一系列約束變量，根據(jù)約束變量和Agent 感知的戰(zhàn)場(chǎng)態(tài)勢(shì)，Agent可以實(shí)時(shí)調(diào)整個(gè)性權(quán)向量，從而實(shí)現(xiàn)Agent 的實(shí)時(shí)決策。

1）設(shè)定約束變量

主要是：Nadvance進(jìn)攻約束；Ncluster聚集約束；Ncombat作戰(zhàn)約束；Ndistancetofriend與我方Agent 之間的距離約束；Ndistancetoenemy與敵方Agent 之間的距離約束；Ndistancetoprotctobject與Agent 要保護(hù)的目標(biāo)之間的距離約束。這些約束變量和Agent 的個(gè)性權(quán)向量結(jié)合，可以使Agent 具有對(duì)外界態(tài)勢(shì)的靈活反應(yīng)行為。設(shè)在Agent 的感知范圍內(nèi)，友方作戰(zhàn)Agent 的總數(shù)量：Nfriend=Nfriend，alive+Nfriend，injured，敵方作戰(zhàn)Agent 的總數(shù)量：Nenemy=Nenemy，alive+Nenemy，injured。

2）決策策略調(diào)整

①攻擊策 略的調(diào) 整：IFNfriend＜Nadvance且w6＞0，THENw6=-w6。即Agent 如果發(fā)現(xiàn)我方的力量沒有達(dá)到規(guī)定進(jìn)攻敵方目標(biāo)力量的要求，則停止向敵方的目標(biāo)前進(jìn)。

②聚集策 略的調(diào) 整：IFNfriend＞Ncluster且w1＞0，w2＞0，THENw1=-w1，w2=-w2。如果Agent 發(fā)現(xiàn)我方Agent 聚集度數(shù)量超過一定的閾值，則停止向我方Agent 移動(dòng)。

③保護(hù)目標(biāo)距離調(diào)整：IFDAgent，protectobject＜Ndistancetoprotctobject，THENw5=-w5。如果Agent 發(fā)現(xiàn)距離要保護(hù)的目標(biāo)太近，則停止向目標(biāo)靠近。

④與敵方Agent 距離策略調(diào)整：IFDAgent，friend＜Ndistancetofriend且w3＞0，w4＞0，THENw3=-w3，w4=-w4。如果Agent 發(fā)現(xiàn)距離敵方Agent 太近，則停止向敵方Agent 靠近。

⑤與我方Agent 距離策略調(diào)整：IFDAgent，friend＜Ndistancetofriend且w1＞0，w2＞0，THENw1=-w1，w2=-w2。如果Agent 發(fā)現(xiàn)距離我方Agent 太近，則停止向我方Agent 靠近。

⑥交戰(zhàn)策略的調(diào)整：IFNfriend＞Nenemy＞Ncombat，THENFireFlag=NO。如果發(fā)現(xiàn)我方Agent 數(shù)量與敵方Agent 數(shù)量對(duì)比小于一定的閾值，則停止與敵方Agent交戰(zhàn)。

綜合以上，可以得出作戰(zhàn)Agent 內(nèi)部的決策過程如圖3 所示。

圖3 作戰(zhàn)Agent 內(nèi)部決策過程圖Fig. 3 Internal decision-making process chart of combat agent

3 基于SWARM 仿真實(shí)驗(yàn)設(shè)計(jì)

3.1 SWARM 簡(jiǎn)介

SWARM 平臺(tái)是圣塔菲研究所人工生命研究小組開發(fā)的基于Agent 的廣泛用于社會(huì)、政治、經(jīng)濟(jì)、生態(tài)、戰(zhàn)爭(zhēng)等領(lǐng)域的一個(gè)通用研究復(fù)雜系統(tǒng)建模仿真平臺(tái)。SWARM 的核心是一個(gè)面向?qū)ο蟮目蚣埽靡远x在仿真中互相作用的Agent 和其他對(duì)象的行為。一個(gè)SWARM 是一個(gè)實(shí)現(xiàn)內(nèi)存分配和事件計(jì)劃的對(duì)象，一個(gè)基本的SWARM 仿真程序一般都包括觀察員SWARM 和模型SWARM。其中，模型SWARM 是一個(gè)SWARM 仿真程序中的必須部分，在這里可以創(chuàng)建模型中所需的各類Agent。Agent 具有屬性和方法，屬性用來表明Agent 的特征和狀態(tài)，方法用來表明Agent 的行為，SWARM 的編程結(jié)構(gòu)如圖4 所示。

圖4 SWARM 編程結(jié)構(gòu)Fig. 4 SWARM programming structure

3.2 仿真實(shí)驗(yàn)程序?qū)崿F(xiàn)

根據(jù)模型設(shè)計(jì)和面向?qū)ο蟮某绦蛟O(shè)計(jì)方法以及SWARM 編程的基本層次結(jié)構(gòu)，將每個(gè)模塊模型設(shè)計(jì)為一個(gè)Agent 類，然后根據(jù)需要生成各種實(shí)體對(duì)象。系統(tǒng)由以下模塊組成：

1）主程序（啟動(dòng)函數(shù)）：main.m

2）作戰(zhàn)環(huán)境類：CEnvironment.h 和CEnvironment.m

3）作戰(zhàn)Agent 類：CombatAgent.h 和CombatAgent.m

4）模 型SWARM 模 塊：ModelSWARM.h 和ModelSWARM.m

5）觀察員SWARM 模塊：ObserverSWARM.h 和ObserverSWARM.m。

系統(tǒng)運(yùn)行基本流程為：系統(tǒng)模型的啟動(dòng)函數(shù)為Main.m 文件，其主要功能是初始化SWARM 平臺(tái)，創(chuàng)建一個(gè)頂層SWARM，并將其激活使之運(yùn)行。觀察員SWARM 由Main.m 函數(shù)生成，它為系統(tǒng)提供一系列的觀察界面（顯示運(yùn)行過程和結(jié)果等），同時(shí)初始化并激活模型SWARM。模型SWARM 是整個(gè)系統(tǒng)模型的核心部分，它負(fù)責(zé)初始化和激活系統(tǒng)模型中所有Agent 模型，如環(huán)境、作戰(zhàn)Agent 模型，從而完成整個(gè)系統(tǒng)的模型部分的仿真運(yùn)行，如圖5 所示。

圖5 基于SWARM 蜂群作戰(zhàn)運(yùn)行圖Fig. 5 Operation graph based on SWARM

3.3 仿真實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)的基本目的是探索研究大量底層的無人蜂群作戰(zhàn)Agent 在局部作戰(zhàn)交互規(guī)則作用下，它們?cè)诤暧^整體上能夠表現(xiàn)出什么樣的整體群體智能行為作戰(zhàn)模式，如圖6 所示，其仿真條件設(shè)置為：

圖6 基于局部交互無人蜂群作戰(zhàn)宏觀涌現(xiàn)行為模式Fig. 6 Combat micro emergence behavior mode based on partial interaction unmanned swarm

1）仿真環(huán)境設(shè)定為基于SWARM 平臺(tái)1 000*1 000 作戰(zhàn)網(wǎng)格環(huán)境，雙方無人峰群作戰(zhàn)Agent 在該環(huán)境中完成交戰(zhàn)行動(dòng)；

2）設(shè)定紅藍(lán)雙方蜂群作戰(zhàn)系統(tǒng)各100 個(gè)作戰(zhàn)個(gè)體，雙方作戰(zhàn)Agent 的屬性特征根據(jù)實(shí)驗(yàn)需要進(jìn)行設(shè)定，主要包括：個(gè)性權(quán)向量、約束變量、移動(dòng)速度、感知范圍、攻擊命中概率、火力范圍等；

3）給紅藍(lán)雙方設(shè)定進(jìn)攻目標(biāo)，無人峰群在路途中相遇并發(fā)生交戰(zhàn)，蜂群作戰(zhàn)Agent 只是通過其局部信息感知能力獲取戰(zhàn)場(chǎng)態(tài)勢(shì)并在作戰(zhàn)規(guī)則驅(qū)動(dòng)下與其周圍的Agent 協(xié)同和交戰(zhàn)。

4 仿真實(shí)驗(yàn)分析

4.1 分割包圍模式

實(shí)驗(yàn)中，將紅藍(lán)雙方作戰(zhàn)單元的個(gè)性權(quán)向量設(shè)定如表1 所示。

表1 分割包圍模式紅藍(lán)雙方個(gè)性參數(shù)向量設(shè)定Table 1 Specific parameter vector setting of red and blue sides in division encirclement mode

圖7 給出的是系統(tǒng)自動(dòng)生成的紅方蜂群作戰(zhàn)系統(tǒng)自動(dòng)形成的集中兵力包圍藍(lán)方行為模式情況。在圖中可以看到，在系統(tǒng)時(shí)間推進(jìn)到T＝40 時(shí)，紅方作戰(zhàn)群體對(duì)藍(lán)方一個(gè)相對(duì)分離的群體已經(jīng)形成了半包圍態(tài)勢(shì)；在T＝60 時(shí)紅方集中絕大部分兵力對(duì)藍(lán)方群體形成了完全包圍。

圖7 分割包圍模式整體行為特征圖Fig. 7 Overall behavior feature diagraph in division encirclement mode

4.2 集中突破模式

實(shí)驗(yàn)中，將紅藍(lán)雙方作戰(zhàn)單元的個(gè)性權(quán)向量設(shè)定如下頁(yè)表2 所示。

表2 集中突破模式紅藍(lán)雙方個(gè)性參數(shù)向量設(shè)定Table 2 Specific parameter vector setting of red and blue sides in concentrated breakthrough mode

圖8 顯示了系統(tǒng)自動(dòng)生成的紅方蜂群作戰(zhàn)系統(tǒng)面對(duì)藍(lán)方的線性防御而集中力量突破其防御線的過程。紅藍(lán)雙方蜂群作戰(zhàn)系統(tǒng)在不同的個(gè)性化參數(shù)規(guī)則的驅(qū)動(dòng)下，在T=10 時(shí)，藍(lán)方形成了阻擋紅方的前線線性防御態(tài)勢(shì)，紅方則是首尾線性攻擊模式；T=25 時(shí)，紅藍(lán)雙方開始接觸作戰(zhàn)；T=40 時(shí)，紅方在藍(lán)方中間防御薄弱環(huán)節(jié)進(jìn)行突破；T=60 時(shí)，紅方突破藍(lán)方防御線向既定的攻擊目標(biāo)移動(dòng)。

圖8 集中突破模式整體行為特征圖Fig. 8 Overall behavior feature diagraph in concentrated breakthrough mode

通過以上仿真實(shí)驗(yàn)，可以看出，對(duì)于智能無人蜂群作戰(zhàn)系統(tǒng)，在給定的蜂群個(gè)體個(gè)性作戰(zhàn)規(guī)則條件下，蜂群個(gè)體通過與鄰近個(gè)體之間的局部信息交互，宏觀整體上也會(huì)形成包圍、突破等戰(zhàn)術(shù)層次的群體智能作戰(zhàn)行為模式。也就是說，系統(tǒng)宏觀整體上形成的群體智能作戰(zhàn)行為模式，是由這些大量作戰(zhàn)個(gè)體之間在相對(duì)簡(jiǎn)單局部交互規(guī)則下自組織形成的，無需高層進(jìn)行統(tǒng)一規(guī)劃和控制。無人蜂群作戰(zhàn)系統(tǒng)的每一個(gè)作戰(zhàn)個(gè)體，并不知道它們之間交互行動(dòng)會(huì)形成這種整體性的作戰(zhàn)行為模式。這種特點(diǎn)非常適合智能無人蜂群作戰(zhàn)系統(tǒng)的設(shè)計(jì)初衷，即雖然組成系統(tǒng)的個(gè)體只具有有限的行為能力，但是在大量作戰(zhàn)個(gè)體之間復(fù)雜交互作用下，系統(tǒng)能夠形成底層個(gè)體所不具備的、更高層次的智能行為特征的整體協(xié)同作戰(zhàn)能力。

5 結(jié)論

作為未來智能化戰(zhàn)爭(zhēng)的重要組成部分，智能無人蜂群作戰(zhàn)系統(tǒng)在成本和大規(guī)模群體協(xié)同作戰(zhàn)能力方面具有其他系統(tǒng)無法比擬的優(yōu)勢(shì)。本文基于復(fù)雜系統(tǒng)自組織理論的基本思想，采用自底向上的自組織涌現(xiàn)性建模方法，設(shè)計(jì)了智能無人蜂群作戰(zhàn)局部規(guī)則個(gè)體決策與行為模型，并在SWARM 平臺(tái)上對(duì)無人蜂群作戰(zhàn)系統(tǒng)的整體行為模式進(jìn)行仿真實(shí)驗(yàn)研究。研究結(jié)果表明，無人蜂群作戰(zhàn)系統(tǒng)的組成個(gè)體即使在相對(duì)簡(jiǎn)單的局部行為規(guī)則和作戰(zhàn)能力條件下，在宏觀整體上也能夠形成具有涌現(xiàn)行為特征的群體智能作戰(zhàn)行為模式。這對(duì)于智能無人蜂群作戰(zhàn)系統(tǒng)個(gè)體作戰(zhàn)行為規(guī)則研究和宏觀整體群體智能作戰(zhàn)行為模式生成機(jī)制研究，具有一定的理論參考價(jià)值和實(shí)際研究意義。