群體智能讀書會 | 第九期：多智能體與數據驅動的群智算法研究

導語

在復雜環境中，群體如何僅依靠局部信息實現協同決策？當數據分散在邊緣節點、通信受限且環境不確定時，智能體又如何完成高效優化與學習？這些問題正處在群體智能、進化計算與分布式人工智能交叉研究的前沿。

本次讀書會將圍繞進化計算、多智能體系統與分布式數據驅動優化這一主題，聚焦群體智能的理論機制與工程應用，介紹從多智能體協同優化到邊云協同代理輔助進化算法的最新研究進展，討論在無中心控制、局部通信和分布式數據條件下，如何實現可擴展、高魯棒性的群體協同與智能決策。

內容簡介

一、從進化計算到多智能體協同：面向群體智能的分布式優化方法與應用

主要聚焦進化計算與多智能體系統的融合機制，系統分析個體經驗學習、鄰居交互與群體反饋之間的協同關系，構建面向群體優化與進化策略的統一框架。在僅依賴局部通信和黑箱評估的條件下，該框架通過內部學習與外部學習的結合，實現穩定的共識形成與高效的分布式優化，并進一步利用累計步長自適應和協作機制刻畫群體層面的長期記憶與采樣調控行為。相關方法已被應用于分布式能源管理、電動車博弈建模、多目標跟蹤與數據關聯等任務，展示了群體智能在復雜網絡環境下進行資源協調、沖突緩解與多主體協同的潛力。

二、分布式數據驅動優化問題的代理輔助進化算法研究

介紹代理模型輔助進化算法在分布式數據驅動優化中的拓展，針對傳統代理輔助進化算法主要面向集中式優化、難以應對物聯網時代邊緣數據分散與模型不一致等問題，提出邊云協同的分布式數據驅動優化框架，并結合多代理模型集成技術拓展代理輔助優化方法的適用場景。同時，圍繞分布式節點數據片面、代理模型難以準確構建的問題，引入數據低敏的層次分類器作為代理模型，進一步提出基于分類器集成的分布式分層學習群體優化方法，從而提升算法在分布式數據驅動優化中的搜索性能、魯棒性與可擴展性。

分享大綱

內容1 分布式智能時代的群體協同優化：背景與挑戰

• 內容1.1 新場景驅動的協同需求：分布式人工智能、邊緣計算、物聯網與智能社會系統的發展

• 內容1.2 問題特征演化：無中心控制、局部通信、數據分散、不確定環境下的協同優化任務

• 內容1.3 核心挑戰：如何在受限信息與復雜約束下實現高效、穩定、可擴展的群體決策與分布式優化

內容2 進化計算與多智能體系統融合：理論基礎與研究意義

• 內容2.1 方法定位：以進化機制和多體交互為核心的群體智能計算范式

• 內容2.2 協同優勢：融合個體學習、鄰域交互與群體反饋，實現分布式適應與集體決策

• 內容2.3 研究價值：為復雜系統中的群體協同、分布式優化與集體智能建模提供可計算框架

內容3 多智能體群體優化與進化策略：協同學習機制

• 內容3.1 內外學習耦合：個體經驗學習（內部學習）與鄰居交互、群體反饋（外部學習）的協同作用

• 內容3.2 共識與優化形成：在局部通信與黑箱評估條件下實現穩定共識和高效分布式搜索

• 內容3.3 長期記憶機制：通過累計步長自適應與協作機制刻畫群體層面的記憶與采樣調控行為

內容4 分布式數據驅動優化：代理模型輔助進化的新問題

• 內容4.1 任務背景：數據分布于網絡邊緣節點的優化問題對傳統集中式代理輔助算法提出挑戰

• 內容4.2 關鍵困難：局部數據片面、代理模型難以準確構建以及不同節點模型不一致

• 內容4.3 方法需求：面向邊云協同環境構建兼顧精度、效率與可擴展性的分布式代理優化框架

內容5 邊云協同與多代理模型集成：分布式優化框架構建

• 內容5.1 框架思想：將代理輔助進化算法從集中式拓展到邊云協同的分布式場景

• 內容5.2 模型集成機制：結合多代理模型集成技術提升復雜分布式問題中的建模能力

• 內容5.3 通用性驗證：通過兩個邊云協同數據驅動優化算法實例說明框架的普適性與有效性

內容6 分層學習群體優化：分類器代理與算法驗證

• 內容6.1 代理模型創新：引入數據低敏的層次分類器以緩解片面數據帶來的建模困難

• 內容6.2 算法設計：提出基于分類器集成的分布式數據驅動分層學習群體優化方法

• 內容6.3 實驗結論：在搜索性能、可擴展性與分布式環境適應性方面展現出明顯提升

核心概念

• 進化計算 Evolutionary Computation

• 群體智能 Collective Intelligence / Swarm Intelligence

• 多智能體系統 Multi-Agent Systems

• 分布式優化 Distributed Optimization

• 分布式數據驅動優化 Distributed Data-Driven Optimization

• 代理模型輔助進化算法 Surrogate-assisted Evolutionary Algorithm

• 邊云協同 Edge-Cloud Collaboration

• 多代理模型集成 Multi-Surrogate Ensemble

主講人介紹

主講人：陳泰佑，計算機科學與工程學院計算機科學與技術專業2022級博士研究生，漢族，中共黨員。曾獲博士研究生國家獎學金、華為“智能基座”獎學金等，入選首屆中國科學技術協會“青年人才托舉工程”博士生專項計劃。專注學科前沿，聚焦多智能體系統黑箱非凸共識難題，提出分布式群智共識優化算法及多智能體協同采樣調控理論，共發表國際學術論文 13 篇，其中以獨立第一作者發表中科院一區top期刊論文5篇、CCF A類會議論文1篇，獲國家發明專利授權1件。

主講人：郭曉琦，汕頭大學數學與計算機學院計算機系講師，分別于2023年12月和2018年6月獲得華南理工大學計算機科學與技術專業的工學博士學位和工學學士學位，主要研究方向為計算智能和分布式數據驅動優化，研究成果主要發表在IEEE Transaction on Cybernetics和在IEEE Transaction on Evolutionary Computation等國內外權威期刊和會議。曾擔任IEEE Transaction on Cybernetics、IEEE Transactions on Neural Networks and Learning Systems、IEEE Transaction on Artificial Intelligence、Complex & Intelligent Systems等著名國際期刊審稿人。

參考文獻

1. Chen, Tai-You, Chen, Wei-Neng*, Hao, Jin-Kao, Wang, Yang, Zhang, Jun. Multi-Agent Evolution Strategy With Cooperative and Cumulative Step Adaptation for Black-Box Distributed Optimization. IEEE Transactions on Evolutionary Computation, Institute of Electrical and Electronics Engineers (IEEE), 2025: 1–1

2. Chen, Tai-You, Chen, Wei-Neng*, Wei, Feng-Feng, Hu, Xiao-Min, Zhang, Jun. Multi-Agent Swarm Optimization With Adaptive Internal and External Learning for Complex Consensus-Based Distributed Optimization. IEEE Transactions on Evolutionary Computation, Institute of Electrical and Electronics Engineers (IEEE), 2024: 1–1

3. Xiao-Qi Guo, Wei-Neng Chen, Feng-Feng Wei, Wen-Tao Mao, Xiao-Min Hu and Jun Zhang, “Edge–Cloud Co-Evolutionary Algorithms for Distributed Data-Driven Optimization Problems”, IEEE Transactions on Cybernetics, vol. 53, no. 10, pp. 6598-6611, Oct. 2023, doi: 10.1109/TCYB.2022.3219452.

4. Xiao-Qi Guo, Feng-Feng Wei, Jun Zhang, Wei-Neng Chen, “A Classifier Ensemble-based Distributed Surrogate-Assisted Evolutionary Algorithm for Distributed Data-Driven Optimization Problems”, IEEE Transactions on Evolutionary Computation, doi: 10.1109/TEVC.2024.3361000.

5. Xiao-Qi Guo, Wei-Neng Chen, Feng-Feng Wei, et al. “Improving Efficiency of Ant Colony Optimization by Matrix-based Operations” Complex & Intelligent Systems.

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。

視頻號直播預約：

報名方式：

第一步：微信掃碼填寫報名信息。

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群體智能相關問題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。

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。