复杂系统建模思想基于群智能优化算法

一个群体智能的例子：“假定你和你的朋友正在寻宝，这个团队内的每个人都有一个金属探测器，并能把自己的通信信号和当前所处的位置传给n个邻近的伙伴。这样一来，每个人都知道是否有一个邻近的伙伴比自己更接近目标（宝藏），于是你就可以向离宝藏更近的伙伴移动，这样会增加你寻宝的成功率，要比自己单人寻宝快得多。”

群体是由若干个个体组成的，个体之间及个体与群体之间存在着某种交互作用，个体行为都比较简单，而它们的集体行为由于相互作用、彼此协调变得非常复杂，群体整体上能够形成一种最佳结构，在有限的空间和时间内最好地完成一种全局任务。

像这样的群体有蚁群、蜂群、鸟群、鱼群等，虽然这样的群居动物个体行为简单，然而它们所构成的群体的集体行为都非常复杂。例如，一只蚂蚁离开了蚁群就不能生活，然而一个蚁群能通过相互协作搜索到从蚁穴到食物源的最短路径；蜜蜂的个体采蜜行为十分简单，但蜜蜂群体能够通过相互作用、相互协作修筑出精美的蜂巢；鸟群在没有集中控制的情况下，能够同步飞行。上述这些社会性动物的个体行为都很简单，但它们一起协同工作时，能够实现非常复杂的群体智能行为。(www.xing528.com)

人们从上述群体智能行为中受到了启发，设计出了多种智能优化算法，如蚁群算法、微粒群算法、人工鱼群算法等。这些智能优化算法实际上是人造（人工）复杂适应系统，它们的个体都是具有适应能力的智能体，通过某种学习算法使得它们的个体之间相互作用、彼此协调，群体行为得以不断进化，从而适应外界环境。根据霍兰的CAS理论，这样的适应过程造就了复杂性，而这一复杂性正是我们要利用其对复杂系统建模的基本出发点。实质上，群智能优化算法具有智能模拟和智能逼近的特点，它们能以任意精度逼近任意非线性函数，因此，应用这些群体智能优化算法可以对复杂系统问题的求解进行优化或建立其模型。