吳虎勝，肖人彬

（1. 武警工程大學(xué) 裝備管理與保障學(xué)院，陜西 西安 710086; 2. 華中科技大學(xué) 人工智能與自動化學(xué)院，湖北 武漢 430074）

自然界中，勞動分工現(xiàn)象隨處可見。狼群、蟻群、鳥群等生物群體中如捕食、御敵、育幼、筑巢、遷徙等，人類社會中如裝備研制、架橋修路、軍事戰(zhàn)爭等，群體通過多個個體之間的分工與協(xié)作，即可完成多樣化的復(fù)雜任務(wù)[1]。

通常而言，群體中不同的個體(通常表現(xiàn)為角色、體型、年齡等方面的差異)一般會專注于相應(yīng)的某項(xiàng)任務(wù)或任務(wù)子集，且能根據(jù)環(huán)境或任務(wù)變化動態(tài)調(diào)整任務(wù)分工或執(zhí)行不同任務(wù)的個體規(guī)模，從而在任何時刻這些任務(wù)都能被并行地執(zhí)行，形成一種個體任務(wù)均衡分配的穩(wěn)定模式，這種現(xiàn)象即為勞動分工[2-3]。勞動分工是社會性生物群體在面臨復(fù)雜環(huán)境或繁雜任務(wù)時依然能夠保持協(xié)調(diào)有序的重要因素，也是生物群體千百年進(jìn)化成果和生態(tài)穩(wěn)定的基礎(chǔ)。勞動分工行為也是群智能(swarm intelligence, SI)的重要表現(xiàn)形式，具有SI的一般特征，如自組織性、協(xié)作性、穩(wěn)定性、分布式結(jié)構(gòu)、個體和交互規(guī)則簡單等[4]。而任務(wù)專業(yè)化和行為柔性是勞動分工有別于其他群智能方法的顯著特點(diǎn)，動態(tài)適應(yīng)性則是其突出優(yōu)勢。任務(wù)專業(yè)化避免個體頻繁地在不同任務(wù)之間切換，提高了任務(wù)執(zhí)行效率。行為柔性賦予個體改變原有行為或任務(wù)以適應(yīng)復(fù)雜環(huán)境變化的能力，從而使種群具備從擾動中恢復(fù)穩(wěn)態(tài)的巨大潛力，表現(xiàn)出非常強(qiáng)的動態(tài)適應(yīng)性[5]。

啟發(fā)于生物群智能，現(xiàn)實(shí)中各種復(fù)雜任務(wù)系統(tǒng)，如地面群機(jī)器人系統(tǒng)、無人機(jī)集群系統(tǒng)等，研究熱點(diǎn)之一即是如何通過大量簡單個體的局部相互作用涌現(xiàn)出復(fù)雜的集群行為，并使任務(wù)系統(tǒng)可高效完成各種復(fù)雜任務(wù)[6]。任務(wù)分配(task allocation, TA)是復(fù)雜任務(wù)系統(tǒng)中的基礎(chǔ)問題，指各個體如何高效協(xié)作以完成一系列約束下的復(fù)雜任務(wù)[7]。目前，典型的有基于市場機(jī)制的方法(market-based approaches)和基于優(yōu)化的方法(optimization-based approaches)[8]。前者是以協(xié)商主義為基礎(chǔ)的分布式任務(wù)分配方法，如拍賣算法和合同網(wǎng)算法等，適合于確定性環(huán)境下中小規(guī)模的任務(wù)系統(tǒng)的分布式求解，可擴(kuò)展性和魯棒性較好，但通信開銷和計(jì)算代價較大[9]。后者以一系列群智能啟發(fā)的最優(yōu)化算法為代表，如遺傳算法(genetic algorithm, GA)[10]、粒子群算法(particle swarm optimization, PSO)[11]、蟻群算法(ant colony optimization, ACO)[12], 狼群算法(wolf pack algorithm,WPA)[13]等。盡管這些算法某種程度上講也可求得最優(yōu)分配方案，但其均基于反復(fù)迭代的尋優(yōu)求解思路，在實(shí)時性和動態(tài)適應(yīng)性要求較高的作戰(zhàn)應(yīng)用場景中表現(xiàn)不佳。

生物群體的勞動分工本質(zhì)即是任務(wù)分配，鑒于生物群體與復(fù)雜任務(wù)系統(tǒng)(諸如地面群機(jī)器人系統(tǒng)、無人機(jī)集群系統(tǒng)等)在個體的簡單性、局部交互規(guī)則、自組織分布式結(jié)構(gòu)、群智能能力涌現(xiàn)等方面的相似性[14]，自然地，可借鑒勞動分工機(jī)制研究復(fù)雜任務(wù)系統(tǒng)的高效任務(wù)分配方法。狼是一類認(rèn)知能力強(qiáng)且組織嚴(yán)密的社會性群居動物，憑借巧妙的勞動分工可以完成復(fù)雜的協(xié)作捕獵、哺育幼崽、領(lǐng)地維系等一系列群體活動[15]。這些群體活動中，不同角色的狼個體匹配執(zhí)行不同的任務(wù)，內(nèi)部或環(huán)境變化時也能調(diào)整自身角色，表現(xiàn)出高效、靈活、動態(tài)適應(yīng)等特征。模仿狼群智能行為的群智能優(yōu)化算法不斷涌現(xiàn)，如狼群算法(wolf pack algorithm, WPA)[16], 灰狼優(yōu)化(grey wolf optimizer，GWO)[17], 郊狼優(yōu)化算法(coyote optimization algorithm，COA)[18]等，無不顯示出狼群智能的巨大魅力和應(yīng)用價值。然而，一方面這些基于狼群智能的優(yōu)化算法通常存在計(jì)算復(fù)雜、動態(tài)環(huán)境適應(yīng)性不強(qiáng)等問題，應(yīng)用于復(fù)雜系統(tǒng)任務(wù)分配時需要設(shè)計(jì)相應(yīng)的離散化版本[19]。另一方面，適合任務(wù)分配問題的狼群勞動分工內(nèi)在機(jī)理和形式化模型也尚未見到研究報道。

本文基于對狼群的生物學(xué)行為分析，分析了角色?匹配狼群勞動分工的個體角色轉(zhuǎn)換和任務(wù)調(diào)整機(jī)制，研究了狼群角色?任務(wù)匹配的柔性勞動分工機(jī)制，建立了狼群勞動分工模型，提出了角色?匹配狼群勞動分工方法。最后，通過比較分析，闡述了狼群角色?匹配、蟻群刺激?響應(yīng)，蜂群激發(fā)?抑制3種群智能勞動分工模型的同根同源性和差異性，并展示出角色?匹配的狼群勞動分工的廣泛應(yīng)用前景。

1 狼群生物學(xué)行為分析

1.1 生物學(xué)背景

狼是一種適應(yīng)力極強(qiáng)的群居動物，依靠緊密的協(xié)作配合實(shí)現(xiàn)高效的勞動分工，千百年來一直處于食物鏈頂端。一般而言，每匹狼都擁有與其自身體型、能力等相匹配的某一角色，這造就了狼群穩(wěn)定的社會性組織結(jié)構(gòu)。分工明確、信息共享、順勢而動是狼群捕獵的顯著特點(diǎn)。分工明確是指頭狼負(fù)責(zé)發(fā)起和指揮整個捕獵行動，其他個體根據(jù)自身角色執(zhí)行與之匹配的任務(wù)。通常而言，由最為強(qiáng)健而富有智慧的狼作為頭狼，頭狼擁有繁殖、分配和享用獵物等各項(xiàng)活動的優(yōu)先權(quán)，是整個捕獵行動的組織者和指揮者[14]。探狼是狼群中的少數(shù)精銳，感知敏銳而富有耐力，負(fù)責(zé)根據(jù)空氣中彌留的氣味搜尋獵物。猛狼是狼群中的體力擔(dān)當(dāng)，沖擊力強(qiáng)，負(fù)責(zé)快速奔襲絞殺獵物。還有部分巨狼埋伏在獵物逃竄的路線待命增援。如此，狼群中不同角色個體各司其職，形成 了完備的獵物打擊鏈條，如圖1所示。

圖1 狼群勞動分工和角色區(qū)分Fig. 1 Labor division and role differentiation of wolf pack

狼群具有多樣化的群體智能行為，但在協(xié)作捕獵中其勞動分工特性表現(xiàn)最為明顯，且千百年的進(jìn)化也造就了其不言而喻的生存優(yōu)勢：1) 狼群中不同角色的狼相互協(xié)作即可捕殺單匹狼遠(yuǎn)不能匹敵的大型獵物；2)大大縮短了捕獵作業(yè)時間，提高了捕獵成功概率[20]。

如圖2所示，狼群個體的環(huán)境學(xué)習(xí)與認(rèn)知能力較強(qiáng)，感知與交互方式多樣，群體行動中通過有效的“個體?個體”+“個體?環(huán)境”交互方式獲取和共享信息，為頭狼指揮和個體自主決策提供指引。

圖2 狼群感知與交互方式Fig. 2 Perception and interaction mode of wolf pack

嚎叫和遺留氣味是生物狼群個體?個體交互的主要途徑，不同的嚎叫聲調(diào)和長短可以傳達(dá)多樣化信息；通過主動遺留氣味(如狼的糞便、排尿等)宣示領(lǐng)地主權(quán)和傳達(dá)信息給同伴[21-22]。個體?環(huán)境交互主要依靠獵物殘留氣味和目視觀察，通過感知獵物殘留的氣味可以準(zhǔn)確判斷獵物狀態(tài)，個體依靠敏銳的目視觀察把握目標(biāo)的細(xì)微特征,通過對微妙信息的挖掘和關(guān)聯(lián), 迅速掌握目標(biāo)整體行為特征[23]。

狼群具備很強(qiáng)的環(huán)境適應(yīng)性，其領(lǐng)地和群體規(guī)?？梢愿鶕?jù)環(huán)境和獵物密度變化而動態(tài)調(diào)整。在高度變化的復(fù)雜捕獵環(huán)境中，狼群也能夠根據(jù)獵物的體型大小和群體規(guī)模進(jìn)行動態(tài)重組以形成規(guī)模不等的捕獵集群[24]，具有非常強(qiáng)的動態(tài)適應(yīng)性。

1.2 特性分析

狼群勞動分工主要有以下3個方面的特征：

1) 個體任務(wù)的專職化。狼群中的個體一般按照角色分工執(zhí)行與角色相匹配的任務(wù)，簡單來講，就是一般情況下，什么角色干什么事(此種專職化現(xiàn)象在人類社會中也同樣普遍存在)。多次執(zhí)行特定任務(wù)的某一角色類型的個體經(jīng)過學(xué)習(xí)強(qiáng)化成為該任務(wù)的“專家”，下次執(zhí)行該任務(wù)的趨向性越大，且不同角色的個體不會隨意轉(zhuǎn)換自身角色而執(zhí)行其他任務(wù)。個體專職化避免了狼群不同角色類型的個體在不同任務(wù)間的頻繁切換而導(dǎo)致的系統(tǒng)動蕩，同時有助于任務(wù)經(jīng)驗(yàn)的積累，降低了個體的學(xué)習(xí)和適應(yīng)成本，進(jìn)而提高了任務(wù)的執(zhí)行效率。

2) 個體角色的可塑性。角色可塑性主要反映狼群在動態(tài)復(fù)雜環(huán)境下的適應(yīng)能力。在內(nèi)部變化或環(huán)境擾動下，各角色也并不是一成不變的，不同個體的角色也可基于一定條件改變，以適應(yīng)任務(wù)或環(huán)境的需求。例如獵物過于強(qiáng)大，承擔(dān)圍攻任務(wù)的狼不足以將其捕殺，那么原先承擔(dān)潛伏或偵察任務(wù)的部分個體會自發(fā)地迅速轉(zhuǎn)變自身角色為圍攻狼，且轉(zhuǎn)換的速度和個體數(shù)量隨任務(wù)緊迫程度而調(diào)整。再例如，通常情況下，擁有最佳基因的頭狼獨(dú)享交配權(quán)，頭狼即“種狼”，如此最大概率地保證了后代的優(yōu)秀，也控制了狼群的數(shù)量；但當(dāng)災(zāi)難來臨，例如大面積染病或者氣候異常造成狼群銳減，為維持狼群數(shù)量，其他狼也擁有交配生育權(quán)[25]。

3) 任務(wù)分配的均衡性。一般情況下，通過將復(fù)雜任務(wù)分解為一系列子任務(wù)，狼群中不同角色的個體可以根據(jù)自身能力合理承擔(dān)相應(yīng)的子任務(wù)，各司其職，且狼群每個個體所承擔(dān)的任務(wù)都較為均衡，尤其是面臨復(fù)雜任務(wù)的時候。例如，面對體型巨大的獵物時，狼群不會使用疲勞戰(zhàn)術(shù)，會以車輪戰(zhàn)和接力攻擊的方式拖垮獵物，使得參與圍攻的狼群個體任務(wù)負(fù)荷相對均衡，這體現(xiàn)出狼群的群體智慧：一方面可防止能力強(qiáng)的猛狼負(fù)載過大而導(dǎo)致加速老化；二是保證能力相對較弱的其他狼也能得到有效的訓(xùn)練和學(xué)習(xí)，如此，狼群得以能夠始終保持其高效的任務(wù)執(zhí)行力和強(qiáng)大的群體競爭力。

2 角色?匹配狼群勞動分工模型

2.1 基本原理

狼群勞動分工以個體角色區(qū)分為基礎(chǔ)，即不同角色類型的個體承擔(dān)與之匹配的任務(wù)集，從而在群體中形成一種較為穩(wěn)定的角色分布結(jié)構(gòu)。當(dāng)任務(wù)需求或群體內(nèi)部發(fā)生變化后，當(dāng)前狼群的角色分布與環(huán)境不相適應(yīng)時，個體的角色會基于一定條件發(fā)生改變，同時更新任務(wù)，從而快速響應(yīng)環(huán)境的變化，重新在狼群中形成穩(wěn)定的角色分布結(jié)構(gòu)。狼個體執(zhí)行與其角色匹配的任務(wù)本質(zhì)上即是一種任務(wù)分配，而響應(yīng)任務(wù)的需求和群體內(nèi)部的變化進(jìn)而調(diào)整個體角色的過程可視為面向任務(wù)的動態(tài)重分配，群體的任務(wù)分配情況可以通過個體的角色分布情況來描述。將狼個體視為簡單智能體，則可建立狼群勞動分工與復(fù)雜系統(tǒng)任務(wù)分配之間的映射關(guān)系，如圖3所示。

圖3 角色?匹配勞動分工與復(fù)雜系統(tǒng)任務(wù)分配間的映射關(guān)系Fig. 3 Mapping relationship between the task allocation of swarm robotics and labor division

2.2 角色?匹配狼群勞動分工模型描述

若將每匹狼抽象簡化為一個Agent，角色?匹配狼群勞動分工模型中每個Agent的自身角色及其執(zhí)行任務(wù)遵守2條簡單調(diào)整規(guī)則：

1)個體根據(jù)與環(huán)境和同伴的交互結(jié)果決定自身角色的轉(zhuǎn)換；

2)個體根據(jù)調(diào)整后的角色更新所承擔(dān)的任務(wù)。

2.2.1 角色轉(zhuǎn)換及任務(wù)調(diào)整機(jī)制

群體通過這2個簡單規(guī)則對個體角色進(jìn)行調(diào)整，直到所有個體將自身角色調(diào)整合適，滿足變化后的任務(wù)需求，形成新的角色分布結(jié)構(gòu)。

為說明角色?匹配狼群勞動分工的個體角色轉(zhuǎn)換和任務(wù)調(diào)整機(jī)制，圖4給出了簡化的3類角色個體匹配執(zhí)行3個任務(wù)的示意。狼群在協(xié)作捕獵過程中，在頭狼的指揮下狼群其他個體可被分成3類角色：探狼、猛狼和巨狼。若定義個體角色狀態(tài)變量為s，處于區(qū)間(smin，sth1:2)的個體定義為探狼，處于區(qū)間(sth1:2，sth2:3)的個體定義為猛狼，處于區(qū)間(sth2:3，smax)的個體定義為巨狼。其中，sth1:2和sth2:3分別為各角色之間的轉(zhuǎn)換閾值。探狼、猛狼和巨狼分別執(zhí)行與之匹配的偵察、圍攻和潛伏任務(wù)。基于前期經(jīng)驗(yàn)，執(zhí)行偵察、圍攻和潛伏任務(wù)的個體需求數(shù)分別為2、3和2，即執(zhí)行偵察任務(wù)需要分配2匹探狼，執(zhí)行圍攻任務(wù)分配3匹探狼，執(zhí)行潛伏任務(wù)分配2匹探狼。

任務(wù)需求發(fā)生變化后(如獵物過于強(qiáng)大，猛狼子群不能將其捕獲)，若當(dāng)前群體角色分布和個體規(guī)模比例不能滿足任務(wù)需求。通過對獵物的認(rèn)知判斷，偵察、圍攻和潛伏任務(wù)的需求分別變化為1、5和1，那么原先處于探狼和巨狼角色的部分個體需要快速調(diào)整自身角色轉(zhuǎn)變?yōu)槊屠牵瑓f(xié)助執(zhí)行圍攻任務(wù)，從而滿足任務(wù)需求變化將獵物順利捕殺。具體表現(xiàn)為處于探狼角色類型的個體角色狀態(tài)變量s逐漸增大，而處于巨狼角色類型的個體角色狀態(tài)變量s逐漸減小，且角色轉(zhuǎn)換步長隨任務(wù)緊迫程度而調(diào)整，最終當(dāng)個體的角色狀態(tài)變量s變換至區(qū)間(sth1:2，sth2:3)內(nèi)轉(zhuǎn)變?yōu)槊屠墙巧?/p>

2.2.2 一般模型

假設(shè)共有m個任務(wù)需要執(zhí)行，首先對任務(wù)進(jìn)行排序，任取其中任務(wù)序號由小到大排列的3個任務(wù)taskk-1、taskk和taskk+1(k=1,2,…,m)，當(dāng)前匹配執(zhí)行這3個任務(wù)的個體角色分別定義為wolfk?1、wolfk和wolfk+1，如同上述分析中的探狼、猛狼和巨狼。wolfk?1類型的個體j，wolfk類型的個體i，wolfk+1類型的個體p的角色狀態(tài)分別為其 中j=1,2,…,n1，i=1,2,…,n2，p=1,2,…,n3。slb和slu分別為3種類型的個體角色狀態(tài)的上下限閾值。n1、n2和n3分別為3類角色的個體數(shù)。

圖4 個體角色轉(zhuǎn)換及任務(wù)調(diào)整過程示意Fig. 4 Schematic diagram of individual role transformation and task adjustment process

1) 角色轉(zhuǎn)換

以wolfk類個體i的角色轉(zhuǎn)換為例，其角色狀態(tài)si調(diào)整有3種情況：減小、增大或維持原態(tài)。每一種情況由個體i與其他個體和環(huán)境(任務(wù))交互的結(jié)果所決定。為量化交互結(jié)果，分別設(shè)計(jì)2個變量：虛擬吸引力fa和虛擬排斥力fr。虛擬吸引力fa是個體i與環(huán)境(任務(wù))交互而產(chǎn)生的，表征任務(wù)對個體i的吸引程度，fa與任務(wù)優(yōu)先級、任務(wù)價值和相對需求等因素有關(guān)。任務(wù)優(yōu)先級、任務(wù)價值或相對需求越大，fa越大，一如獵物數(shù)量多，狼群又好久沒有進(jìn)食了，則此批獵物對狼群的吸引力自然就越大。虛擬排斥力fr是個體j與同伴交互而產(chǎn)生的，表征個體j對任務(wù)的排斥程度，與任務(wù)代價、當(dāng)前執(zhí)行該任務(wù)的個體數(shù)或任務(wù)執(zhí)行情況等因素有關(guān)。任務(wù)代價和執(zhí)行該任務(wù)的個體數(shù)越大，fr越大，一如某區(qū)域內(nèi)獵物非常具有攻擊性，捕獲往往需要付出較大代價，而狼群又剛好完成了一次捕獵，并不饑餓，且該區(qū)域內(nèi)狼數(shù)量較多，則狼群就會存在一定程度的排斥捕獵行為。令為任務(wù)k+1)對個體i的相對吸引力，則個體i受到的最大相對吸引力為

式中：k*為所有任務(wù)中對個體i具有最大相對吸引力的任務(wù)序號。

個體i在時刻t通過其與環(huán)境(任務(wù))和同伴的綜合交互結(jié)果(即相對吸引力fai/fri)來決定其下一時刻的角色轉(zhuǎn)換方向和步長：

從式(1)可以看出，當(dāng)任務(wù)taskk*對個體i的相對吸引力超過閾值lu，且其任務(wù)序號k*＞k時，si通過移動步長 δi(t) 正向增大。當(dāng)任務(wù)taskk*對個體j的相對吸引力超過閾值lu，且其任務(wù)序號k*＜k時，si通過移動步長 δi(t) 反向減小。任務(wù)越緊 急 即越大，移動步長 δi(t) 越大，導(dǎo)向性作用越明顯，個體i的角色轉(zhuǎn)變速度越快。其他情況下，si通過隨機(jī)因子 μ 進(jìn)行隨機(jī)轉(zhuǎn)移，防止死鎖。

2) 任務(wù)調(diào)整

個體i根據(jù)調(diào)整后的角色狀態(tài)變量si決定執(zhí)行與其角色?匹配的任務(wù)：

從式(3)可以看出，當(dāng)si移動至區(qū)間內(nèi)，個體i轉(zhuǎn)變?yōu)閣olfk+1角色類型的個體，從而選擇執(zhí)行與wolfk+1角色?匹配的任務(wù)taskk+1。同理，當(dāng)si處 于 區(qū) 間內(nèi)，個體i選擇執(zhí)行與wolfk-1角色?匹配的任務(wù)taskk-1。否則，個體j繼續(xù)執(zhí)行taskk。

個體角色狀態(tài)s的調(diào)整受導(dǎo)向因子 δ 和隨機(jī)因子 μ 共同影響。導(dǎo)向因子結(jié)果反映了個體?個體和個體?環(huán)境交互的綜合作用，給個體角色轉(zhuǎn)換提供導(dǎo)向信息，保證個體向著任務(wù)需求大的方向轉(zhuǎn)換。隨機(jī)因子的作用是通過引入隨機(jī)控制，避免某一時刻大量個體轉(zhuǎn)換角色狀態(tài)導(dǎo)致的大幅震蕩現(xiàn)象。

3 模型擴(kuò)展

角色?匹配的狼群勞動分工一般模型具有良好的普適性，適用于對動態(tài)適應(yīng)性要求較高的復(fù)雜任務(wù)系統(tǒng)。一般而言，應(yīng)用于如群機(jī)器人任務(wù)分配等實(shí)際問題時，僅需要進(jìn)行擴(kuò)展和改造。下面以Nr個Robot協(xié)同執(zhí)行NM個任務(wù)為例進(jìn)行說明。

3.1 主要變量設(shè)計(jì)

式中：VTj(t) 為任務(wù)j在時刻t的價值；和分別為無量綱處理后的Robot i與任務(wù)j的距離和 Robot i到達(dá)任務(wù)j的時間。

由式(4)可以看出，任務(wù)j價值越大，Robot i與任務(wù)j的距離及其到達(dá)任務(wù)j的時間越小，任務(wù)j對Robot i的吸引力越大，即Robot i選擇任務(wù)j的趨勢越大。反之亦然。

4) ηi：Robot i單位時間的資源消耗量，T為時刻t+1～t 的時間，則表示在時刻t+1～t 所有參與執(zhí)行任務(wù)j的Robot的總資源消耗量。

由式(4)、(5)可知，參與執(zhí)行任務(wù)j的Robot數(shù)量越多，Robot i的能力越小及任務(wù)完成度越大，任務(wù)j對Robot i的排斥力越大，即Robot i選擇任務(wù)j的趨勢越小。反之亦然。

5)時刻參與執(zhí)行任務(wù)j的Robot i的角色狀態(tài)變量值。

3.2 基本流程

1) 根據(jù)任務(wù)數(shù)量NM將Nr個體角色變量區(qū)間(smin，smax)分為NM個等距子區(qū)間，分別對應(yīng)NM個任務(wù)。初始化Nr個Robot的個體角色變量

2) 判斷si(0) 所處子區(qū)間，Robot i預(yù)設(shè)匹配執(zhí)行對應(yīng)的任務(wù)，形成任務(wù)預(yù)分配方案；

4) Robot i依式(2)進(jìn)行決策，決策的調(diào)整方向和移動步長；

6) 評價效能函數(shù)。如滿足任務(wù)需求，則轉(zhuǎn)6)；否則轉(zhuǎn)3)；

7) 輸出任務(wù)分配方案。

4 群智能勞動分工模型機(jī)理比較分析

啟發(fā)于生物群體生存智慧的群智能勞動分工方法已經(jīng)引起了廣泛關(guān)注，其中以基于蟻群勞動分工機(jī)制的刺激?響應(yīng)模型(stimulus response model, SRM)[26]和基于蜂群勞動分工機(jī)制的激發(fā)?抑制模型(activation inhibition model, AIM)[27]為代表。

刺激?響應(yīng)模型可解釋蟻群形態(tài)行為多型的勞動分工機(jī)制，表示個體所執(zhí)行的任務(wù)與其體型大小相關(guān)，如小型工蟻主要負(fù)責(zé)護(hù)理、覓食等工作，而大型工蟻主要負(fù)責(zé)防御、儲存食物等[28]；而激發(fā)?抑制模型可解釋蜂群時間行為多型的勞動分工機(jī)制，表示個體所執(zhí)行的任務(wù)與其生理年齡有關(guān)，如蜜蜂能據(jù)蜂群的需求，延遲、加速甚至逆轉(zhuǎn)其行為發(fā)育[29]。角色匹配模型中個體的角色與任務(wù)對應(yīng)，屬角色行為多型，即個體所執(zhí)行的任務(wù)與其角色有關(guān)，如狼群中不同角色的狼(頭狼、探狼、猛狼等)一般執(zhí)行與之匹配的指揮、偵察、圍攻等不同任務(wù)。

實(shí)際中影響個體行為調(diào)整和群體任務(wù)組織的因素很多，為便于工程應(yīng)用，勞動分工模型均以簡單的交互規(guī)則和簡化機(jī)制來實(shí)現(xiàn)個體行為和群體任務(wù)的自組織分配。蟻群刺激?響應(yīng)模型以個體?環(huán)境交互規(guī)則為基礎(chǔ)，由個體感知到的任務(wù)需求刺激和個體響應(yīng)刺激的內(nèi)部閾值來共同決定個體是否執(zhí)行任務(wù)。蜂群激發(fā)?抑制模型以個體?個體交互規(guī)則為基礎(chǔ)，個體內(nèi)生長激素(激發(fā)劑)和同伴對其傳遞的保幼激素(抑制劑)來調(diào)節(jié)其發(fā)育情況，進(jìn)而直接影響其執(zhí)行任務(wù)的類型。單一的交互規(guī)則盡管簡單，卻很難反應(yīng)群體真實(shí)的行為組織影響因素，因此，實(shí)際應(yīng)用中需根據(jù)問題設(shè)計(jì)相關(guān)因子來彌補(bǔ)單一交互規(guī)則的不足。

角色?匹配狼群勞動分工模型與前述2種模型既同根同源(均屬于群智能勞動分工方法體系)，又有其自身特點(diǎn)。表1通過比較分析，列出了狼群角色?匹配模型、蟻群刺激?響應(yīng)模型和蜂群激發(fā)?抑制模型3種群智能勞動分工模型的對比情況。

表1 3種群智能勞動分工模型的比較分析Table 1 Analogical analysis of three swarm intelligent labor division models

由表1可以看出，群智能勞動分工模型都是基于對不同生物群體勞動分工機(jī)制的深入分析而建立的，一定程度上能模擬實(shí)現(xiàn)生物群體通過個體的局部感知和交互反應(yīng)作用進(jìn)而涌現(xiàn)整體的自組織行為。群體任務(wù)分配的優(yōu)化與協(xié)調(diào)基于個體對環(huán)境的動態(tài)反應(yīng)來實(shí)現(xiàn)。其中的交互機(jī)制是決定其動態(tài)反應(yīng)和決策的基礎(chǔ)，角色?匹配狼群勞動分工模型同源于自然群體的生物學(xué)行為分析，以自然狼群中真實(shí)存在的“個體?環(huán)境”+“個體?個體”交互規(guī)則為基礎(chǔ)，以虛擬吸引力和虛擬排斥力分別量化評價2種交互方式，由虛擬力的相對作用來實(shí)現(xiàn)個體角色轉(zhuǎn)換和任務(wù)調(diào)整。其“個體?個體”+“個體?環(huán)境”的交互方式既能使個體行為快速適應(yīng)環(huán)境或任務(wù)變化，又能保證對群體內(nèi)部擾動的動態(tài)響應(yīng)。

目前，蜂群刺激?響應(yīng)模型和蟻群激發(fā)?抑制模型均已被成功應(yīng)用于任務(wù)分配、空間分配、區(qū)域覆蓋、時間分配等領(lǐng)域[30-33]。相關(guān)應(yīng)用也表明，相對于其他方法，這些模型具有計(jì)算簡單、無需迭代、動態(tài)適應(yīng)性強(qiáng)等諸多優(yōu)勢，對動態(tài)環(huán)境下的復(fù)雜系統(tǒng)分配問題的即時響應(yīng)求解具有新的啟發(fā)意義。

5 結(jié)束語

令人驚嘆的生物群智能給予了人類很多啟示。蟻群優(yōu)化算法、粒子群優(yōu)化算法、蜂群優(yōu)化算法等即是啟發(fā)于生物群智能，基于迭代尋優(yōu)、關(guān)聯(lián)求解思路的群智能優(yōu)化方法在求解靜態(tài)優(yōu)化和有限動態(tài)優(yōu)化問題時取得了較好的效果。但對于非結(jié)構(gòu)、大規(guī)模、不可預(yù)測的動態(tài)優(yōu)化、動態(tài)調(diào)度和分配問題卻越來越顯出頹勢。以蟻群的刺激?響應(yīng)和蜂群的激發(fā)?抑制為代表的群智能勞動分工方法，基于自然生物群體的勞動分工行為，強(qiáng)調(diào)基于局部的交互式作用(元機(jī)制：刺激?響應(yīng)、激發(fā)?抑制、角色?匹配)，具有良好的動態(tài)適應(yīng)性，顯示出廣闊的應(yīng)用前景。

本文基于對狼群生物學(xué)行為的深入剖析，研究狼群如何依靠多樣化的智能行為，得以在嚴(yán)酷的環(huán)境中成功生存和進(jìn)化。分析得出其多樣化的群體智能行為的完成，歸因于高效的勞動分工、信息感知與交互、環(huán)境學(xué)習(xí)與認(rèn)知、主動響應(yīng)變化的能力。同時，本文闡述了蟻群刺激?響應(yīng)，蜂群激發(fā)?抑制，狼群角色?匹配3種群智能勞動分工模型的同根同源性和差異性，所研究的角色?匹配狼群勞動分工模型具有角色行為多型特點(diǎn)，該項(xiàng)研究提供了一種柔性化的自底向上(bottomup)的普適性群智能方法，為復(fù)雜系統(tǒng)任務(wù)分配問題研究提供了一種新思路。

今后的研究主要從機(jī)理分析和應(yīng)用擴(kuò)展2個方面著手：1) 角色?匹配的狼群勞動分工模型還處于初步探索階段，其中涉及的多Agent交互機(jī)理、協(xié)作分配機(jī)制、問題適用性、求解復(fù)雜度等方面還有待深入研究；2) 將重點(diǎn)關(guān)注任務(wù)分配現(xiàn)實(shí)問題的應(yīng)用，潛在應(yīng)用領(lǐng)域包括軍事領(lǐng)域的群機(jī)器人協(xié)同搜索、目標(biāo)跟蹤、圍捕、搜救和察打任務(wù)分配，工業(yè)生產(chǎn)領(lǐng)域的機(jī)器任務(wù)調(diào)度，物流領(lǐng)域的車輛任務(wù)調(diào)配等。