群体智能（Swarm/collection intelligence）这个概念来自对自然界中昆虫群体的观察，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。

概述

群体智能作为一个新兴领域自从20世纪80年代出现以来引起了多个学科领域研究人员的关注已经成为人工智能以及经济社会生物等交叉学科的热点和前沿领域。

群体智能的提出由来已久，人们很早以前就发现，在自然界中，有的生物依靠其个体的智慧得以生存，有的生物却能依靠群体的力量获得优势。在这些群体生物中，单个个体没有很高的智能，但个体之间可以分工合作、相互协调，完成复杂的任务，表现出比较高的智能。它们具有高度的自组织、自适应性，并表现出非线性、涌现的系统特征。

群体智能指的是无智能或者仅具有相对简单智能的主体通过合作表现出更高智能行为的特性；其中的个体并非绝对的无智能或只具有简单智能，而是与群体表现出来的智能相对而言的。当一群个体相互合作或竞争时，一些以前不存在于任何单独个体的智慧和行为会很快出现。

群体智能具有层次性、涌现性和不确定性，网络化数据挖掘方法可以用于大众交互的互联网环境下的群体智能及其涌现机理研究。

基本原则

(1) 邻近原则( Proximity Principle) ，群体能够进行简单的空间和时间计算；

(2) 品质原则(Quality Principle)，群体能够响应环境中的品质因子；

(3) 多样性反应原则( Principle of Diverse Response) ，群体的行动范围不应该太窄；

(4) 稳定性原则(Stability Principle) ，群体不应在每次环境变化时都改变自身的行为；

(5) 适应性原则(Adaptability Principle) ，在所需代价不太高的情况下，群体能够在适当的时候改变自身的行为。

特点

(1) 控制是分布式的，不存在中心控制。因而它更能够适应当前网络环境下的工作状态，并且具有较强的鲁棒性，即不会由于某一个或几个个体出现故障而影响群体对整个问题的求解。

(2) 群体中的每个个体都能够改变环境，这是个体之间间接通信的一种方式，这种方式被称为“激发工作”(Stigmergy) 。由于群体智能可以通过非直接通信的方式进行信息的传输与合作，因而随着个体数目的增加，通信开销的增幅较小，因此，它具有较好的可扩充性。

(3) 群体中每个个体的能力或遵循的行为规则非常简单，因而群体智能的实现比较方便，具有简单性的特点。

(4) 群体表现出来的复杂行为是通过简单个体的交互过程突现出来的智能( Emergent Intelligence) ，因此，群体具有自组织性。

研究历史

群体智能的相关研究早已存在，到目前为止也取得了许多重要的结果。自1991年意大利学者Dorigo 提出蚁群优化（Ant Colony 最优化，ACO）理论开始，群体智能作为一个理论被正式提出，并逐渐吸引了大批学者的关注，从而掀起了研究高潮。1995年，Kennedy 等学者提出粒子群优化算法（Particle Swarm Opti -mization，PSO ），此后群体智能研究迅速展开，但大部分工作都是围绕ACO和PSO进行的。

目前群智能研究主要包括智能蚁群算法和粒子群算法。智能蚁群算法主要包括蚁群优化算法、蚁群聚类算法和多机器人协同合作系统。其中，蚁群优化算法和粒子群优化算法在求解实际问题时应用最为广泛。