摘要：对多智能体系统理论研究和应用方面的发展现状进行了简要概述，蜂拥是一种相互影响具有一致目标的多个个体的集群现象，在自然界中普遍存在。通过个体的局部感知作用和相应的反应行为形成的蜂拥现象，引起了很多不同领域的科学家的关注，随着科学研究的不断发展，蜂拥控制被应用于多智能体系统合作控制中，比如无人驾驶飞行器的集群控制，蜂拥的控制算法收到了学者的广泛关注和研究。
关键词：多智能体系统；蜂拥控制；一致
1 绪论
在自然界中，很多动物群体，诸如鱼群、鸟群、蚁群、蜂群等，常常会很明显地表现出结构秩序进行群体运动，这种现象被称为蜂拥。而当生物群体可能要改变形状或者方向的时候，它们也能够如一个整体一样移动。动物在运动、视觉、感知等方面的能力都是有限的，但是仅仅能通过群体成员间的大量简单交互，就能构成大规模的群体，并展现多种协调的群体行为近年来,多智能体分布式协作问题已经受到了来自很多学科研究人员的关注，这主要是因为它在很多方面有着广泛的应用。
蜂拥行为具有以下几个特征：运动过程中行为规则相对简单；整个群体没有一个中心控制，但是并不会由于其中几个个体表现出不一致的行为而影响整个群体；群体中所有的个体在整个空间中是随机分布的；所有个体经过运动的演化最终表现出显著的整体行为或者性质。
-
- 多智能体蜂拥问题研究现状
蜂拥控制的发展可以分为三个阶段：第一阶段，生物学家研究生物群体的动态行为；第二阶段，物理学家和计算机专家由简单行为规律仿真生物群体现象；第三阶段，对群体行为进行严格建模及分析。
在第一阶段中，生物学家通过大量的蜂拥现象中，抽取出了其中的蜂拥行为的特点。例如：大雁在迁徙的过程中，为了躲避天敌的袭击或者高空的障碍等，会排成一字型或者人字形，利于整个团队的生存。蜜蜂的筑巢行为，在没有蜂王的统一领导下，每个个体可以自主的去按自我的分类进行工作，最终完成一个结构非常完美坚固的蜂巢。
在第二阶段中，实验物理学家和计算机学家通过对多个简单个体的仿真实验，模拟了生物群集现象。基于目前对群体系统的研究，由大量简单个体呈现出来的涌现行为是很常见，他们都表现出来储信息、自组织等特性。就算是更加简单的个体规则，个体之间非线性的交互也能导致大规模群体内部产生复杂的涌现行为。
第三阶段，主要是用数学建立严格的模型并对群体行为进行分析。这一阶段，对于研究复杂群体行为来说是从蜂拥控制研究走向量化的关键步骤。到目前为止，这一阶段，也仅处于起歩阶段。与此同时，在生物领域的对鸟群、蚁群、鱼群的迁徙行为以及动物群体的防御行为的已经有了深入的研究。同时在工程领域中的研究成果也越来越多，尤其是关于控制问题和动态问题中自动或者半自动的协调合作行为的研究。在同一过程中，还可以考虑这两个领域的交叉研究，一方面可以抽离出生物领域中的一些行为规则，另一方面可以加入工程领域中的控制与设计算法，由此使得蜂拥控制算法得到一个新的认知与理解。
