🌀 nonlinear sciences

The Mathematical Theory of Behavioural Swarms: Towards Modelling the Collective Dynamics of Living Systems

本文引入了一个关于“行为集群”（Behavioural Swarms）的综合数学框架，该框架通过引入动态内部活动变量，克服了经典模型的局限性，从而对生命系统的适应性、异质性和代理驱动的集体动力学进行了严谨建模。

原作者： Rene Fabregas, Jie Liao, Nisrine Outada

发布于 2026-08-17

📖 1 分钟阅读☕ 轻松阅读

原作者： Rene Fabregas, Jie Liao, Nisrine Outada

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

生命体不像石头或行星那样运动。岩石遵循物理定律，具有完美的预见性，但鸟类、细菌或人类却携带一个改变其行为的内在世界。这个内在世界包括恐惧、自信或压力等情感，这些情感瞬息万变，并改变着个体与他人互动的方式。几十年来，科学家们一直试图编写数学规则来描述这些生命体如何作为一个整体移动。最著名的尝试将群体中的每个成员都视为简单的机器，遵循固定的规则来匹配其邻居的速度和方向。虽然这些模型解释了鸟群或鱼群如何保持聚集，但它们忽略了一个关键事实：生物不是机器。它们会根据自己不断变化的情绪和策略做出选择。

这种理解上的差距正是来自西班牙、中国和摩洛哥研究人员的一项新研究试图填补的空白。他们开发了一种全新的数学理论，称为“行为集群理论”（theory of behavioural swarms）。该框架不再将群体中的每个成员视为静态物体，而是赋予每个个体一个隐藏的、变化的变量，称为“活跃度”（activity）。可以将这种活跃度视为个体在任何一秒钟的警觉程度、压力水平或动机水平。这个数值并不是固定的；它随着个体与其他个体的互动而改变，反过来，它也改变了个体的运动方式。研究人员建立了一套将这种内在状态直接与物理运动联系起来的规则，创造了一个系统，其中一个人的恐惧可以瞬间改变其行走速度，或者一只鸟的自信可以改变其飞行路径。

这项研究首先回顾了那些在处理简单对齐方面表现良好、但在捕捉生命复杂性方面失败的旧模型。在那些旧系统中，如果一只鸟想要转向，它只需取周围鸟类方向的平均值即可。新理论增加了一层决策机制。它提出，在鸟类或人类移动之前，它们首先根据所见所感更新其内在状态。如果人群中的一名行人感到恐惧感上升，这种感觉（即活跃度）会立即影响其行走的速度以及转向的方向。研究人员表明，这种内在状态与物理运动是锁定在一个循环中的：环境改变了感觉，而感觉又改变了运动。

为了测试这个想法是否有效，团队将其应用于两个非常不同的现实场景：人群的移动和市场的买卖行为。在人群场景中，他们模拟了一个人群，其中一人突然陷入恐慌。模型展示了这种恐慌是如何传播的。当这名恐慌的人看到他人时，其恐惧影响了周围的人，进而使那些邻居也变得恐惧。研究人员发现，恐慌波的形状很大程度上取决于人们的视野范围。如果每个人都有较宽的视野，恐慌就会传播得更快，覆盖范围更广；如果视野狭窄，恐慌则会以紧密的线条形式缓慢移动。这符合我们在现实生活中的预期，但该模型通过追踪模拟中每个人的变化“活跃度”，在数学上证明了这一点。

在第二个应用中，研究人员观察了一个买家和卖家相互作用的市场。在这里，“活跃度”代表了买家对产品的需求程度，或卖家降低价格的意愿。模型显示，当买家作为一个群体在寻找最优交易时，他们可以创造出突然的需求浪潮，从而迫使价格发生变化。不同于那些假设由中央权威设定价格的传统经济模型，这个系统展示了价格如何从许多人的混乱且个体的决策中自然涌现。模拟显示，如果卖家可以根据有多少买家在关注他们来调整价格，市场最终会在没有人指令的情况下自行找到稳定的价格。

研究人员还探索了当一个群体不仅是在共同移动，而且是在共同思考时会发生什么。他们模拟了一个场景：个体试图就前进方向达成一致，同时也试图就一个内在观点达成一致。他们发现了一个令人惊讶的结果：即使人们在观点上仍处于深度分歧中，群体也可以在行进方向上达成完美的共识。群体的物理运动变得统一，而他们的内在状态却依然分裂成不同的阵营。这表明在现实生活中，人群即使内部存在争论或持有不同观点，也可以作为一个整体进行移动。

虽然该理论功能强大，但作者也谨慎地指出了其局限性。目前的模型版本假设群体中的人数保持不变；它尚未考虑到人员的出生或死亡，或者新个体的凭空出现。这使得它不太适合研究像病毒传播这样感染人数不断变化的系统。然而，对于群体规模稳定的系统，该理论提供了一个更清晰的图景，展示了内在感受如何驱动外部行动。

论文最后展望了未来，建议可以将该理论与现代计算机学习工具相结合。通过将来自动物集群或人类人群的真实数据输入这些模型，科学家们或许有一天能够自动发现支配“活跃度”变化的精确规则。这将使该领域从猜测人类行为转向真正预测人类行为。这项工作并不声称解决了生命的奥秘，但它为描述生命提供了一种全新的、更诚实的语言。通过承认生命体携带一个不断变化且转移的内在世界，“行为集群理论”提供了一种理解生命复杂且适应性舞蹈的方法，而无需将其简化为简单的机械运动。

技术摘要：行为集群的数学理论

问题陈述
本文针对经典集群模型（特别是 Cucker–Smale (CS) 和 Vicsek 模型）中的一个基本局限性进行了探讨。虽然这些模型通过机械规则（位置与速度）成功描述了集体对齐和集群现象，但它们将智能体视为受预设规则支配的同质自动机。它们未能捕捉到生命系统中特有的适应性策略、异质性和内部决策过程。作者认为，需要一种“生命演算”——一种超越惰性物质描述，旨在形式化内部状态（如压力、动机、信心）如何通过非局部相互作用与机械动力学共同演化的理论。

方法论
本文形式化了行为集群数学理论 (BST)。在该框架下，每个智能体（即“活性粒子”或 a-particle）的状态由一个被称为活性 ( $u_i$ ) 的动态内部变量进行增强。与参数固定的经典模型不同，活性是一个协同演化的状态变量，它既调节着自身的运动，也受其机械运动的影响。

核心方法论涉及一组耦合的二阶常微分方程 (ODE) 系统，用于控制每个粒子 $i$ 的四个状态变量的演化：

位置 ( $x_i$ ) 与速度 ( $v_i$ )：机械动力学。
活性 ( $u_i$ )：一个无量纲的内部变量 ( $u_i \in [0,1]$ )，代表行为状态（如压力、信念、学习水平）。
活性动量 ( $z_i = \dot{u}_i$ )：活性的变化率。

该系统采用层级结构，以反映生命系统中的因果流：

步骤 1（行为更新）： 内部状态 $u_i$ 根据动态相互作用域 $\Omega_i$ （由可见性和敏感性交集定义）内的相互作用进行演化。这种演化由“行为力” ( $\chi_{ij}$ ) 驱动，该力代表了诸如模仿或学习之类的社会影响。
步骤 2（机械更新）： 更新后的行为状态为机械动力学提供信息。速度 $v_i$ 根据“机械力” ( $\psi_{ij}$ ) 进行演化，该力包括对齐、吸引或排斥，但现在受到相互作用智能体当前活性水平的加权和调制。

相互作用速率 $\eta_{ij}$ 不是恒定的，而是取决于相互作用对的完整状态，从而允许异质性和状态依赖型相互作用。该框架具有足够的通用性，可以特化为空间同质系统（仅关注观点/情绪动力学）或基于网络的系统（用图拓扑结构取代物理空间）。

主要贡献

将活性形式化为动态变量： 主要贡献在于将内部“活性”变量作为一种动态状态进行了严谨的数学整合，而非将其视为固定参数。这创造了一个反馈循环：行为驱动运动，而运动（通过环境感知）驱动行为。
模型统一： 本文证明了 BST 框架是现有模型的自然泛化。通过将活性变量约束为常数并简化相互作用规则，BST 可退化为经典的 Cucker–Smale 模型。反之，通过将活性解释为温度，它可以恢复热力学 Cucker–Smale 模型。
双重应用框架： 作者提供了一个适用于两类不同问题的统一结构：
- 物理集群： 动力学发生在物理空间中（如行人人群、动物集群），其中活性调节速度和方向。
- 抽象集群： 动力学完全发生在内部变量的状态空间中（如舆论形成、市场价格动态），不存在物理运动。
批判性比较： 本文对 BST 与活性粒子动力学理论 (KTAP) 及 Fokker–Planck–Boltzmann (FPB) 理论进行了批判性分析。它强调 BST 不需要假设大量粒子以实现连续性（与 KTAP 不同），但也指出了其在大规模 $N$ 情况下的计算限制，以及目前无法模拟增殖/消亡事件（出生/死亡）的问题。

结果与数值演示
论文通过若干数值案例研究和应用验证了该理论：

压力与集群行为： 模拟显示，具有较高活性水平的智能体能更迅速地对外部信号做出对齐反应。当活性是基于共识的动态变量时，集群能实现更好的凝聚力。非对称影响（即只有高活性智能体影响他人）会导致更快的收敛以及移动型领导者的出现。
市场动态（拣选行为）： 在一个去中心化市场模型中，该框架捕捉到了买家寻求最低价格的“拣选”（cherry-picking）行为。模型展示了局部相互作用如何导致宏观现象，如“赢家通吃”的市场结构或价格共识，这取决于卖家是否调整其价格。
恐慌传播： 针对行人人群的数值实验表明，相互作用域的几何形状（可见角度）关键性地影响了恐慌的传播。较宽的可见角度由于情绪状态的非线性放大，会导致更快、更广且加速的恐慌波。
多共识动力学： 论文阐明了智能体可以在实现运动学共识（朝同一方向移动）的同时，保持行为异质性（持有不同的内部观点）。通过引入“有限置信度”机制（只有当内部状态接近时智能体才发生相互作用），系统会在实现运动对齐的同时，分裂成不同的观点簇。

意义与主张
本文将 BST 定位为建模生命系统的一次必要进化，架起了机械运动与内部代理（agency）之间的桥梁。其意义在于：

提供了一个严谨的基于 ODE 的框架，明确地模拟了内部状态与物理动力学之间的相互反馈。
提供了一个灵活的结构，能够以统一的形式描述从生物聚合到经济市场的多种不同系统。
指出了向数据驱动发现发展的必要性。作者建议使用物理信息神经网络 (PINNs) 来解决基于稀疏数据的反问题，并使用稀疏识别非线性动力学 (SINDy) 从观测数据中发现相互作用核的解析形式。这旨在通过从第一性原理或数据中推导相互作用律，而非依赖经验假设，使该理论从描述性转向预测性。

作者总结道，尽管 BST 目前在计算可扩展性和建模非保守事件（出生/死亡）方面面临挑战，但它为研究适应性生命系统的集体行为提供了一个基础性的蓝图。

类似论文